Claim Missing Document
Check
Articles

Analisis Kinerja Algoritma Decision Tree Dan Random Forest Dalam Klasifikasi Penyakit Kardiovaskular Utami, Nisa; Baihaqi, Kiki Ahmad; Awal, Elsa Elvira; Waiddin, Deden
Building of Informatics, Technology and Science (BITS) Vol 6 No 2 (2024): September 2024
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i2.5722

Abstract

Cardiovascular disease is a disease with a fairly high number of deaths. In Indonesia, the term cardiovascular is more popular with heart disease, which is a condition that can cause narrowing and blockage of blood vessels. Cardiovascular disease has two risks, the first is a risk that can be changed, such as stress, increased blood pressure, unhealthy diet, increased glucose levels, abnormal cholesterol and lack of physical activity. Meanwhile, risks that cannot be changed include family disease, gender, age and obesity. In this research, we can examine and analyze the performance of the two best classification algorithms, namely the decision tree algorithm and the random forest algorithm, in classifying cardiovascular disease based on the cause of the disease. The aspects studied are the performance results of each algorithm and evaluated using Area Under the Curve (AUC), classification report, k-Fold Cross Validation and Confusion matrix. The dataset used was taken from the Kaggle website with the data used being Cardiovascular Disease data which consists of 68.205 rows (patient data) and 17 attributes. . Based on the evaluation results using the Area Under The Curve (AUC) value, the highest result was obtained at 0.761 by the Random Forest algorithm with balanced data conditions with Random oversampling. Meanwhile, the lowest AUC value was obtained by the Decision Tree algorithm with unbalanced data of 0.592. Based on these results, it is known that the Random Forest algorithm with a balanced data scheme is a better algorithm, with a balanced data scenario using SMOTE and Random Oversampling techniques.
Pemilihan Algoritma Terbaik Untuk Klasifikasi Jenis E-Mail dengan Metode TF-IDF Fitria, Denisa; Cahyana, Yana; Sulistya, Dwi; Baihaqi, Kiki Ahmad
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 9, No 1 (2024): Edisi Februari
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v9i1.747

Abstract

Spam emails, sent en masse to numerous addresses, are a major annoyance. To combat this, effective filters are necessary, such as classification to separate spam from non-spam. This can be achieved through an anti-spam model utilizing text mining like TF-IDF. Using the KDD process, a study analyzed a dataset of 6046 entries, split 77.2% non-spam and 22.8% spam. Logistic Regression showed the best accuracy at 98%, outperforming Decision Tree (59%) and Support Vector Machine (95%). Thus, Logistic Regression emerged as the optimal algorithm for email classification.
Sosialisasi Alur Kerja Sistem Electronic Traffic Law Enforcement (ETLE) Dari Segi Ilmu Komputer Vision Pada Masyarakat Baihaqi, Kiki Ahmad; Fauzi, Ahmad; Indra, Jamaludin
Jurnal KKN Kuliah Kerja Nyata Pengabdian Masyarakat Vol. 1 No. 3 (2024): Jurnal Inovasi Gagasan Abdimas dan Kuliah Kerja Nyata
Publisher : IGAKERTA Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70234/1km1j504

Abstract

Sistem deteksi kendaraan bermotor yang digunakan pada sistem E-TLE bukan hal baru, dikarenakan sistem tersebut sudah banyak diteliti dan diimplementasikan dinegara maju. Deteksi yang dimaksud adalah mendeteksi nomor polisi yang ada pada suatu kendaraan kemudian dikonversi menjadi laporan dan dikategorikan dalam bentuk pelanggaran seperti apa sesuai perundang-undangan. Namu, tidak banyak Masyarakat yang paham akan alur proses deteksi dan akurasi dari sistem tersebut. Sehingga dibutuhkan sosialisasi kepada Masyarakat lebih lanjut dan mendalam. Sosialisasi dilakukan pada kegiatan pengabdian kepada masyakarat yang dilakukan ditingkat desa yang berada dibagian luar Kabupaten Karawang. Masyarakat yang mengikuti adalah perangkat desa setingkat RT dikarenakan nanti akan disosialisasikan kembali oleh aparatur desa kepada Masyarakat. Peserta berjumlah 30 orang yang dibagi menjadi 2 termin pagi dan sore, dikarenakan kapasitas ruangan dan faktor efektifitas penjelasan agar kondusif. Hasilnya 50%  yaitu berjumlah 15 orang tidak mengetahui perihal sistem seperti ini bisa akurat dan mengidentifikasikan nomor kendaraan serta pelaggarannya
Implementasi Algoritma Convolutional Neural Network dan YOLOV8 Untuk Klasifikasi Ras Kucing Adinata, Abdul Rohim; Rohana, Tatang; Baihaqi, Kiki Ahmad; Faisal, Sutan
Building of Informatics, Technology and Science (BITS) Vol 6 No 3 (2024): December 2024
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i3.5913

