Article Per Year (5 Year)
p-Index From 2021 - 2026
10.772
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Industri Pertanian JUTI: Jurnal Ilmiah Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) JOIN (Jurnal Online Informatika) Abdimas Pedagogi: Jurnal Ilmiah Pengabdian kepada Masyarakat JOIV : International Journal on Informatics Visualization Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Ecodemica : Jurnal Ekonomi Manajemen dan Bisnis Jurnal Teknik Informatika STMIK Antar Bangsa JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Ekonomi, Manajemen Akuntansi dan Perpajakan (Jemap) J I M P - Jurnal Informatika Merdeka Pasuruan Applied Information System and Management Jurnal Teknoinfo JURNAL PENDIDIKAN TAMBUSAI Jurnal Nasional Komputasi dan Teknologi Informasi Energi & Kelistrikan Indonesian Journal of Applied Informatics Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Literasiologi CSRID (Computer Science Research and Its Development Journal) Industri Inovatif : Jurnal Teknik Industri Jurnal Ilmu Komputer dan Bisnis Aisyah Journal of Informatics and Electrical Engineering Jurnal Sistem Informasi dan Informatika (SIMIKA) Journal of Innovation and Future Technology (IFTECH) TIN: TERAPAN INFORMATIKA NUSANTARA JURNAL AKTUAL AKUNTANSI KEUANGAN BISNIS TERAPAN (AKUNBISNIS) Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Sistem Informasi Journal of Industrial and Engineering System Jurnal Sains Indonesia Bulletin of Computer Science Research Journal of Students‘ Research in Computer Science (JSRCS) Journal Software, Hardware and Information Technology Jurnal Media Informatika JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS) Jurnal Mandiri IT J-Intech (Journal of Information and Technology) Jurnal Pustaka Mitra : Pusat Akses Kajian Mengabdi Terhadap Masyarakat Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Sains dan Teknologi Jurnal Sains Informatika Terapan (JSIT) Paradigma Indonesian Journal Computer Science (ijcs) Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Jurnal Komputer dan Teknologi (JUKOMTEK) CHAIN: Journal of Computer Technology, Computer Engineering and Informatics Jurnal Ilmiah Sistem Informasi Bulletin of Artificial Intelligence Riau Jurnal Teknik Informatika International Journal of Education, Vocational and Social Science Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Journal of Information Technology Jurnal Teknoinfo Komputasi : Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Ilmiah Sistem Informasi Akuntansi (JIMASIA) Jurnal Teknik Informatika dan Teknologi Informasi
Sumanto Sumanto
Universitas Bina Sarana Informatika, Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 106 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 106 Documents
Search

 7   8   9   10   11 
Penerapan Algoritma Random Forest Untuk Prediksi Tingkat Stres Dari Aktivitas Media Sosial Umar, Muhammad Hussein; Antony Pangaribuan, Rizky Daud; Primadana, Raihan; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7765

Abstract

Penelitian ini bertujuan untuk memprediksi tingkat stres pengguna berdasarkan data numerik yang merepresentasikan perilaku dan kebiasaan sehari-hari, seperti kualitas tidur, durasi penggunaan media sosial, frekuensi olahraga, durasi layar harian, dan indeks kebahagiaan. Pemodelan dilakukan menggunakan algoritma Random Forest melalui workflow pada Orange Data Mining yang mencakup pemuatan dataset, pemilihan atribut, penyesuaian tipe data, pelatihan model, serta evaluasi performa. Pengujian menggunakan Test and Score menunjukkan bahwa Random Forest mampu memberikan performa klasifikasi yang stabil. Visualisasi Bar Plot memperlihatkan distribusi metrik evaluasi yang konsisten, sementara Confusion Matrix menunjukkan bahwa sebagian besar prediksi berada pada kelas medium. Analisis hasil prediksi juga memperkuat kecenderungan model dalam memetakan data ke kategori stres dominan. Secara keseluruhan, penelitian ini menunjukkan bahwa metode Random Forest efektif digunakan untuk deteksi tingkat stres berbasis data numerik perilaku pengguna, serta berpotensi menjadi dasar pengembangan sistem pemantauan kesehatan mental berbasis data.
Prediksi Penyakit Jantung Menggunakan Algoritma Machine Learning Berdasarkan Indikator Kesehatan Karo-Karo, Julkarnaen; Syakir, Adryan Raihan; Raihan, Raihan; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida; Christian, Ade
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/1tgz3234

