Article Per Year (5 Year)
p-Index From 2021 - 2026
10.761
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Techno.Com: Jurnal Teknologi Informasi TEKNOLOGI: Jurnal Ilmiah Sistem Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmu Komputer dan Agri-Informatika EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Teknologi Informasi dan Ilmu Komputer International Journal of Advances in Intelligent Informatics Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal Litbang Edusaintech Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Kohesi: Jurnal Sains dan Teknologi
Novanto Yudistira
Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Public Health Social Sciences Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Litbang Edusaintech

 1 
Algoritma Decision Tree Dan Smote Untuk Klasifikasi Serangan Jantung Miokarditis Yang Imbalance Novanto Yudistira; Aldi Fianda Putra
Jurnal Litbang Edusaintech Vol. 2 No. 2 (2021): Volume 2 No 2 2021
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v2i2.48

Abstract

Serangan jantung atau dalam medis bernama Myocardial Infarction atau infark miokard adalah gangguan jantung yang sangat serius. Dalam pendeteksian ini menggunakan komplikasi-komplikasi yang diderita oleh pasien. Algoritma yang akan dievaluasi yaitu Naive Bayes, Decision Tree, dan Support Vector Machine. Namun tidak serta merta dapat dilakukan evaluasi. Sebelum mengevaluasi ketiga algoritma ini dilakukan perbaikan dataset, karena pada dataset ini sendiri terdapat data yang kosong. Perbaikan dilakukan dengan cara mengimputasikan data dimana nilai diperkirakan berdasarkan rata-rata dari anggota klaster pada kelas yang sama. Setelah melakukan imputasi data, maka dapat dilakukan normalisasi dengan metode MinMax dengan tujuan agar rentang fitur terutama data numerik kontinu tidak terlalu besar. Setelah pemrosesan data awal dilakukan maka barulah kita dapat melakukan evaluasi dengan menggunakan metode K-fold Cross Validation. Namun lagi-lagi ditemukan kesalahan yakni data latih yang digunakan ternyata tidak seimbang. Oleh sebab itu dilakukan oversampling pada data agar data menjadi seimbang. Setelah seimbang maka kita dapat melakukan evaluasi kembali dan diperolehlah algoritma yang cocok untuk mengklasifikasikan data seperti dataset Myocardial Infarction Complications adalah algoritma Decision Tree dengan akurasi 98%, diikuti algoritma Support Vector Machine dengan akurasi 91% dan Naïve Bayes dengan akurasi paling rendah yakni 49%.
Perbandingan Metode Naïve Bayes, Support Vector Machine Dan Decision Tree Dalam Klasifikasi Konsumsi Obat Chindy Aulia Sari; Annisa Sukmawati; Rishani Putri Aprilli; Prais Sarah Kayaningtias; Novanto Yudistira
Jurnal Litbang Edusaintech Vol. 3 No. 1 (2022): Volume 3 No 1 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i1.47

Abstract

Obat adalah suatu bahan yang berisi zat-zat yang berguna untuk mencegah atau menyembuhkan suatu penyakit pada makhluk hidup sehingga terjadi perubahan secara fisiologis atau psikologis selain itu obat psikoaktif merupakan obat yang mempengaruhi mental tetapi kebanyakan obat psikoaktif disalahgunakan untuk hal-hal yang tidak penting bahkan membahayakan. Terdapat banyak jenis obat psikoaktif, diantaranya ada 18 jenis obat-obatan legal maupun ilegal yaitu alcohol, amphetamines, amyl nitrite, benzodiazepine, cannabis, chocolate, cocaine, caffeine, crack, ecstasy, heroin, ketamine, legal highs, LSD, methadone, mushrooms, nicotine and volatile substance abuse consumption. Metode penelitian yang digunakan adalah metode Algoritma Naive Bayes, SVM, dan Decision Tree yaitu untuk memprediksi kecocokan data tersebut dilihat dari hasil akurasi yang didapatkan. Semakin besar akurasi yang dihasilkan maka semakin cocok data tersebut, dan semakin kecil akurasi yang dihasilkan maka semakin tidak cocok data tersebut. Peneliti menggunakan dataset Drug Consumption dalam bentuk format file .csv. Dataset ini diambil dari UCI Data Repository. Dataset Drug Consumption mengelompokkan tipe konsumen narkoba menurut pengukuran kepribadian. Berdasarkan penelitian yang telah dilakukan, maka hasil yang didapatkan dari membandingkan algoritma naive bayes, SVM (Support Vector Machine) dan Decision Tree adalah SVM (Support Vector Machine) merupakan algoritma yang paling baik. Sehingga kesimpulan yang didapat dari penelitian ini adalah sebelum memilih algoritma sebaiknya peneliti menganalisis data yang digunakan terlebih dahulu, dan SVM (Support Vector Machine) merupakan algoritma yang paling baik diantara algoritma Naïve Bayes, dan Decision Tree pada data Drug Consumption.
Prediksi Perubahan Iklim di Indonesia pada tahun 2013-2014 menggunakan LSTM Dhifan Diandra H; Fathina Atsila F; Sulthon Akhdan G; Novanto Yudistira; Raihan Hanif F
Jurnal Litbang Edusaintech Vol. 3 No. 2 (2022): Volume 3 No 2 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i2.49