Abstract

The cat with the scientific name Felis catus is a very popular pet and is often kept in various parts of the world. There are many types or breeds of cats, each of which has its own characteristics and characteristics, such as style, body shape, fur and color. However, because of the many breeds and the uniqueness of each breed, it is often difficult for ordinary people to differentiate between the types of cat breeds that exist. Therefore, technology is needed to identify and differentiate cat breeds. By comparing the Convolutional Neural Network (CNN) and YOLOV8 methods, this research aims to develop a cat breed classification model. This research uses data from six different cat breeds, namely Bengal, Bombay, Himalayan, Local, Persian and Sphynx. There are 1,200 images in all, with 200 images for each race. Before the data is used for training with the CNN and YOLOV8 methods, a preprocessing stage is carried out which includes resize and rescale for the CNN method, while for YOLOV8 a data labeling process is carried out. There are two parts to the dataset: 20% validation data and 80% training data. The training process is carried out with the same parameters for each model, namely a learning rate of 0.001, batch size of 15, and 100 epochs. From the test results with the confusion matrix, the YOLOV8 model shows the best performance with an accuracy value of 99%, precision 96.1%, recall 98.4%, and F1-score 97.2%.
Deteksi Bentuk Candi Jiwa dan Candi Blandongan Menggunakan Algoritma Convolutional Neural Network Narwan Nahrudin; Yana Cahyana; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Candi merupakan sebuah peninggalan umat Hindu-Buddha yang berbentuk bangunan kuno. Candi Jiwa dan Candi Blandongan merupakan sebuah warisan kerajaan Hindu-Buddha yang sekarang dijadikan wisata sejarah yang berada di antara Kecamatan Batujaya dan Kecamatan Pakis Jaya, yang sering disebut Situs Percandian Batu Jaya. Di sini banyak sekali nilai sejarah; pengunjung tidak hanya menikmati bangunan peninggalan Situs Percandian Batu Jaya, tetapi juga bisa mengetahui sejarah yang terdapat pada candi tersebut. Untuk mempertahankan nilai sejarah dan mengetahui bentuk Candi Jiwa dan Candi Blandongan, maka dibuatlah sistem deteksi antara kedua candi ini agar pengunjung dapat mengetahui mana yang Candi Jiwa dan mana yang Candi Blandongan, dengan sistem deteksi menggunakan citra digital. Sistem yang dibuat untuk mendeteksi bentuk Candi Jiwa dan Candi Blandongan dengan menggunakan metode Convolutional Neural Network ini mendapatkan nilai akurasi dengan pengujian menggunakan bahasa pemrograman Python sebesar 52,78%, dan untuk akurasi pengujian didapatkan nilai akurasi sebesar 80%.
Implementasi Metode Certainty Factor dalam Mendiagnosa Defisiensi Nutrisi pada Tanaman Hidroponik Aditya Zatnika; Tatang Rohana; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertanian Hidroponik adalah inovasi untuk mengembangkan tanaman dalam pengaturan nutrisi terlepas dari media palsu untuk bantuan mekanis. Dalam kerangka budidaya hidroponik, sentralisasi pengaturan nutrisi adalah salah satu batasan yang menentukan sifat hasil panen. Tanaman membutuhkan nutrisi yang memuaskan untuk berkembang dan tumbuh dengan baik. Tidak adanya atau melimpahnya nutrisi yang dikonsumsi oleh tanaman dapat mengakibatkan terhambatnya perkembangan tanaman, sehingga keseimbangan dan kecukupan nutrisi merupakan variabel yang signifikan terhadap hasil pertanian pada tanaman. Dengan cara ini, pekerjaan kerangka kerja khusus diperlukan untuk menentukan kekurangan makanan pada tanaman budidaya air. Faktor keyakinan adalah teknik yang digunakan untuk mengomunikasikan kepercayaan pada suatu peristiwa (kenyataan atau teori) dalam pandangan bukti atau penilaian utama. Hasil dari penelitian ini adalah mendasari kerangka kerja berbasis situs yang dapat memberikan data yang berhubungan dengan nutrisi pada tanaman dan membuatnya lebih mudah bagi klien untuk menganalisis gejala dari kekurangan pada tanaman budidaya hidroponik. Teknik ini memberikan kesimpulan sebagai kepastian atau kerentanan keadaan dalam standar yang digunakan untuk menyelesaikan. Konsekuensi dari pengujian teknik ini menunjukkan 32 efek samping yang dialami menunjukkan kecepatan presisi 92,30%.
Implementasi Algoritma Eigenface pada Kehadiran Mahasiswa Berbasis Pengenalan Wajah Memanfaatkan Raspberry Pi Habib Abdullah; Sutan Faisal; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Presensi mahasiswa di Program Studi Teknik Informatika Universitas Buana Perjuangan Karawang sekarang dilakukan dengan mengisi lembar presensi. Hal tersebut menjadi kurang efisien, karena mahasiswa harus membawa lembar presensi kemana-mana ketika sedang ada perkuliahan. Dengan adanya sistem presensi berbasis pengenalan wajah, proses pengarsipan menjadi lebih mudah. Oleh karena itu, dibuatlah sistem yang dapat membantu proses presensi mahasiswa, salah satunya menggunakan deteksi wajah. Metode yang dapat digunakan untuk deteksi wajah adalah Eigenface. Beberapa penelitian menunjukkan bahwa metode Eigenface menghasilkan persentase kecocokan wajah yang cukup baik. Pada penelitian ini, digunakan metode Eigenface untuk deteksi kehadiran mahasiswa menggunakan wajah. Hasil prediksi akurasi tanpa menggunakan aksesoris adalah 90%, dengan citra wajah terdaftar dan tidak terdaftar mencapai 80%, menggunakan aksesoris kacamata adalah 70%, menggunakan masker menghasilkan akurasi 50%, dan prediksi akurasi menggunakan topi sebesar 80%.
SOSIALISASI PENGGUNAAN DETEKSI KENDARAAN BERMOTOR DENGAN COMPUTER VISION Kiki Ahmad Baihaqi; Ahmad Fauzi; Jamaludin Indra
JURNAL BUANA PENGABDIAN Vol 7 No 1 (2025): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/jurnalbuanapengabdian.v7i1.9949

