Article Per Year (5 Year)
p-Index From 2020 - 2025
6.447
P-Index
This Author published in this journals
All Journal Jurnal TIMES Conference on Innovation and Application of Science and Technology (CIASTECH) G-Tech : Jurnal Teknologi Terapan Idealis : Indonesia Journal Information System Jurnal Teknik Informatika (JUTIF) Journal of Students‘ Research in Computer Science (JSRCS) Jurnal Teknologi Kimia Unimal INOTEK Jurnal Teknik Terapan (J-TETA) JUSIFOR : Jurnal Sistem Informasi dan Informatika Adopsi Teknologi dan Sistem Informasi Nuras : Jurnal Pengabdian Kepada Masyarakat Eastasouth Journal of Effective Community Services JUSTIFY : Jurnal Sistem Informasi Ibrahimy JEECS (Journal of Electrical Engineering and Computer Sciences) COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Mutiara: Multidiciplinary Scientifict Journal Abdi Samulang : Jurnal Pengabdian Kepada Masyarakat SmartComp Jurnal Pengabdian Sosial JUAN: Jurnal Pengabdian Nusantara ZONA: Jurnal Pengabdian Masyarakat JAR'S (Journal of Advanced Research in Informatics) Jurnal Pengabdian Masyarakat Ekonomi dan Bisnis Digital JUKEMAS : Jurnal Pengabdian Kepada Masyarakat
Fatah, Zaehol
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : JUSIFOR : Jurnal Sistem Informasi dan Informatika

 1 
Penerapan Algoritma Linear Regression dalam Memprediksi Harga Rumah Menggunakan RapidMiner Khoiriyah, Siti; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 2 (2024): JUSIFOR - Desember 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v3i2.5684

Abstract

Permintaan pasar properti di Indonesia yang terus meningkat mempengaruhi harga rumah, yang dipengaruhi oleh berbagai faktor. Klasifikasi, sebagai salah satu metode dalam data mining, memiliki kemampuan untuk melakukan prediksi. Model prediksi harga rumah dikembangkan menggunakan teknik regresi linier. Hasil analisis menunjukkan bahwa faktor utama yang memengaruhi harga rumah adalah luas tanah, jumlah kamar mandi, jumlah lantai, dan fasilitas parkir. Model ini akurat, terutama untuk harga rumah rendah hingga menengah. Faktor luas area (koefisien 242.186, p-value sangat kecil), jumlah kamar mandi (koefisien 987.650, p-value < 0.01), jumlah lantai (koefisien 542.411, p-value < 0.01), dan fasilitas parkir (koefisien 408.438, p-value 0.011) memiliki pengaruh signifikan terhadap harga. Sementara itu, faktor seperti akses jalan utama, kamar tamu, dan AC tidak menunjukkan pengaruh signifikan (p-value > 0.05). Model ini dapat digunakan untuk penilaian properti, perencanaan investasi, dan negosiasi harga.
Implementasi Algoritma Decision Tree Untuk Pendeteksian Penyakit Jantung Nafi'ah, Lailin; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 2 (2024): JUSIFOR - Desember 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v3i2.5729

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga penting untuk mengembangkan metode yang efektif dalam mendeteksi dan memprediksi risiko penyakit ini. Algoritma Decision Tree telah banyak digunakan dalam bidang kesehatan karena kemampuannya untuk menangani data yang kompleks dan memberikan hasil yang mudah diinterpretasikan. Penelitian ini membahas implementasi algoritma Decision Tree untuk prediksi penyakit jantung dengan menggunakan dataset yang berisi berbagai fitur klinis, seperti tekanan darah, kadar kolesterol, usia, jenis kelamin, dan lain-lain. Dalam proses implementasi, data diolah melalui beberapa tahapan, termasuk pembersihan data, pemilihan fitur, serta pembagian data menjadi subset pelatihan dan pengujian. Hasil dari model menunjukkan bahwa algoritma Decision Tree mampu mencapai tingkat akurasi yang baik dalam memprediksi risiko penyakit jantung. Selain itu, analisis lebih lanjut terhadap fitur-fitur yang paling berpengaruh dalam prediksi membantu memberikan wawasan yang lebih mendalam tentang faktor risiko utama penyakit jantung. Studi ini menunjukkan bahwa algoritma Decision Tree merupakan alat yang efektif untuk digunakan dalam prediksi medis, khususnya penyakit jantung, dan memiliki potensi untuk diintegrasikan ke dalam sistem pendukung keputusan klinis.
Implementasi Prediksi Penyakit Diabetes Menggunakan Metode Decision Tree Safitri, Lulu; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 2 (2024): JUSIFOR - Desember 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v3i2.5788