Abstract

Penyakit jantung tetap menjadi penyebab utama kematian di seluruh dunia, sehingga menekankan perlunya deteksi dini dan langkah pencegahan aktif melalui pendekatan yang didasarkan pada analisis data. Penelitian ini bertujuan untuk memprediksi kemungkinan terjadinya penyakit jantung dengan memanfaatkan berbagai metode pembelajaran mesin, yang bergantung pada indikator kesehatan seperti nilai tekanan darah, tingkat kolesterol, indeks massa tubuh, serta pengukuran denyut nadi. Penelitian ini menerapkan teknik pembelajaran terawasi, meliputi Regresi Logistik, Pohon Keputusan, Hutan Acak, dan Mesin Vektor Pendukung, untuk mengevaluasi efektivitas masing-masing model dalam menentukan kondisi kesehatan pasien. Data yang digunakan berasal dari repositori kesehatan yang dapat diakses secara gratis, mencakup 303 catatan medis pasien, di mana setiap catatan ditandai oleh 14 atribut kesehatan yang berbeda. Untuk memastikan keandalan data, beberapa langkah pra-pemrosesan diterapkan, seperti normalisasi, seleksi fitur, dan penanganan data yang hilang. Temuan eksperimen mengungkapkan bahwa algoritma Hutan Acak menunjukkan akurasi tertinggi sebesar 92,3%, mengungguli model lainnya dalam aspek presisi, recall, dan skor F1. Hal ini menandakan bahwa metode Hutan Acak unggul dalam mendeteksi pola dan faktor yang memperbesar risiko penyakit jantung. Penelitian ini berkontribusi pada pengembangan sistem diagnostik cerdas, yang dapat mendukung tenaga medis dalam pengambilan keputusan awal yang didasarkan pada bukti kuat. Kesimpulan dari studi ini menyoroti pentingnya memasukkan teknologi pembelajaran mesin ke dalam ekosistem layanan kesehatan digital guna meningkatkan ketepatan diagnosis dan memperbaiki hasil kesehatan pasien.
Implementasi Data Mining Pada Gangguan Tidur Berdasarkan Gaya HidupMenggunakan Metode K-Means Clustering Zalmi, Indah Oktavia; Faatin, Safinah; Yunardus, Yunardus; Sumanto, Sumanto; Budiawan, Imam; Pakpahan, Roida
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/fvjn4865

