Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal ARSHI Veterinary Letters Jurnal Abdimas Mandiri Jurnal Pengabdian Masyarakat (JPM) Pinang Masak Jurnal Veteriner dan Biomedis Scientific: Journal of Computer Science and Informatics
Fikram, Muhammad
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Electrical & Electronics Engineering Engineering Immunology & microbiology Mathematics Medicine & Pharmacology Physics Social Sciences Veterinary

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

 1 
Klasisifikasi Tingkat Kemiskinan Di Indonesia Menggunakan Algoritma Naives Bayes Suci Mulyani; Pajri, Afril Efan; Fikram, Muhammad
Scientific: Journal of Computer Science and Informatics Vol. 1 No. 2 (2024): Juli 2024
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v1i2.333

Abstract

Abstrak penelitian ini dilatarbelakangi oleh urgensi klasifikasi tingkat kemiskinan yang akurat sebagai landasan pengambilan keputusan dan penyaluran bantuan yang tepat sasaran. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat kemiskinan menggunakan algoritma Naïve Bayes yang diimplementasikan dalam software RapidMiner. Metode penelitian yang digunakan meliputi pengumpulan data dari berbagai sumber, pra-pemrosesan data untuk membersihkan dan mentransformasi data, implementasi algoritma Naïve Bayes untuk membangun model klasifikasi, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model yang dibangun mencapai akurasi sebesar 96.12%, dengan kemampuan identifikasi yang baik pada kelompok tidak miskin (presisi 100%) dan kelompok miskin (recall 100%). Meskipun demikian, presisi pada kelompok miskin masih perlu ditingkatkan (75%) untuk meminimalkan kesalahan klasifikasi dan memastikan bantuan yang diberikan lebih efektif dan tepat sasaran.
Co-Authors Adi Prayoga, Adi Afril Efan Pajri Akbari, Rizal Arifin Apri Siswanto Aziziah, Nurul Madinah Bayu Febram Prasetyo Ghazali, Farhan Rizqy Ikhwal, Muhamad Indra Lasmana Tarigan Jamilah Jamilah Khamidah, Nabila Nurrisma Khasanah, Misbahul Mifthadillah, Sekar Ayu Natawiria, Maria Stella Linda Prafes, Prendy Risa Tiuria Saputra, Ardiyanto Suci Lestari Suci Mulyani Suci, Rasyifa Sundari, Eva Tusa’diah, Halimah Wahyuni, Linda Wedayanti, Made Devi Yeni Kusumawaty