Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal Jurnal Terapan Abdimas Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Tematik : Jurnal Teknologi Informasi Komunikasi Journal of Informatics, Information System, Software Engineering and Applications (INISTA) Journal of Computer Networks, Architecture and High Performance Computing Journal of Soft Computing Exploration KLIK: Kajian Ilmiah Informatika dan Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Manajemen Sistem Informasi Journal of Information System, Technology and Engineering
Jayadi, Puguh
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Implementasi Algoritma Decision Tree dan Support Vector Machine (SVM) untuk Prediksi Risiko Stunting pada Keluarga: Implementation of Decision Tree and Support Vector Machine (SVM) Algorithm for Stunting Risk Prediction Putri, Amanda Iksanul; Syarif, Yulia; Jayadi, Puguh; Arrazak, Fadlan; Salisah, Febi Nur
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.1228

Abstract

Kondisi kekurangan gizi kronis yang disebabkan oleh asupan makanan yang tidak mencukupi sebagai akibat dari kebiasaan makan yang tidak tepat sesuai dengan gizi yang diperlukan disebut juga dengan stunting. Stunting dapat membuat fisik anak menjadi lebih pendek, selain itu dapat menghambat pertumbuhan dan perkembangan organ lain seperti ginjal, jantung, dan otak pada anak. Meningkatnya kasus stunting pada anak memerlukan upaya pencegahan secara dini. Pada penelitian ini menggunakan 18 atribut dan 5021 record data dari 10 kelurahan Kota Dumai dimana salah satu diantaranya dijadikan sebagai kelas. Pada penelitian ini menerapkan Algoritma Decision Tree dan Support Vactor Machine (SVM) untuk mengetahui algoritma mana yang tepat memproses data tersebut. Hasil prediksi dengan menggunakan Decision Tree pada penelitian ini mendapatkan nilai akurasi sebesar 96.15%, nilai recall Tidak sebesar  92.06% serta Ya sebesar 97.34% dan nilai presisi Tidak sebesar 90.99% serta Ya sebesar 97.68%. Sedangkan dengan menggunakan Algoritma SVM mendapatkan nilai akurasi sebesar 62.48%, nilai recall Tidak sebesar 99.12% serta Ya sebesar 51.80% dan nilai presisi Tidak sebesar 37.49% serta Ya sebesar 99.51%. Berdasarkan penelitian menggunakan data  tersebut dapat disimpulkan bahwa akurasai algoritma Decision Tree jauh lebih baik dibandingkan dengan algoritma SVM.
Co-Authors Ahmad, Khairul Adilah binti Aldida, Jofanza Denis Anardani, Sri Anardani, Sri Aria Bima, Alim Citra Arrazak, Fadlan Cahyo, Rayhan Zulfitri Dwi Febi Nur Salisah Harly, Daniswara Andhika Putra Kelik Sussolaikah Nasrul Rofiah Hidayati, Nasrul Rofiah Pratiwi Susanti Putra, David Andrianto Putri, Amanda Iksanul R. Bekti Kiswardianta, R. Bekti Renny Sari Dewi Sussolaikah, Kelik Syaad Patmanthara Syamsiar, Syamsiar Syarif, Yulia WAHYUNI Weka Sidha Bhagawan Yudha, Yoga Prisma