Abstract

Gaya hidup sehat (GHS) memiliki peran penting dalam menjaga kesejahteraan fisik dan mental, khususnya pada kalangan mahasiswa dan pekerja. Namun, tren gaya hidup modern yang semakin bersifat sedentari telah secara signifikan meningkatkan risiko munculnya berbagai masalah kesehatan seperti stres, penurunan konsentrasi, obesitas, dan penyakit kronis. Penelitian ini bertujuan untuk mengidentifikasi dan mengelompokkan individu berdasarkan profil gaya hidup dan kualitas tidur mereka menggunakan metode K-Means Clustering. Variabel yang dianalisis mencakup durasi tidur, tingkat stres, aktivitas fisik, indeks massa tubuh (BMI), serta pola gangguan tidur. Analisis dilakukan dengan memanfaatkan dataset Sleep Health and Lifestyle untuk mengungkap pola tersembunyi dalam kebiasaan perilaku dan kesehatan responden. Proses pengelompokan menghasilkan tiga kelompok utama, yaitu: (1) individu dengan gaya hidup sehat optimal yang ditandai dengan tidur yang cukup, pola makan seimbang, dan aktivitas fisik teratur; (2) individu dengan risiko sedang yang memiliki kebiasaan hidup tidak teratur dan tingkat stres menengah; serta (3) individu berisiko tinggi yang dicirikan oleh kualitas tidur yang buruk, stres tinggi, dan kebiasaan hidup yang kurang sehat. Temuan ini menunjukkan bahwa algoritma K-Means efektif dalam mengklasifikasikan individu ke dalam kelompok gaya hidup yang bermakna, sehingga mampu memberikan representasi yang akurat terhadap profil kesehatan populasi. Hasil penelitian ini diharapkan dapat membantu lembaga pendidikan, organisasi kesehatan, dan tempat kerja dalam merancang program promosi kesehatan yang lebih terarah dengan menekankan pengelolaan tidur yang baik, nutrisi seimbang, serta aktivitas fisik rutin untuk meningkatkan kesejahteraan dan produktivitas secara keseluruhan.
Perbandingan Algoritma Naive bayes dan KNN dalam analisis sentimen Twitter tentang Depresi di Indonesia Respati Putra, Micho; Wina Ningsih; Souisa, Juanny Cheristy; Asy'ari, Muhammad Rifqi; Sumanto; Budiman, Ade Surya
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.666

Abstract

Depresi merupakan gangguan mental yang menjadi perhatian global, dengan prevalensi tinggi khususnya di kalangan usia muda. Media sosial seperti Twitter menjadi ruang ekspresi yang potensial dalam mencerminkan kondisi psikologis masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen publik terkait isu depresi di Indonesia melalui data Twitter menggunakan dua algoritma pembelajaran mesin, yakni Naïve Bayes dan k-Nearest Neighbours (kNN). Data dikumpulkan melalui proses web scraping terhadap 1.342 tweet, yang kemudian disaring menjadi 873 tweet relevan berbahasa Indonesia. Tahapan analisis meliputi praproses teks, ekstraksi fitur, dan klasifikasi sentimen menjadi tiga kategori: positif, negatif, dan netral. Evaluasi kinerja model dilakukan dengan metrik AUC, akurasi, presisi, recall, F1-score, dan Matthews Correlation Coefficient (MCC). Hasil menunjukkan bahwa algoritma kNN memiliki kinerja unggul dengan akurasi 96,4% dan MCC 0,645, sementara Naïve Bayes mencatatkan AUC tertinggi sebesar 0,985. Distribusi data memperlihatkan dominasi sentimen negatif, mengindikasikan bahwa Twitter kerap digunakan sebagai wadah pelampiasan emosi negatif terkait depresi, terutama di kalangan usia produktif. Temuan ini menegaskan bahwa media sosial berpotensi digunakan sebagai alat skrining awal untuk memantau kesehatan mental masyarakat secara dinamis dan real-time. Implikasi dari studi ini membuka peluang pengembangan sistem pemantauan berbasis kecerdasan buatan untuk mendukung intervensi dini dalam penanganan isu depresi di Indonesia.
Analisis Prediksi Kualitas Udara dengan Metode Random Forest Berdasarkan Data Cuaca Aprilyanto, Ryan Dwi; Gustian, Riansyah; Hernawan, Muhammad Hendra; Budiman, Ade Surya; Sumanto
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.670

Abstract

Penelitian ini bertujuan untuk memprediksi suhu rata-rata harian (TAVG) di Kota Jakarta menggunakan algoritma Machine Learning Random Forest. Data yang digunakan berasal dari Stasiun Meteorologi Kemayoran dengan periode pengamatan 1 Januari 2024 hingga 30 Mei 2025 dan mencakup tujuh atribut cuaca seperti suhu, kelembapan, curah hujan, dan kecepatan angin. Proses penelitian melibatkan tahapan pengumpulan data, persiapan, pemodelan, dan evaluasi menggunakan metrik regresi seperti Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai MSE sebesar 0.398, RMSE 0.631, MAE 0.488, MAPE 1.7%, dan R² sebesar 0.653. Visualisasi distribusi data menunjukkan kecocokan antara prediksi dan data aktual, yang menandakan model mampu menangkap pola cuaca secara akurat. Dengan demikian, model Random Forest dinilai efektif dan andal untuk digunakan dalam prediksi cuaca serta memiliki potensi untuk dikembangkan lebih lanjut dalam mendukung pengambilan keputusan di berbagai sektor.
Penerapan Naive Bayes Untuk Analisis Opini Publik Indonesia Terhadap Gencatan Senjata Di Palestina Ramadhani, Dwiki Gilang; Tito, Herdinan; Sumanto; Budiman, Ade Surya
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.672

