Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Iqbal Syabudin
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Komparatif Random Forest dan XGBoost Berbasis Class Weighting pada Kasus Imbalanced Dataset Kredit Daffa Tusi Santoso; Edwin Pavel Ekapagliuca; Iqbal Syabudin; Linda Nuzul Kharismasari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penilaian kelayakan kredit merupakan aspek penting dalam manajemen risiko perbankan, namun sering menghadapi permasalahan ketidakseimbangan kelas (imbalanced data) yang menyebabkan model klasifikasi cenderung bias terhadap kelas mayoritas. Kondisi ini meningkatkan risiko False Negatives, yaitu nasabah berisiko gagal bayar yang diprediksi sebagai nasabah lancar. Penelitian ini bertujuan membandingkan kinerja algoritma Random Forest sebagai model baseline dengan XGBoost yang dioptimasi menggunakan class weight balancing dan hyperparameter tuning untuk meningkatkan kemampuan deteksi nasabah berisiko. Penelitian menggunakan pendekatan kuantitatif eksperimental dengan kerangka kerja CRISP-DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset dibagi menjadi data latih dan data uji dengan proporsi 80:20, sedangkan optimasi XGBoost dilakukan menggunakan RandomizedSearch. Hasil penelitian menunjukkan bahwa model XGBoost menghasilkan Recall sebesar 62,47% dan F1-Score sebesar 53,87%, lebih tinggi dibandingkan Random Forest yang memperoleh Recall 35,80% dan F1-Score 45,72%. Meskipun akurasi menurun dari 81,20% menjadi 76,33%, peningkatan sensitivitas berhasil mengurangi False Negatives sehingga lebih sesuai untuk kebutuhan manajemen risiko kredit. Analisis feature importance menunjukkan bahwa riwayat status pembayaran, khususnya PAY_0, menjadi faktor paling berpengaruh dalam prediksi. Model terbaik selanjutnya diimplementasikan ke dalam prototipe Decision Support System berbasis Streamlit yang mampu memberikan prediksi risiko kredit secara real-time. Hasil penelitian menunjukkan bahwa optimasi XGBoost efektif meningkatkan kemampuan klasifikasi pada dataset kredit yang tidak seimbang serta mendukung pengambilan keputusan kredit yang lebih akurat.
Prototipe Sistem Monitoring Asap Rokok dan Karbon Monoksida Berbasis ESP32 Menggunakan Sensor MQ-2 dan MQ-7 Iqbal Syabudin; Andika Mahendra Yudhistira; Gaten Isnan Abdurrozaq; Pramono -
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk merancang dan menguji prototipe sistem deteksi pelanggaran merokok dan uap vape berbasis mikrokontroler ESP32 guna mengatasi kendala pengawasan manual. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan merancang prototipe ruang simulasi berbahan triplek yang mengintegrasikan sensor MQ-2 dan MQ-7. Sistem ini dilengkapi dengan otomatisasi sirkulasi udara melalui kipas DC, alarm buzzer, serta fitur kontrol manual menggunakan push button. Hasil pengujian sampel menunjukkan efektivitas sistem dalam merespons fluktuasi polutan; pada pengujian pertama, sistem aktif dalam kondisi waspada selama tiga menit saat kadar gas berada di atas 2500 ppm sebelum turun ke kondisi aman pada menit keempat dengan nilai 1861 ppm. Pengujian kedua menunjukkan respons instan pada menit pertama dengan nilai 2844 ppm dan berhasil menetralisir udara hingga 1847 ppm pada menit berikutnya. Data ini membuktikan bahwa integrasi sensor MQ-2 dan MQ-7 responsif dalam memicu aksi sistem secara otomatis. Kesimpulan utama penelitian ini adalah integrasi IoT dan notifikasi real-time melalui Blynk serta email telah teruji berfungsi dengan baik pada skala prototipe, dan berpotensi untuk dikembangkan lebih lanjut guna membantu pengawasan lingkungan tertutup.
Co-Authors Andika Mahendra Yudhistira Daffa Tusi Santoso Edwin Pavel Ekapagliuca Gaten Isnan Abdurrozaq Linda Nuzul Kharismasari Pramono -