Muhammad Iqbal
Universitas Bina Sarana Informatika

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

CLASSIFICATION OF LIVER DISEASE BY APPLYING RANDOM FOREST ALGORITHM AND BACKWARD ELIMINATION Irwan Herliawan; Muhammad Iqbal; Windu Gata; Achmad Rifai; Jajang Jaya Purnama
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 1 (2020): JITK Issue August 2020
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1157.377 KB) | DOI: 10.33480/jitk.v6i1.1424

Abstract

Cancer is a type of disease that is not realized by most people because most people associated with this disease lack understanding of cancer itself and are doing early detection of cancer, due to the majority of cancers found at an advanced stage and difficult to overcome to facilitate large expenditure to help cancer. Early detection of liver or liver cancer is very important to overcome the very high risk of death caused by liver or liver cancer. This study aims to help classify liver or liver cancer based on data from routine examination results of patients summarized in the Indian Liver Data Patient (ILDP) dataset. The method used in the classification process in this research is backward elimination modeling for testing optimization and Random Forest algorithm and split validation to validate the model. The results of this study yielded 76.00% and value of AUC 0.758 results. These results indicate that the results of this study are good enough to help classify breast cancer
IMPLEMENTATION OF PARTICLE SWARM OPTIMIZATION BASED MACHINE LEARNING ALGORITHM FOR STUDENT PERFORMANCE PREDICTION Muhammad Iqbal; Irwan Herliawan; Ridwansyah Ridwansyah; Windu Gata; Abdul Hamid; Jajang Jaya Purnama; Yudhistira Yudhistira
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 2 (2021): JITK Issue February 2021
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1716.24 KB) | DOI: 10.33480/jitk.v6i2.1695

Abstract

Education plays an important role in the development of a country, especially educational institutions as places where the educational process has an important goal to create quality education in improving student performance. Based on research conducted in the last few decades the quality of education in Portugal has improved, but statistics show that the failure rate of students in Portugal is high, especially in the fields of Mathematics and Portuguese. On the other hand, machine learning which is part of Artificial Intelligence is considered to be helpful in the field of education, one of which is in predicting student performance. However, measuring student performance becomes a challenge since student performance has several factors, one of which is the relationship of variables and factors for predicting the performance of participating in an orderly manner. This study aims to find out how the application of machine learning algorithms based on particle sworm optimization to predict student performance. By using experimental research methods and the results of empirical studies shown in each model, namely random forest, decision tree, support vector machine and particle swarm optimization based neural network can improve the accuracy of student performance predictions.
OPTIMASI HYPERPARAMETER MULTILAYER PERCEPTRON UNTUK PREDIKSI DAYA BELI MOBIL Muhammad Iqbal; Hendri Mahmud Nawawi; M Rangga Ramadhan Saelan; Muhammad Sony Maulana; Yudhistira; Ali Mustopa
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 6 No. 1 (2023): MISI Januari 2023
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v6i1.739

Abstract

Dalam memutuskan untuk membeli mobil biasanya beberapa faktor dijadikan pertimbangan untuk menentukan keputusan akhir. Maka dari itu sejumlah faktor pendukung seperti harga, type, merk, dan lain sebagainya penting untuk diperhatikan.  Pada penelitian ini optimasi model algoritma multilayer perceptron digunakan untuk memodelkan prediksi daya beli mobil konsumen dari dataset publik yang bersumber dari kaggle untuk menemukan model paling optimal terhadap keputusan membeli mobil.  Multilayer perceptron sering diterapkan untuk meneliti data yang kompleks karena mampu mengnalisa data dengan baik.  Prediksi niat beli tidak hanya dapat mengurangi biaya dealer mobil, tetapi juga mempengaruhi strategi pemasaran dealer mobil dalam jangka panjang. Pengujian menggunakan model Multilayer Perceptron (MLP) dengan konfigurasi default dan hypertuning parameter dilakukan dengan membandingkan dua parameter optimasi yang berbeda yaitu parameter Adam dan RMSprop.  Hasilnya didapatkan evaluasi optimal dari konfigurasi default pada parameter optimasi Adam dengan maksimum learning rate 0.01 dengan akurasi  89.50% dan 87,50% untuk optimasi RMSprop sedangkan pengujian dengan konfigurasi hyperparameter tuning dengan dua parameter optimasi yang sama Adam dan RMSprop dengan nilai maksimum learning rate 0,001 didapatkan akurasi sebesar 92.00% untuk parameter RMSprop dan 91,5% pada parameter Adam.
CERDAS DAN BIJAK MENGGUNAKAN MEDIA SOSIAL TERHADAP KEAMANAN INFORMASI DI ERA DIGITAL PADA KELOMPOK WANITA TANI MELATI Muhammad Iqbal; Ali Mustopa; Wahyu Nugraha; Umi Khultsum; Rabiatus Sa’adah
Jurnal Penelitian dan Pengabdian Masyarakat Jotika Vol. 2 No. 2 (2023): Februari
Publisher : Jotika English and Education Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (191.555 KB) | DOI: 10.56445/jppmj.v2i2.67