Abstract

Penelitian ini bertujuan untuk mengetahui seperti apa pendapat masyarakat Indonesia terhadap isu gencatan senjata di Palestina dengan menganalisis data dari media sosial X (dulu Twitter). Data dikumpulkan menggunakan teknik web scraping, kemudian dianalisis menggunakan algoritma Naive Bayes dan diproses melalui perangkat lunak Orange Data Mining.Hasil analisis menunjukkan bahwa sebagian besar masyarakat Indonesia memiliki sentimen positif terhadap gencatan senjata, yang mencerminkan dukungan terhadap perdamaian. Model Naive Bayes yang digunakan mampu mengklasifikasikan data dengan cukup baik, dengan nilai AUC sebesar 91,5%, akurasi dan F1-score sebesar 73,4%, serta MCC sebesar 60,2%.Meskipun data hanya berasal dari media sosial dan belum tentu mewakili semua lapisan masyarakat, penelitian ini memberikan gambaran awal tentang opini publik terhadap isu Palestina. Ke depannya, penelitian dapat diperluas dengan jumlah data yang lebih besar dan kata kunci yang lebih beragam agar hasilnya lebih akurat dan menyeluruh.
Analisis Pengaruh Teknologi Digital Terhadap Pelanggaran Privasi Pada Generasi Muda Abdurrachman, Qais; Laksono, Andriansyah Tri; Wahyudi, Mochamad; Sumanto; Budiman, Ade Surya
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.677

Abstract

Keberadaan manusia telah sangat dipengaruhi oleh perkembangan teknologi digital, khususnya bagi generasi muda, yang tumbuh sebagai pengguna media sosial, aplikasi berbasis data, dan layanan daring yang sering. Meskipun teknologi memudahkan banyak aspek kehidupan, teknologi juga membahayakan keamanan dan privasi data pribadi. Tujuan dari penelitian ini adalah untuk menguji sejauh mana generasi muda memandang pelanggaran privasi sebagai akibat dari teknologi digital. Sebanyak 32 responden diberikan kuesioner sebagai bagian dari pendekatan kuantitatif. Hasil analisis menunjukkan bahwa, dengan skor rata-rata 4,07, tingkat penggunaan teknologi digital masuk dalam kategori tinggi, sedangkan skor pelanggaran privasi adalah 3,64. Meskipun demikian, terdapat hubungan yang sangat lemah (r = 0,0287) antara keduanya, yang menunjukkan bahwa peningkatan penggunaan teknologi digital tidak selalu sesuai dengan peningkatan pelanggaran privasi. Penelitian ini menyiratkan bahwa tingkat pelanggaran privasi dapat dipengaruhi oleh karakteristik tambahan, seperti literasi digital dan pengetahuan tentang pengaturan privasi. Akibatnya, generasi muda harus lebih terinformasi dan lebih sadar akan privasi digital.
Implementasi Aplikasi Absen Berbasis GPS Di CV. Global Digital Solution Virgiawan, Gilang; Sumanto
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