Abstract

Diabetes mellitus merupakan salah satu penyakit kronis yang menjadi masalah kesehatan global dengan tingkat prevalensi yang terus meningkat. Penelitian ini bertujuan untuk mengimplementasikan metode Decision Tree dalam memprediksi penyakit diabetes menggunakan dataset yang terdiri dari 768 sampel dengan delapan parameter kesehatan. Parameter yang digunakan meliputi jumlah kehamilan, kadar glukosa, tekanan darah, ketebalan kulit, kadar insulin, BMI, fungsi riwayat diabetes keluarga, dan usia. Metodologi penelitian meliputi tahap preprocessing data, pemodelan menggunakan Decision Tree, dan evaluasi performa model. Dataset dibagi menjadi data training (70%) dan testing (30%) menggunakan metode stratified sampling. Model Decision Tree diimplementasikan menggunakan RapidMiner dengan parameter gain ratio sebagai criterion, maximal depth 10, serta menerapkan teknik pruning dan prepruning dengan confidence level 0.1. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 65.06% dengan nilai presisi 32.53% dan recall 50.00%. Model berhasil mengidentifikasi 350 kasus non-diabetes dan 188 kasus diabetes dengan benar. Penelitian ini membuktikan bahwa metode Decision Tree dapat digunakan sebagai alat bantu dalam prediksi awal penyakit diabetes, meskipun masih memerlukan optimasi lebih lanjut untuk meningkatkan akurasi prediksi.
Implementasi Metode Naive Bayes Dalam Memprediksi Persetujuan Hutang Mulianingsih, Suci; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 2 (2024): JUSIFOR - Desember 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v3i2.5790

Abstract

Perkembangan teknologi informasi dalam sektor perbankan telah mendorong kebutuhan akan sistem otomatisasi dalam pengambilan keputusan kredit yang lebih efisien dan akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Naive Bayes dalam memprediksi persetujuan hutang dengan menggunakan dataset yang terdiri dari 353 sampel dengan 12 variabel. Metodologi penelitian meliputi tahap preprocessing data, yang mencakup cleaning data, transformasi atribut, dan normalisasi, diikuti dengan implementasi model menggunakan platform RapidMiner. Dataset dibagi menjadi 70% data training dan 30% data testing dengan metode stratified sampling. Hasil pengujian menunjukkan bahwa model Naive Bayes mencapai akurasi sebesar 79.76%, dengan nilai presisi 39.88% dan recall 50.00%. Analisis matriks konfusi mengungkapkan 197 kasus true positive dan 50 kasus false positive, sementara validasi silang 10-fold menunjukkan konsistensi performa model. Meskipun model menunjukkan performa yang menjanjikan dalam hal akurasi, terdapat ruang untuk peningkatan terutama dalam aspek presisi dan recall. Penelitian ini memberikan kontribusi dalam pengembangan sistem pendukung keputusan kredit yang dapat membantu institusi finansial dalam proses evaluasi persetujuan hutang secara lebih efisien.
Implementasi Prediksi Penyakit Ginjal Kronis dengan Menggunakan Metode Decision Tree Qori'ah, Arifah Amaliyah; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 2 (2024): JUSIFOR - Desember 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v3i2.5803

