Claim Missing Document
Check
Articles

Perancangan Program Pengaduan Masyarakat Berbasis Website Di RW.001 Kelurahan Sunter Jaya Jakarta Muhammad Erlangga Agustriwahyu Prasetya; Ahmad Al Kaafi
Simpatik: Jurnal Sistem Informasi dan Informatika Vol. 3 No. 2 (2023): Desember 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/simpatik.v3i2.2556

Abstract

RW.001 Kelurahan Sunter Jaya di Kota Jakarta Utara saat ini belum menggunakan teknologi informasi dalam proses pelayanan publik kepada masyarakat. Hal ini juga mengakibatkan masyarakat harus bolak-balik ke Kantor RW.001. Untuk mengatasi permasalahan tersebut, dibuatlah sebuah program pengaduan masyarakat berbasis website. Dengan program pengaduan masyarakat berbasis website, masyarakat dapat dengan mudah mengajukan keluhan tanpa harus datang ke Kantor RW.001. Untuk perancangan program Pengaduan Masyarakat berbasis Web ini menggunakan metode Waterfall. Model ini menggambarkan pendekatan sistematis dan berurutan pada pengembangan perangkat lunak. Metode Waterfall terdiri dari beberapa tahapan, yaitu: Requirement Analysis, System and Software Design, Implementation and Unit Testing, Integration and System Testing, Operation and Maintenance. Aplikasi ini dapat memudahkan masyarakat untuk melaporkan kegiatan atau kejadian. Sistem ini juga memberikan kemudahan bagi pihak RW.001 Sunter Jaya dalam menampung aduan dari masyarakat dan menjalankan tindak lanjut terhadap aduan tersebut Perancangan program pengaduan masyarakat berbasis website memberikan kemudahan bagi masyarakat untuk melaporkan kegiatan atau kejadian secara online, mengurangi penggunaan kertas sebagai media pelaporan. Sistem ini juga memberikan kemudahan bagi pihak berwenang dalam menampung aduan, meningkatkan transparansi penanganan aduan, dan menjaga keamanan data pengaduan. Dengan demikian, program ini memberikan solusi efektif dalam meningkatkan aksesibilitas, efisiensi, dan akuntabilitas dalam pengaduan masyarakat.
Komparasi Algoritma Machine Learning Untuk Klasifikasi Risiko Serangan Jantung Di Indonesia Rizal Maulana; Ahmad Al Kaafi; Rizka Dahlia
Jurnal Sains Informatika Terapan Vol. 5 No. 3 (2026): Jurnal Sains Informatika Terapan (Oktober, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1346

Abstract

Serangan jantung merupakan salah satu penyebab kematian tertinggi di Indonesia sehingga diperlukan upaya deteksi dini untuk mengidentifikasi individu yang berisiko mengalami kondisi tersebut. Penelitian ini bertujuan membandingkan performa algoritma Decision Tree, Random Forest, dan Gradient Boosting dalam klasifikasi risiko serangan jantung di Indonesia, serta menganalisis pengaruh feature selection terhadap performa model. Penelitian menggunakan dataset Heart Attack Prediction in Indonesia yang diperoleh dari Kaggle, yang terdiri atas 158.355 data individu dan 28 atribut. Data tersebut mencakup karakteristik individu dan faktor yang berkaitan dengan risiko serangan jantung, seperti usia, jenis kelamin, hipertensi, diabetes, kadar kolesterol, obesitas, kebiasaan merokok, aktivitas fisik, tekanan darah, serta riwayat penyakit jantung sebelumnya. Tahapan penelitian meliputi data cleaning, transformasi data menggunakan one-hot encoding, feature selection menggunakan metode Gain Ratio, serta pembagian data menjadi 80% data latih dan 20% data uji. Performa model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Gradient Boosting memperoleh akurasi tertinggi sebesar 73,6%, diikuti Decision Tree sebesar 72,2% dan Random Forest sebesar 71,2%. Feature selection menghasilkan 9 atribut terpilih tanpa memberikan peningkatan performa yang berarti. Dengan demikian, Gradient Boosting merupakan algoritma dengan performa terbaik dalam klasifikasi risiko serangan jantung pada penelitian ini.