Abstract

Media sosial mengajak siapa saja yang tertarik untuk berpartisipasi dengan secara terbuka memberikan tanggapan, memposting komentar, dan berbagi informasi secara cepat dan tanpa batasan waktu. Potensi Media sosial bisa menghubungkan banyak orang dengan mudah dan gratis dalam satu waktu mendorong komunikasi dilakukan secara virtual dalam jaringan internet. Tidak dapat dipungkiri bahwa media sosial bisa diakses oleh siapapun, hampir semua orang memiliki paling tidak satu akun sosial media sebagai media untuk berkomunikasi secara online. Pengguna sosial media ini tidak hanya dari kalangan anak remaja tetapi anak usia SD sampai orang tua sudah banyak yang familiar dengan sosial media, pengguna sosial media mencapai angka 62% dari total populasi penduduk Indonesia menggunakan smartphone untuk menggunakan akun sosial media. Perkembangan yang pesat dan pemanfaatnya yang tergolong besar ternyata dapat menimbulkan dampak positif dan dampak negatif. Di era ini kebebasan dalam mengakses website apapun media sosial jenis apapun tentunya harus dibarengi dengan sikap hati-hati dan mawas diri sehingga jangan sampai apa yang dipost di media sosial menjadi boomerang kepada diri sendiri, dampak negatif dari sosial media adalah munculnya bentuk kejahatan baru dalam bentuk virtual dan perbuatan melawan hukum yang dilakukan tidak secara langsung yang kemudian muncul istilah cybercrime. Pentingnya perhatian dalam bersosial media menjadi topik yang menarik untuk dibahas dan disosialisasikan sebagai kontrol dan pengetahuan tentang UU ITE yang dapat berimbas kepada siapa saja yang tidak berhati-hati dan bijak dalam bersosial media.
Pendekatan Algoritma Klasifikasi Machine Learning untuk Deteksi Penyakit Demensia Muhammad Iqbal; Hendri Mahmud Nawawi; Muhammad Rezki; Abdul Hamid; Sri Rahayu
Computer Science (CO-SCIENCE) Vol. 3 No. 2 (2023): Juli 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v3i2.1987

Abstract

Early detection of dementia through the use of machine learning classification algorithms is important for providing appropriate interventions to patients. In this context, this study aims to compare the performance of several machine learning classification algorithms in detecting dementia using the attribute selection method. In the early stages, patient data including medical history, cognitive test results, and other attributes were collected as input, an attribute selection algorithm was used to select the most informative attribute subset in detecting dementia. The subset of attributes used as input for training machine learning classification models, several classification algorithms such as Extra Trees (ET), Linear Discriminant Analysis (LDA), Random Forest (RF) and Ridge. In this study, accuracy is used as the main metric to compare algorithm performance. The evaluation results show that the Random Forest (RF) algorithm produces the best performance with an accuracy of 91.56%. The Extra Trees (ET) algorithm has an almost comparable accuracy of 91.44%, while Ridge and Linear Discriminant Analysis (LDA) have an accuracy of 90.44% respectively. In the context of dementia detection, the performance of the Random Forest algorithm with the attribute selection method proved to be the best with an accuracy of 91.56%. These results indicate that the developed model is capable of recognizing complex patterns and relationships between features that are relevant to dementia status. The use of the attribute selection method also contributes to increasing the accuracy and efficiency of the classification algorithm.
Data Mining Berbasis Machine Learning Untuk Analitik Prediktif Dalam Kelulusan Ridwansyah Ridwansyah; Muhammad Iqbal; Henny Destiana; Sugiono Sugiono; Abdul Hamid
SemanTIK : Teknik Informasi Vol. 10 No. 2 (2024): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v10i2.67

Abstract

Akreditasi perguruan tinggi menjadi salah satu indikator utama kualitas pendidikan, di mana tingkat kelulusan mahasiswa merupakan salah satu komponen penilaian yang sangat diperhatikan. Tingkat kelulusan yang rendah dapat berdampak negatif pada reputasi institusi, serta tantangan bagi mahasiswa dalam kelulusan tepat waktu. Tujuan penelitian untuk mengembangkan model prediktif kelulusan mahasiswa menggunakan berbagai algoritma machine learning yang sebelumnya belum pernah dilakukan pada dataset yang sama. Metode seperti LDA, RIDGE, LR, GBC, DUMMY, KNN, DT, NB, SVM, dan QDA diaplikasikan untuk memprediksi kelulusan. Hasil menunjukkan bahwa LDA memberikan kinerja terbaik dengan akurasi 86,20%, diikuti oleh Ridge dan LR. Model LDA menunjukkan performa unggul seperti recall dan F1-Score, menjadikannya model paling efektif untuk prediksi kelulusan. Dengan ini kontribusi yang didapat sangat signifikan dalam analitik prediktif pendidikan, terutama dalam hal meningkatkan tingkat kelulusan mahasiswa dan mendukung pencapaian akreditasi yang unggul. Hasil yang didapat diharapkan akan digunakan oleh perguruan tinggi untuk mengidentifikasi risiko akademik lebih dini dan memberikan intervensi yang tepat, sehingga dapat meningkatkan kualitas pendidikan dan tingkat kelulusan mahasiswa