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

Abstract

Sistem kehadiran karyawan merupakan bagian penting dalam manajemen sumber daya manusia yang berperan dalam menilai kedisiplinan dan kinerja. Namun, metode presensi manual atau menggunakan fingerprint masih memiliki keterbatasan seperti potensi kecurangan dan ketidakakuratan data. Untuk mengatasi hal tersebut, penelitian ini mengembangkan aplikasi presensi karyawan berbasis GPS dan selfie yang dibangun menggunakan framework Laravel. Tujuan dari penelitian ini adalah merancang dan mengimplementasikan sistem yang mampu mencatat kehadiran secara real-time berdasarkan lokasi dan dokumentasi visual, serta meningkatkan efisiensi operasional perusahaan. Metodologi yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD), yang memungkinkan pengembangan sistem melalui prototipe dan umpan balik pengguna secara iteratif. Hasil implementasi menunjukkan bahwa aplikasi dapat mencatat waktu kehadiran karyawan secara akurat berdasarkan lokasi GPS, serta menyimpan bukti kehadiran melalui foto selfie. Aplikasi ini juga menyediakan fitur login, pengajuan izin, riwayat presensi, serta pengelolaan data karyawan dan laporan absensi. Sistem ini diharapkan dapat menjadi solusi presensi modern yang efektif dan efisien dalam mendukung manajemen kehadiran di CV Global Digital Solution.
Real-Time Detection of Huanglongbing (HLB) Disease in Citrus Leaves Using Enhanced YOLO V8 Algorithm Sumanto Sumanto; Rachmat Adi Purnama; Hendra Supendar; Ade Christian; Teuku Vaickal Rizki irdian; Kaisar Ages Querio
Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Vol. 23 No. 1 (2026): Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika.
Publisher : Program Studi Ilmu Komputer, Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/komputasi.v23i1.82

Abstract

This study addresses the complex challenge of detecting Huanglongbing (HLB) disease in citrus leaves, which is known as one of the most lethal plant diseases with no known cure. The primary issue in HLB detection is the difficulty in identifying symptoms early and accurately, particularly in dynamic and uncontrolled field environments. Therefore, the main focus of this research is the development of a real-time detection approach using the YOLO V8 algorithm to more accurately detect and classify HLB symptoms in citrus leaf images. The objective of this study is to design a technique that can enhance the detection of HLB disease and compare its performance with the conventional YOLO V8 method. This research also aims to address the limitations of previous studies that used the Support Vector Machine (SVM) method, which only achieved an accuracy of 80%. To achieve this objective, the study utilizes a dataset consisting of 1200 citrus leaf images, representing various levels of severity, including mild, moderate, severe, and healthy leaves. The method employed in this research involves the use of the YOLO V8 algorithm to detect and classify HLB symptoms in citrus leaf images. This approach was tested through a series of experiments to measure accuracy, precision, recall, and computational efficiency. The experimental results consistently demonstrate that the developed approach outperforms the basic YOLO V8 and previous methods using SVM, with an improvement in HLB disease detection accuracy reaching 98%. This study provides critical insights into early detection of HLB disease, potentially serving as a powerful tool to support efforts in preventing the spread of this disease across citrus orchards. Additionally, this research opens opportunities for further development in real-time plant disease detection by integrating more advanced AI technologies and applying similar methods to other plant diseases. Future research can focus on developing more efficient and scalable algorithms for use in various field conditions, as well as exploring the integration of sensors and IoT technology for more comprehensive plant health monitoring.
Analisis Perbandingan Algoritma Random Forest, SVM, dan Logistic Regression untuk Menentukan Model Terbaik Prediksi Penyakit Diabetes Alghifar Firgiawan; Fauzan Nawwir Andriansyah; Raihan Naufal Ramadhan; Sumanto Sumanto; Imam Budiawan; Roida Pakpahan
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 3 (2025): Desember: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i3.6213

