Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jupiter Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) Journal of Data Science Methods and Applications
Agus Rahardi
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Data Science Methods and Applications

 1 
Perbandingan Performa Model Naïve Bayes dan Regresi Logistik dalam Klasifikasi Kecanduan Media Sosial pada Siswa Nurjoko; Agung, Agung Dwi Praditya; Triyari, Novita; Rafly, M. Rafly Octa; Agus Rahardi
Journal of Data Science Methods and Applications Vol. 1 No. 2 (2025)
Publisher : Program Studi Sains Data - Institut Informatika dan Bisnis Darmajaya

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

Abstract

Kecanduan media sosial di kalangan pelajar menjadi isu yang semakin relevan seiring meningkatnya penggunaanplatform digital dalam kehidupan sehari-hari. Penelitian ini bertujuan untuk membangun model klasifikasi gunamemprediksi tingkat kecanduan media sosial berdasarkan data survei siswa. Dataset yang digunakan terdiri dari 705responden dengan 13 atribut yang mencakup aspek demografis, akademik, kebiasaan digital, dan kondisi psikososial.Dua model machine learning yang digunakan dalam penelitian ini adalah Gaussian Naïve Bayes dan Regresi Logistik.Setelah melalui proses data preparation, analisis dan evaluasi model menggunakan data uji sebesar 20%, diperolehhasil bahwa Regresi Logistik memiliki performa yang lebih unggul dengan akurasi mencapai 98%, jauh di atas NaïveBayes yang hanya mencapai 69%. Regresi Logistik juga menunjukkan keseimbangan metrik yang baik, termasukprecision, recall, dan nilai ROC AUC sebesar 0,98. Temuan ini mengindikasikan bahwa Regresi Logistik lebih efektifdan sesuai untuk mengidentifikasi siswa yang berisiko mengalami kecanduan media sosial.
Pemanfaatan Machine Learning untuk Prediksi Kepuasan Pelanggan pada UMKM Digital Agus Rahardi; Nursalim, Nursalim; Andini, Rekha Aprilia; Tri, Anugrah Tri Agil S; Gilang, Gilang Ramadhan; Dwi, Dwi Salim; Nurjoko
Journal of Data Science Methods and Applications Vol. 1 No. 2 (2025)
Publisher : Program Studi Sains Data - Institut Informatika dan Bisnis Darmajaya

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

Abstract

UMKM digital memainkan peran penting dalam perekonomian Indonesia, namun mempertahankan kepuasan pelanggan tetap menjadi tantangan utama. Penelitian ini bertujuan untuk membangun model prediksi kepuasan pelanggan menggunakan algoritma Machine Learning seperti Logistic Regression, Decision Tree, dan Random Forest. Dataset simulasi sebanyak 10.000 entri pelanggan digunakan, mencakup fitur-fitur seperti frekuensi pembelian, nilai transaksi rata-rata, rating layanan, dan metode pembayaran. Model dievaluasi berdasarkan metrik B. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan akurasi dan kinerja terbaik dalam mengklasifikasikan kepuasan pelanggan. Temuan ini menunjukkan potensi besar penggunaan Machine Learning dalam membantu UMKM digital meningkatkan kualitas layanan dan loyalitas pelanggan.
Co-Authors - Nurjoko Agung, Agung Dwi Praditya Amanda Putri Maharani Andini, Rekha Aprilia Cici Cahyati Dwi, Dwi Salim Elvira Uthia Rustanti Gilang, Gilang Ramadhan Hary Sabita Hendra, Hendra Kurniawan Hiya Cahya Mujahidah Nurjoko Nursalim Nursalim Rafly, M. Rafly Octa Rosita Sherli Trisnawati Tri, Anugrah Tri Agil S Triyari, Novita Yuni Arkhiansyah