Abstract

Keberadaan deep learning saat ini sangat menguntungkan dan membantu manusia di kehidupan sehari-hari. Salah satunya adalah prediksi, prediksi apapun dapat dilakukan dengan deep learning selama data yang didapatkan memungkinkan untuk diolah. Dalam penelitian ini, dilakukan prediksi perubahan iklim. Karena seiring perkembangannya zaman dan terjadinya global warming, perubahan cuaca semakin tidak menentu. Maka dari itu sering terjadi kekeliruan dalam menentukan kapan waktu musim hujan dan musim panas. Deep learning merupakan sebuah jaringan syaraf tiruan yang terdiri dari banyak layer, yang dimana layer tersebut tersusun dari banyak node. Arsitektur deep learning yang digunakan untuk prediksi di penelitian ini adalah Long Short Term Memory (LSTM). Pada penelitian ini penggunaan LSTM dikarenakan berdasarkan penelitian sebelumnya, prediksi dengan yang menggunakan arsitektur ini dapat menghasilkan output yang cukup baik. Berdasarkan hasil pengujiannya dari 12 data dengan 1.859 data training, telah didapatkan bahwa nilai r2 score sebagai nilai kemiripannya sebesar -3.7490698103542037, dengan nilai mean squared error sebesar 0.001512831193394959. Angka ini merupakan hasil yang cukup baik dengan tingkat kemiripan antara hasil sebenarnya dengan hasil prediksi yang terpaut tidak jauh berbeda.
Co-Authors Abdurrachman Bachtiar, Fitra Abel Filemon Haganta Kaban Achmad Basuki Achmad Ridok Adam Hendra Brata Adhi Setiawan Aditama, Gustian Agi Putra Kharisma Agus Wahyu Widodo Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu AGUS WIDODO Akbar, Alvin Tarisa Al Huda, Fais Aldi Fianda Putra Alfen Hasiholan Ali, Mustafa Almasyhur, Muhammad Bin Djafar Alwan, Muhammad Fajrul Amin, Muhammad Basil Musyaffa Anarya Indika Putra Andina, Sherla Puspa Andy Soebroto, Arief Anggraheni, Hanna Shafira Annisa Sukmawati Aprianto, Anda Bagas Apriyanti -, Apriyanti Ardhani, Luthfi Afrizal Ardhanto, Riyadh Ilham Arifandis Winata Arifien, Zainal Asmani, Wahayu Widyaning Austin, Yehezkiel Stephanus Bagidya, Moga Taufiq Bahrur Rizki Putra Surya Bana Falakhi Bayu Rahayudi Budi Darma Setiawan Caesar Rio Anggina Toruan Cahyo Prayogo, Cahyo Candra Dewi Cevita Detri Intan Suryaningrum Chandra, Lucas Chindy Aulia Sari Christopher, Juan Young Darmawan, Abizard Hashfi Darmawan, Hanif Daud, Nathan Daut Daman Dewa Gede Trika Meranggi Dhaifullah, Afif Naufal Dhifan Diandra H Didik Suprayogo Dytha Suryani Edy Santoso Edy Santoso Elmira Faustina Achmal Eriq Muhammad Adams Jonemaro Fadhil Yusuf Rahadika Fadhil Yusuf Rahadika Fadhil Yusuf