Abstract

Diabetes is a chronic metabolic disorder characterized by elevated blood glucose levels caused by the body’s inability to produce or effectively respond to insulin. The increasing prevalence of diabetes in Indonesia requires accurate data-driven early detection systems to assist the diagnostic process. This study aims to compare the performance of three machine learning algorithms—Support Vector Machine (SVM), Random Forest, and Logistic Regression—in predicting diabetes disease based on patient clinical data. The dataset used was obtained from the Kaggle repository titled 100,000 Diabetes Clinical Dataset. The research process was conducted using the Orange Data Mining software through several stages, including data preprocessing, One-Hot Encoding transformation, model training, and evaluation using the 10-Fold Cross Validation method. The results show that the Random Forest algorithm achieved the best performance with an accuracy of 97.1%, followed by Logistic Regression at 96.0% and SVM at 92.3%. These findings indicate that ensemble-based methods such as Random Forest outperform others in producing stable and accurate predictions for diabetes diagnosis
Co-Authors Abdurrachman, Qais Achmad Rivai Syahputra Achmes Dade Ramadani Ade Budiman, Ade Ade Christian Adhiani, Budhi Adi Pangestu Adi Supriyatna Adinugroho, Wisnu Aditia Yudhistira Agung Wibowo Agus Buono Agus Santoso Ahmad Habibullah Ahmad Rais Ruli Ahmad Yani Ahmad Yani ahmad yani Ahmad Yani , Ahmad Yani Alamsyah, Muhammad Arkan Alghifar Firgiawan Alghiffary, Muhammad Adya Ali Mahmudi Ali, Muhamad Hafis Ali, Satrio Nur Alwan Kapi Muntaha Alya Avisa Andi Diah Kuswanto Andi Setiawan Andika Amansyah Andri Amico Anggreani, Namira Anita Adelia Syahfitri Antony Pangaribuan, Rizky Daud Apip Supiandi Aprillia, Dinda Aprilyanto, Ryan Dwi Ardiyansyah, Rizqi Ari Sulistiyawati Ari Sulistiyawati Ariskawati, Mila Arshad, Muhammad Waqas Arya, Yudi Asmawati Asmawati Asy'ari, Muhammad Rifqi Audy Aulia Azzahra Aulia Rachmat, Daffa Azkia, Farah Diba Bib Paruhum Silalahi Bismo Raharjo, Yohanes Aryo Budhi Adhiani Budhi Adhiani Christina Budi Santoso Budiman, Ade Surya Cahya, Titus Dwi Cahyani Ayu Sulistyawati Damayanti Damayanti Darmawi . Dedi Darwis Dedi Triyanto Dedi Triyanto Deny Kurniawan DENY KURNIAWAN Desiana Nuranudin Putri Dewi, Revinta Arrova Diah, Andi Dyah Ayu Megawaty Dyani Kalyana Mitta Eka Dyah Setyaningsih Eka Putri Alvi Syahrina Elisabeth Sri Hendrastuti Erlangga Rizki Ekaptra Faatin, Safinah Fahrian Fahroni, Aldiwa Alfa Thira Nur Faiz Djarot, Raihan Jamal Fajar Akbar Fajar Yoga Adiansyah Fajrian, Ihsan Fardha Hasykir Farhan Fadhilah Faris Syahrendra Farras Hilmy Ibrahim Faruk Ulum Fathur Rismansyah Fauzan Nawwir Andriansyah Fauzan, Muhammad Indra Ganda Wijaya Ganda Wijaya, Ganda Ghofar Taufiq Gibran, Muhamad Rendi Ginting Wibi Prasetyo Gustian, Riansyah Hafis Nurdin Harianto Harianto Hariyanto Hariyanto HARIYANTO HARIYANTO Hartanti Hartanti Hartono Hartono Heni Nur Kusumawati Hernawan, Muhammad