Article Per Year (5 Year)
p-Index From 2021 - 2026
2.18
P-Index
This Author published in this journals
All Journal Scientific Journal of Informatics JURNAL MEDIA INFORMATIKA BUDIDARMA Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Abdi Insani Journal of Innovation Information Technology and Application (JINITA) Jurnal Ilmiah Edutic : Pendidikan dan Informatika IJMST SainsTech Innovation Journal Scientific Journal of Computer Science Methods in Science and Technology Studies
Syahrani Lonang
Universitas Qamarul Huda Badaruddin Bagu
Religion Agriculture, Biological Sciences & Forestry Arts Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : SainsTech Innovation Journal

 1 
COMPARATIVE ANALYSIS OF DECISION TREE AND RANDOM FOREST ALGORITHMS FOR PREDICTING DIABETES MELLITUS Desmita, Nindri Lia; Kumoro, Danang Tejo; Lonang, Syahrani
SainsTech Innovation Journal Vol. 8 No. 1 (2025): SIJ VOLUME 8 NOMOR 1 TAHUN 2025
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v8i1.2025.783

Abstract

Diabetes mellitus (DM) is a chronic disease with an increasing number of sufferers and a risk of serious complications. Early detection is very important to prevent these risks. This study uses a public dataset from Kaggle to compare the performance of Decision Tree and Random Forest algorithms in predicting diabetes status. The dataset includes demographic and medical information such as age, hypertension, cardiac history, BMI, HbA1c, and blood glucose levels. Unbalanced data was handled using the SMOTE method, and then tested with 80:20, 70:30, and 60:40 data sharing schemes. The evaluation results showed that Random Forest excelled in all schemes, with the best performance in the 60:40 scheme (96.02% accuracy, 76.13% F1-score). This research shows that Random Forest is effective to support machine learning-based diabetes early detection system.
Benchmarking Model Machine Learning untuk Prediksi Data Berdasarkan Akurasi dan Error Syahrani Lonang; Danang Tejo Kumoro; M. Dermawan Mulyodiputro; Ardhana, Valian Yoga Pudya
SainsTech Innovation Journal Vol. 8 No. 2 (2025): SIJ VOLUME 8 NOMOR 2 TAHUN 2025
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v8i2.2025.1141

Abstract

Perkembangan machine learning mendorong pemanfaatan berbagai model regresi untuk melakukan prediksi data secara akurat dan efisien. Namun, perbedaan karakteristik dataset menyebabkan kinerja setiap model bervariasi, sehingga diperlukan proses benchmarking untuk menentukan model yang paling optimal. Penelitian ini bertujuan untuk membandingkan kinerja beberapa model machine learning dalam tugas prediksi data berbasis regresi tanpa melakukan pengembangan aplikasi. Model yang dievaluasi meliputi Linear Regression, Decision Tree Regression, Random Forest Regression, Support Vector Regression, dan K-Nearest Neighbor Regression. Dataset yang digunakan merupakan dataset publik dengan variabel numerik yang telah melalui tahap praproses data, meliputi pembersihan data, normalisasi, dan pembagian data latih serta data uji. Evaluasi kinerja model dilakukan menggunakan metode K-Fold Cross Validation dengan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa Random Forest Regression memberikan kinerja terbaik dengan nilai error terendah, nilai R² tertinggi, serta stabilitas model yang baik dibandingkan model lainnya. Hasil ini menunjukkan bahwa pendekatan ensemble efektif dalam meningkatkan akurasi dan kemampuan generalisasi model pada tugas prediksi data regresi.
Perancangan Sistem Fundrising Online LAZ DASI NTB Menggunakan Metode Zachman Syahrani Lonang; Yuan Sa'adati; Nuraqilla Waidha Bintang Grendis; Ahmad Fatoni Dwi Putra
SainsTech Innovation Journal Vol. 8 No. 2 (2025): SIJ VOLUME 8 NOMOR 2 TAHUN 2025
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v8i2.2025.1142