Abstract

erkembangan teknologi pengolahan cita digital berkembang pesat dari waktu kewaktu, merambah semua sendi-sendi dan bidang kehidupan. Pada Pengabdian masyarakat ini bertujuan untuk mengimplementasikan teknologi computer vision dalam deteksi kendaraan bermotor sebagai solusi untuk memantau dan mengontrol lalu lintas secara efisien. Dengan memanfaatkan metode deteksi objek yang canggih, penelitian ini akan mengembangkan sistem yang mampu mengenali jenis-jenis kendaraan, menghitung jumlah kendaraan yang melintas, serta memonitor kondisi lalu lintas secara real-time. Implementasi teknologi ini diharapkan dapat meningkatkan pengaturan lalu lintas yang lebih efektif dan mengurangi potensi kemacetan di area yang diuji coba. Hasilnya berupa pengetahuan yang diberikan ke peserta dan menunjukan hasil penelitian berupa prototype.
ANALISIS PERBANDINGAN ALGORITMA MACHINE LEARNING PADA PREDIKSI PRODUKSI BUAH DI ACEH Rafikoh, Zahra Anggun; Faisal, Sutan; Baihaqi, Kiki Ahmad; H, Hanny Hikmayanti
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5765

Abstract

Prediksi produksi buah merupakan aspek penting dalam mendukung perencanaan dan pengelolaan sektor pertanian. Penelitian ini membandingkan performa dua algoritma machine learning, yaitu Random Forest dan Support Vector Machine (SVM), dalam memprediksi produksi buah di Provinsi Aceh menggunakan data produksi dari Badan Pusat Statistik (BPS) periode 2018–2023. Data telah melalui proses preprocessing termasuk penanganan missing values, outliers, serta transformasi variabel kategori. Evaluasi model menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R² Score menunjukkan bahwa Random Forest memberikan hasil prediksi yang lebih akurat dibandingkan SVM. Penambahan fitur eksternal seperti curah hujan, jenis pupuk, dan metode budidaya yang disimulasikan tidak memberikan peningkatan signifikan pada performa model. Penelitian ini merekomendasikan penggunaan Random Forest untuk prediksi produksi buah di Aceh dan menyarankan pengumpulan data eksternal yang lebih lengkap untuk meningkatkan akurasi prediksi di masa depan.
Road Damage Detection Using Yolov9-Based Imagery Azhari, Febrian Akbar; Rohana, Tatang; Baihaqi, Kiki Ahmad; Fauzi, Ahmad
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 14 No. 2 (2025): MEY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v14i2.2377

Abstract

Road damage is one of the leading factors contributing to traffic accidents. Rapid identification and repair of damaged roads are crucial in road infrastructure management. This study aims to develop an effective method for detecting road damage, utilizing the YOLOv9 algorithm as a key component, such as cracks and potholes, using the Convolutional Neural Network (CNN) approach. YOLOv9 was chosen due to its efficient architecture, which enables real-time object detection, and its proven effectiveness in various object detection tasks. An annotated dataset of road images was used during the model training and testing process. The results show that the YOLOv9 model can accurately detect road damage. The model achieved a precision of 0.85 and a recall of 0.992 for pothole detection, and a precision of 0.94 for crack detection. Evaluation using mAP50 yielded a score of 0.96, while mAP50-95 reached 0.77, indicating strong detection and classification capability. A consistent decline in loss functions during training also signifies effective learning by the model. These findings suggest that YOLOv9 has the potential to be implemented in automated road damage detection systems, which can accelerate maintenance processes and enhance road user safety.