Article Per Year (5 Year)
p-Index From 2020 - 2025
3.049
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) JURNAL SISTEM INFORMASI BISNIS JUITA : Jurnal Informatika Jurnal Teknologi dan Sistem Komputer Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Sains dan Informatika Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Sistem Teknik Industri Jurnal Mnemonic Jurnal Teknik Industri Terintegrasi (JUTIN) Jurnal Teknik Informatika (JUTIF) Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics
Irwan Budiman
Fakultas MIPA, Universitas Lambung Mangkurat Banjarbaru, Kalimantan Selatan
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : IJCCS (Indonesian Journal of Computing and Cybernetics Systems)

 1 
Effect of Hyperparameter Tuning Using Random Search on Tree-Based Classification Algorithm for Software Defect Prediction Rizky, Muhammad Hevny; Faisal, Mohammad Reza; Budiman, Irwan; Kartini, Dwi; Abadi, Friska
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 18, No 1 (2024): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.90437

Abstract

The field of information technology requires software, which has significant issues. Quality and reliability improvement needs damage prediction. Tree-based algorithms like Random Forest, Deep Forest, and Decision Tree offer potential in this domain. However, proper hyperparameter configuration is crucial for optimal outcomes. This study demonstrates the use of Random Search Hyperparameter Setting Technique to predict software defects, improving damage estimation accuracy. Using ReLink datasets, we found effective algorithm parameters for predicting software damage. Decision Tree, Random Forest, and Deep Forest achieved an average AUC of 0.73 with Random Search. Random Search outperformed other tree-based algorithms. The main contribution is the innovative Random Search hyperparameter tuning, particularly for Random Forest. Random Search has distinct advantages over other tree-based algorithms
Implementation of Chi-Square Feature Selection for Parkinson’s Disease Classification Using LightGBM Ahdyani, Annisa Salsabila; Budiman, Irwan; Kartini, Dwi; Farmadi, Andi; Mazdadi, Muhammad Itqan
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 19, No 3 (2025): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.107881

Abstract

Penyakit Parkinson merupakan penyakit yang disebabkan oleh kerusakan sel saraf otak dan termasuk penyakit yang jumlah kasusnya meningkat pesat di dunia. Salah satu cara yang dapat dilakukan untuk mencegah meningkatnya kasus penyakit Parkinson adalah dengan melakukan diagnosis melalui metode klasifikasi dengan pendekatan pembelajaran algoritmik. Penelitian ini mengimplementasikan teknik Chi-Square untuk pendekatan pemilihan fitur yang relevan dengan algoritma Light Gradient Boosting Machine (LightGBM) dalam klasifikasi penyakit Parkinson. Pemilihan fitur Chi-Square bertujuan untuk mengurangi fitur yang kurang relevan sehingga dapat meningkatkan hasil kinerja model. Selain itu, metode SMOTE diterapkan untuk menangani ketidakseimbangan data dan penyetelan hiperparameter guna menentukan kombinasi parameter yang optimal. Pengujian dilakukan terhadap sepuluh variasi jumlah fitur, dengan hasil terbaik diperoleh dengan menggunakan 200 fitur yang menghasilkan akurasi sebesar 96,05%. Dengan menggunakan metode Chi-Square, kinerja model LightGBM meningkat dibandingkan dengan kinerja tanpa pemilihan fitur. Penerapan kombinasi metode ini dapat meningkatkan kinerja model klasifikasi secara signifikan dan berpotensi untuk diterapkan dalam sistem pendukung diagnosis penyakit Parkinson.
Co-Authors Adi Mu'Ammar, Rifqi Ahdyani, Annisa Salsabila Ahmad Tajali Al Ghifari, Muhammad Akmal Al Habesyah, Noor Zalekha Andi Farmadi Antoh, Soterio Azizah, Azkiya Nur Chandra Wijaya david Dodon Turianto Nugrahadi Dwi Kartini, Dwi Engmir Faisal, M. Reza Fathmah, Siti Fatma Indriani Friska Abadi Halimah Halimah Herteno, Rudy Jumadi Mabe Parenreng Kartika, Tengku Heny Mahmud Mahmud Muhammad Alkaff Muhammad Itqan Mazdadi Muhammad Reza Faisal, Muhammad Reza Muliadi Muliadi MULIADI -, MULIADI Noor Hidayah Nurdiansyah Nurdiansyah Prastya, Septyan Eka Radityo Adi Nugroho Rizky, Muhammad Hevny Rozaq, Hasri Akbar Awal Said, Muhammad Al Ichsan Nur Rizqi Santonius, celvin Saragih, Triando Hamonangan Tampubolon, Jusra Tuti Sarma Sinaga Wahyu Caesarendra Winda Agustina YILDIZ, Oktay Yunida, Rahmi