Abstract

Penyakit ginjal kronis merupakan masalah kesehatan serius yang memerlukan deteksi dini untuk penanganan yang tepat. Penelitian ini bertujuan untuk mengembangkan model prediksi penyakit ginjal kronis menggunakan metode Decision Tree dengan bantuan aplikasi RapidMiner. Data yang digunakan berasal dari platform Kaggle dengan 22 parameter kesehatan seperti tekanan darah, kadar gula darah, dan hasil tes laboratorium lainnya. Proses penelitian meliputi empat tahap utama: pengumpulan data, preprocessing menggunakan RapidMiner, pembuatan model Decision Tree, dan evaluasi performa. Preprocessing data mencakup pembacaan data dengan Read Excel, pengaturan Set Role untuk klasifikasi, dan pembagian dataset menggunakan Split Data. Model Decision Tree diimplementasikan dengan parameter gain ratio, maximal depth 10, serta fitur pruning dan prepruning. Hasil penelitian menunjukkan tingkat akurasi yang sangat baik yaitu 98.12%, dengan nilai presisi 65.34% dan recall 65.88%. Dari confusion matrix terlihat bahwa model hanya melakukan 5 kesalahan prediksi dari total dataset, yang terdiri dari 2 False Positive dan 3 False Negative. Model ini diharapkan dapat membantu tenaga medis dalam melakukan screening awal dan diagnosis penyakit ginjal kronis secara lebih efektif dan efisien
Optimasi Penentuan Paket Hemat Menggunakan Algoritma FP-Growth untuk Meningkatkan Strategi Pemasaran Febrian, Fikri; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 3 No 2 (2024): JUSIFOR - Desember 2024
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v3i2.5818

Abstract

Penentuan paket hemat yang efektif merupakan salah satu cara strategis yang digunakan oleh hampir setiap usaha baik UMKM ataupun perusahaan sebagai strategi meningkatkan pemasaran dan menarik lebih banyak konsumen. Namun, untuk menentukan kombinasi produk yang tepat dalam sebuah paket, sering kali ada kekeliruan karena harus sesuai dengan prefensi dan pola belanja dari masing-masing konsumen. Data mining dapat membantu sebuah perusahaan dalam meningkatkan strategi pemasaran. Untuk membantu mengoptimalkan proses penentuan paket hemat digunakan algortima FP-Growth. Algoritma FP-Growth dikenal mampu menemukan pola asosiasi yang tersembunyi dalam sebuah data transaksi. Penggunaan algoritma FP-Grwoth dalam mengidentifikasi kombinasi kesamaan barang yang dibeli oleh pelanggan. Sehingga pemilik usaha dapat memilih atau menentukan paket hemat lebih relevan dan sesuai dengan prefensi konsumen. Hasil yang diperoleh menunjukkan bahwa penggunaan algoritma FP-Growth mampu meningkatkan efisiensi dalam menentukan paket hemat sekaligus meningkatkan strategi pemasaran. Implementasi dalam metode ini berpotensi besar meningkatkan kepuasan konsumen dan memberikan dampak positif terhadap pertumbuhan penjualan Perusahaan secara keseluruhan.
Clustering K-Means Dengan Rapidminer Untuk Identifikasi Produk Terlaris Faidah, Mutmainnah Ilmiatul; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.5821

Abstract

Analisis penjualan merupakan elemen krusial dalam industri ritel untuk merancang strategi pemasaran yang efektif dan efisien. K-Means Clustering digunakan dalam penelitian ini untuk dataset transaksi selama rentang waktu 45 hari di Toko Sembako Zamibarokah. Barang – barang dibagi menjadi dua kelompok berdasarkan jumlah penjualan. Hasil clustering menunjukkan bahwa produk Mie Instan Indomie dan Tepung Segitiga berada dalam kategori penjualan tinggi, sedangkan produk lain seperti The Pucuk Harum berada dalam kategori penjualan rendah. Sehingga hasil ini memberikan wawasan kepada manajer toko untuk mengelola inventaris, memberikan prioritas kepada pengadaan produk, dan mengurangi biaya penyimpanan barang yang kurang diminati. Dengan menggunakan data mining, Data mining membantu memberikan keputusan yang tepat dan cermat. Metode ini digunakan untuk mengoptimalkan analisis data penjualan di industri ritel lainnya.
Pengunaan Data Mining Untuk Mengidentifikasi Pelanggan Beresiko Tinggi Dalam Penjualan Mengunakan Algoritma Decision Tree C4.5 Saputra, Zuhrian Nur; Fatah, Zaehol
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.5942