Hendra Hidayat Putra, Rifki Nur Idha Rizqi Pratiwi Imam Budiawan Imam Budiawan Imam Wahyudi Indra Chaidir, Indra Indra, Ahmad Indriani , Karlena Indriyanti, Zahra Kiky Dwi Insani Abdi Bangsa Iqro Mukti Arto Jefina Tri Kumalasari Joko Tri Haryanto Joseph Melchior Nababan Jumadi, Yakobus Linus Jumaryadi, Yuwan Junhai Wang Junhai Wang Kadir, Fauwas Abdul Kaisar Ages Querio Karlena Indriani Karlisa Priandana Karo-Karo, Julkarnaen Kevin Dwi Satria Kotjek, Rafie Kumalasari Kumalasari Kuswanto, Andi Diah Laksono, Andriansyah Tri Laura Gabriel da Silva Lestari, Nindya Dwi Lia Mazia, Lia Lise Pujiastuti Lise Pujiastuti Lita Sari Marita Maharani Rona Makom Makom, Maharani Rona Manarul Hidayat Mantriwira, Daniel Mardinawat Mardinawat Mardinawati Mardinawati Mardinawati, Mardinawati Marundrury, Aberahamo Onoma Megawaty, Dyah Ayu Mochamad Wahyudi Muhammad Furqon Prasetyo Muhammad Raviansyah Musfiroh Musfiroh, Musfiroh Nabilla, Adinda Naufal Hermawan, Rezan Ningtyas, Listina Ade Widya Nirwana Hendrastuty Noviyanto Nur Rachmat Nugraha Nurfia Oktaviani Syamsiah Nurrahman, Alvin Oprasto, Raditya Rimbawan Paduloh Paduloh Pakpahan, Roida Pasaribu, A. Ferico Octaviansyah Paulus Paulus Permata, Permata Prasetyo Adi Suwignyo Prasetyo, Romadhan Edy Pribadi, Denny Pricillia Primadana, Raihan Pujiastuti, Lise Purwandani, Indah Putra Satria Putra, Imam Hanif Rachmat Adi Purnama Rafi Kurniawan Raihan Naufal Ramadhan Raihan Raihan, Raihan Ramadhan, Muhammad Gilang Ramadhani, Dwiki Gilang Ramadhani, Varla Octavia Rani, Maulidina Cahaya Rasendriya, Rafi Rasyid, Arnata Nur Ratiyah* Ratiyah Ratnasari, Arum Respati Putra, Micho Retno Winarti Reynaldi , Reynaldi Rian Hidayat Ridwan, Asrifia Rifda Ilahy Rosihan Riska Aryanti Rivaldi, Muhammad Rizal Maulana Rizqi Ramadhani, Muhammad Rofiqi, Ainur Roida Pakpahan Roida Pakpahan Roni Saputra Pratama Ruhul Amin Rumidjan Rumidjan, Rumidjan Rusda Wajhillah Ryan Randy Suryono Ryehan Alfiansyah Sanriomi Sintaro Santosa, Teguh Budi Saputra, Sabita Abigail Saputra, Yusup Saputri, Fifin Sefriani, Shintia Putriayu Sentanu, Quinn Abrar Athallah Sentot Achmadi Setiawan, Dandi Setiawansyah Setiawansyah Siregar, Denny Solihin Solihin Souisa, Juanny Cheristy Sri Hendrastuti, Elisabeth Sri Sugiharti Suci, Bintang Dyas SUKAMTI . Sulaiman Sulaiman Sulistyo Sulistyo Sumarna Sumarna Sumarna Sumarna Suparno Suparno Suwandi Suwandi Syakir, Adryan Raihan Tabrani, Tabrani Tanjung, Widya Viona Septi Tarmidzi Ibrahim Taufig, Ghofar Teguh Budhi Santosa Teguh Budi Santosa Temi Ardiansah Teuku Vaickal Rizki irdian Tito, Herdinan Tri Widian Ratnasari Ulum, Faruk Umam, Hairul Umar, Muhammad Hussein Ummu Radiyah, Ummu Vemi Januar Pratama Vera Agustina Yanti Virgiawan, Gilang Wahyudi, Agung Deni Wang, Junhai Wardani, Maidy Tri Wattilah, Florentina Wijaya, Filzah Wina Ningsih Yamani, Teuku Arrasy Yanuar Laik, Abraham Adrian Yunardus, Yunardus Yundari, Yundari Yuri Rahmanto Zahwa Asfa Rabbani Zaky, Faiz Najwan Zalmi, Indah Oktavia Zidan, Muhammad `Diah Kuswanto, Andi