Abstract

Artikel ini membahas tentang latar belakang, metode, dan hasil penerapan Metode Zachman dalam perancangan sistem penggalangan dana online. Metode Zachman adalah kerangka kerja yang memberikan pendekatan holistik untuk desain sistem dengan mempertimbangkan perspektif yang berbeda, seperti apa, bagaimana, di mana, siapa, kapan, dan mengapa. Dengan menerapkan metode ini, pengembang sistem dapat lebih memahami kebutuhan pengguna dan merancang sistem penggalangan dana yang lebih efektif dan efisien. Artikel tersebut membahas pentingnya mengklarifikasi kebutuhan pengguna, memilih teknologi yang paling efisien, meningkatkan efektivitas jadwal dan jadwal, serta menyediakan informasi yang lebih detail untuk meningkatkan kepercayaan pengguna. Secara keseluruhan, penggunaan Metode Zachman dapat membantu pengembang sistem membuat keputusan yang lebih baik dan menciptakan sistem penggalangan dana yang lebih efektif, efisien, dan bermanfaat bagi masyarakat. Kesimpulannya, penerapan Metode Zachman dalam perancangan sistem penggalangan dana online dapat membantu pengembang sistem membuat sistem yang memenuhi kebutuhan pengguna dan tujuan penggalangan dana secara lebih efektif. Metode ini memberikan kerangka kerja yang berguna untuk membuat keputusan yang lebih baik dan mempertimbangkan perspektif yang berbeda dalam desain sistem. Sistem yang dihasilkan dapat membantu organisasi mencapai tujuan penggalangan dananya dan memberikan manfaat yang lebih besar kepada masyarakat.
Perancangan Motion Graphic Sebagai Media Edukasi Pencegahan Hiv/Aids Bagi Kalangan Dewasa Awal Al Habib; Saputra, Joni; Syahrani Lonang
SainsTech Innovation Journal Vol. 8 No. 2 (2025): SIJ VOLUME 8 NOMOR 2 TAHUN 2025
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v8i2.2025.1144

Abstract

HIV/AIDS remains a health issue that requires serious attention, especially among early adults who have high social activity. Limited knowledge about transmission and prevention, along with persistent stigma in society, makes HIV/AIDS education less effective. This study aims to design motion graphic-based educational media so that HIV/AIDS prevention information becomes more engaging, easier to understand, and suitable for the characteristics of early adults. The methods used include a literature review, observation, and audience needs analysis, followed by concept development, storyboard creation, visual design, and production. The result is an educational motion graphic video that explains HIV/AIDS, modes of transmission, prevention strategies, and encourages healthy behavior and non-discriminatory attitudes toward people living with HIV/AIDS. This media is expected to improve early adults’ knowledge, awareness, and positive attitudes toward HIV/AIDS prevention.
Co-Authors Adipta, Marazaenal Afriansyah, M. Ahmad Fatoni Dwi Putra Al Habib Alya Masitha Anggarista, Randa Anton Yudhana Asno Azzawagama Firdaus B. Talirongan, Florence Jean Dahmani, Abdennasser Danang Tejo Kumoro Desmita, Nindri Lia Dikky Praseptian M Driss, Zied Dwi Normawati, Dwi Faiz Isnan Abdurrachman Furizal, Furizal Herman Herman Imam Riadi Insyroh, Nazaruddin Jayadi, Ahmad Joni Saputra Julia Mega Reski Kumoro, Danang Tejo Kusnayadi, Dedi Satriawan Maulana, Adrian Muhamad Yamin Muhammad Dermawan Mulyodiputro Muhammad Ilham Muhammad Kunta Biddinika Muhammad Kunta Biddinika Nuraqilla Waidha Bintang Grendis Pratama, Ramadhana Agung Sa'adati, Yuan Sharkawy, Abdel-Nasser Sherly da Costa, Apolonia Diana Shoffan Saifullah Syuhada, Fahmi Valian Yoga Pudya Ardhana Yuan Sa'adati