Abstract

Dalam dunia bisnis yang kompetitif, identifikasi pelanggan berisiko tinggi sangat penting untuk meminimalkan tingkat churn dan meningkatkan profitabilitas. Penelitian ini menggunakan teknik data mining dengan menggunakan algoritma pohon keputusan C4.5 untuk mengklasifikasikan pelanggan berdasarkan risiko churnnya. Tahapan penelitian mencakup pengumpulan data, pembersihan, pemrosesan data, Selain membagi data menjadi set pelatihan dan pengujian. Implementasi algoritma ini dilakukan dengan menggunakan perangkat lunak RapidMiner, yang memfasilitasi pengelompokan pelanggan dan memprediksi perilaku berdasarkan atribut historis. Hasil evaluasi menunjukkan model memiliki akurasi sebesar 74,59%, dengan precision dan recall yang menunjukkan kemampuan model dalam mengidentifikasi pelanggan berisiko tinggi. Dengan demikian, algoritma Decision Tree C4.5 terbukti efektif dalam mendukung pengambilan keputusan untuk strategi mitigasi risiko churn pada pelanggan.
Co-Authors ABDUS SAMAD Abrori, Syariful Adi Susanto Adiba, Naila Afandi, Muhammad Dzikry Afifah, Fatma Nur Ahmad Afandi Ahmad Homaidi Aini, Imroatin Arifatul Aizah, Nur Akhlis Munazilin, Akhlis Alfiansyah, Noer Dian Alwi, As'ad Anisa, Halifatus Ardiansyah, Lukman Hakim Atika, Komang Nitari Badrus Sholeh Bahauddin, Moh. Baijuri, Achmad Candra, Ongky Ali Damayanti, Alfina Damayanti Diandhita, Safna Dwi Norrepa Efendi, Ahmad Fadil Dwi Fahimurridho, Ahmad Faidah, Mutmainnah Ilmiatul Febrian, Fikri Fernando, Ahmad Wahyu Firmandala, Legi Octa Sofyan Halilatul Muallafa Hamdani, A. Hasan Basri Holidiyah, Na'imatul Homaida, Nur Ida Ayu Putu Sri Widnyani irma yunita Ismael, Kharisma Ayu Jundanuddin, Muhammad Lazim, Farihin Lidimilah, Lukman Lidimilah, Lukman Fakih Lutfi, Zainul Lutfiana, Nurisma Mahtum, Rohiqim Majid, Muhammad Sabilillah Marwan Marwan Muasaroh, Yurida Islahatul Muhammad, Aqil Furqoni Mulianingsih, Suci Nafi'ah, Lailin Nazila, Jamilatun Nur Indahsari, Luluk Nurdiana, Alfi Nurhasanah, Yeni Nuril Maghfiratus Sholeha, Siti Prasetyo, Jarot Dwi Qori'ah, Arafah Amaliyah Qori'ah, Arifah Amaliyah Rahmawati, Nurul Qolbi Rofiq, Ahmad Tahqiq Safitri, Lulu Saleh, Taufik Santoso, Firman Saputra, Zuhrian Nur Savira, Anggita Yusiana Sinta, Sinta Masruroh Siti Khoiriyah Sobri, Miftahus Syakirin, Muhammad Irham Tholibah, Wafrotut Uswatul Muftakiyah Wilda, Sufil Zubairi, Ach.