Rahadika Fahmi Achmad Fauzi Fajrina, Julia Nur Fathina Atsila F Fauzi, Muhammad Rifqi Firhan Fauzan Hamdani Firman Maulana, Firman Fitra Abdurrachman Bachtiar Galih Wicaksana Putra, Achmad Griselda Anjeli Sirait Griselda Anjeli Sirait Hafshah Durrotun Nasihah Hakim, Gibran Hakim, Sulthan Abiyyu Hanum, Assyfa Rasida Haris, Asmuni Harlan, Fajri Rayrahman Hawari, Rahmada Zulvia Azzahra Hermanto, Putri Tsania Maulidia Heru Nurwarsito Huda, Fais Al Hutamaputra, William Ikhwanul Kiram, Muh Zaqi Imam Cholissodin Indriati Indriati Iqra Ilhamsyah Irfan Ardiansyah Irfannanto, Adimas Irfano, Haikal Irwanto, M. Sofyan Izzatul Azizah Jauhar Bariq Rachmadi Javier Ardra Figo Karina Amadea Katrina Puspita Kevin Nadio Dwi Putra Khalid Rahman Khoirullah, Habib Bahari Krisnabayu, Rifky Yunus Kurnia Fakhrul Izza Kurnianingtyas, Diva Lailil Muflikhah Laksono, Khansa Salsabila Sangdiva Larasati, Saqina Salsabila Lutfi, Raniyah Mahardika, Mohammad Alfiano Rizky Manurung, Daniel Geoffrey Marasitua, Wahyu Valentino Marji Marpaung, Veronika Oktafia Maulana Ahmad Maliki Maulana, Muhammad Rizqon Maulana, Muhammad Taufik Mawarni, Marrisaeka Meilinda Dwi Puspaningrum Michael David Muh. Arif Rahman Muhammad Rizaldi Muhammad Rizaldi Muhammad Tanzil Furqon Muhammad Zaini Rahman Natanniel Eka Christyanto Naufal, Muhammad Jilan Niluh Putu Vania Dyah Saraswati Nisa, Lisa N. Nisa, Septia Khoirin Novianti, Siska Nurannisa, Nadhira Oakley, Simon Pangondian, Yosia Permadhi, Raditya Atmaja Satria Pinasthika, Mohammad Ryan Prais Sarah Kayaningtias Prasetia, Anugrah Prayata, Rakan Fadhil Putra Pandu Adikara Putra, Octo Perdana Putri, Rania Aprilia Dwi Setya Putri, Salwa Cahyani Qurrata Ayuni Rahmadi, Anang Bagus Rahman, Muhammad Arif Raihan Hanif F RAMADHAN, ADITYA RIZKY Randy Cahya Wihandika Renata Rizki Rafi' Athallah Rian Nugroho Rilinka Rilinka Rishani Putri Aprilli Rizal Setya Perdana Rizky, Audhinata Bebytama RR. Ella Evrita Hestiandari Sabriansyah Rizqika Akbar, Sabriansyah Sahirah, Rafifa Addin Saputra, Kylix Eza Sastomo, Yogi Puji Selle, Nurfatima Setyawan Purnomo Sakti Sholeh, Mahrus Stephen Lui, Michael Sugihdharma, Joseph Ananda Sukma, Lintang Cahyaning Sulthon Akhdan G Suprapto Suprapto Sutrisna, Naufal Putra Syafira, Putri Amanda Tampubolon, Agustinus Parasian Thiodorus, Gustavo Tibyani Timothy Bastian Sianturi Usfita Kiftiyani Vasya, Muhammad Azka Obila Wa Ode May Zhara Averina Wahyu Taufiqurrahman, Rayhan Waludi, Ikbal Wayan Firdaus Mahmudy Wulandari, Rafifah Ayud Yuita Arum Sari Yuita Arum Sari Zetha, Ivykaeyla Adriana