Article Per Year (5 Year)
p-Index From 2021 - 2026
5.997
P-Index
This Author published in this journals
All Journal International Journal of Advances in Applied Sciences Infotech Journal Jurnal Ilmiah FIFO Bina Insani ICT Journal Jurnal Teknik Informatika STMIK Antar Bangsa JURNAL PENDIDIKAN TAMBUSAI Indonesian Journal of Business Intelligence (IJUBI) Jurnal Sistem Informasi dan Informatika (SIMIKA) Akrab Juara : Jurnal Ilmu-ilmu Sosial Abditeknika - Jurnal Pengabdian Kepada Masyarakat Tridharmadimas: Jurnal Pengabdian Kepada Masyarakat Jayakarta Bulletin of Information Technology (BIT) Jurnal Informatika Dan Tekonologi Komputer (JITEK) Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Jurnal Pengabdian Kreatif Cemerlang Indonesia Software Development Digital Business Intelligence and Computer Engineering Jurnal Pengabdian Kepada Masyarakat Bersinergi Inovatif Jurnal Informatika Dan Tekonologi Komputer Jurnal Ilmiah Sistem Informasi Akuntansi (JIMASIA)
Muhammad Muharrom
Universitas Bina Sarana Informatika
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Physics Social Sciences Other

Published : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Infotech Journal

 1 
PENERAPAN ALGORITMA NAÏVE BAYES MENGGUNAKAN PYTHON UNTUK MENDETEKSI SMS SPAM DAN PROMO M Ramdani; Muhamad Rafi Hamdani; Ibnu Rizki Prayoga; Sri Budhi Lestari; Bimo Hakim Prabowo; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16392

Abstract

Deteksi pesan spam pada layanan SMS merupakan hal penting untuk mencegah mulai dari hal kecil seperti gangguan waktu hingga sesuatu yang berbahaya seperti phishing, malware, atau penipuan. Penelitian ini menggunakan algoritma Naïve Bayes yang di implementasikan dengan menggunakan bahasa pemrograman Python sebagai metode klasifikasi untuk memprediksi apakah sebuah pesan SMS tergolong normal, spam, atau promo. Dataset yang digunakan diperoleh dari platform Kaggle dan akan dibagi menjadi dua, yaitu 80% data untuk proses pelatihan (training) dan 20% data untuk pengujian (testing). Nantinya, hasil dari pengujian data berupa Confusion Matrix, accuracy, precision, recall, dan f1-score dapat digunakan untuk mengestimasi sebarapa efektif model untuk mendeteksi SMS normal, spam, ataupun promo. Berdasarkan hasil pengujian, algoritma Naïve Bayes menunjukkan performa yang baik dengan tingkat akurasi mencapai 93% dalam menklasifikasikan SMS normal, spam, dan promo. Hasil ini menunjukkan bahwa metode Naïve Bayes efektif digunakan dalam mendeteksi pesan spam dan promo pada layanan SMS.
KOMPARASI AKURASI REGRESI LINEAR BERGANDA DAN DECISION TREE PREDIKSI HARGA MOTOR BEKAS BERBASIS WEBSITE Arya Putrana Kohan; Adhitya Pratama; Andika Satria Pratama; Tri Ramadhanti; Victor Parulian; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16430

Abstract

Kendaraan roda dua kini menjadi kebutuhan utama bagi masyarakat Indonesia. Aktivitas jual beli motor, baik baru maupun bekas, sudah sangat umum dilakukan. Namun, masih banyak calon pembeli yang belum mengetahui kisaran harga dari tipe atau model motor yang ingin mereka beli maupun jual. Untuk membantu memperkirakan harga tersebut, dapat digunakan pendekatan Machine Learning (ML) dengan metode Supervised Learning, yang berfungsi melatih model menggunakan algoritma analisis statistik. Prediksi merupakan aspek penting dalam statistik, terutama dalam pengambilan keputusan. Penelitian ini bertujuan membandingkan performa dua algoritma machine learning, yaitu Regresi Linear Berganda dan Decision Tree Regressor, dalam memprediksi harga motor bekas. Data yang digunakan meliputi Model, Tahun, Transmisi, Odometer, Jenis, Pajak, Konsumsi BBM, Mesin, dan Harga. Dataset dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80:20. Hasil penelitian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki akurasi lebih tinggi dengan nilai R² sebesar 0.8755 dan RMSE lebih rendah sebesar 1328.09 dibandingkan Decision Tree yang memiliki R² sebesar 0.8422 dan RMSE 1495.23. Oleh karena itu, model Regresi Linear Berganda lebih efektif dalam menangani hubungan linear antar variabel saat memprediksi harga motor bekas, dengan hasil perbandingan divisualisasikan dalam bentuk heatmap dan prediksinya ditampilkan melalui website.
PERANCANGAN SISTEM PREDIKSI RISIKO DIABETES MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST Samuel Paul Jackson Simanjuntak; Rafi Abdul Aziz; Ichwan Agil Prasetyo; M. Raihan Al Ikhsan; Abiath Cio; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16668

Abstract

Penelitian ini bertujuan merancang sistem prediksi risiko diabetes menggunakan algoritma Logistic Regression dan Random Forest dengan memanfaatkan dataset Pima Indians Diabetes. Tahap pra-pemrosesan meliputi imputasi nilai nol pada fitur medis dan normalisasi data sebelum dibagi menjadi data latih dan uji. Kedua model dilatih secara paralel, dan model terbaik dipilih berdasarkan nilai F1-Score untuk meningkatkan akurasi pendeteksian pasien dengan diabetes (Outcome = 1). Evaluasi performa menggunakan metrik akurasi, presisi, recall, F1-Score, dan confusion matrix menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 74%, F1-Score 0,82 untuk kelas Tidak Diabetes, dan 0,59 untuk kelas Diabetes. Sistem ini diintegrasikan ke antarmuka Gradio interaktif, memungkinkan pengguna memasukkan parameter medis dan memperoleh prediksi risiko secara real-time. Hasil penelitian menunjukkan bahwa sistem mampu mendukung deteksi dini diabetes secara efisien, meskipun perlu peningkatan untuk mengurangi kesalahan False Negative pada pasien positif diabetes.
Co-Authors Abiath Cio Achmad Sumbaryadi, Achmad Ade Setiawan Adhitya Pratama Adi Candra, Adi Aditya, Aditya Pratama Afif Saktiansyah Akmaludin Akmaludin, Akmaludin Andika Satria Pratama Andriansyah, Muhammad Hafiz Arya Putrana Kohan Aulia, Annisa Bimo Hakim Prabowo Bonni Nurtanaya Bonny Mulyawan Cut Dara Devi, Anggita Sari Dimas Indra Andhika Dwi Yuni Utami Edhi Prayitno Edhi Prayitno, Edhi Ellya Verawati Faiz, Zulfa Al Harmono, Feri Prasetyo Herlawati Herlawati Ibnu Rizki Prayoga Ichwan Agil Prasetyo Jafar, Rhaishudin Rumandan Juarni Siregar Juniar, Muhammad Deva Kadinar Novel KOMALASARI, YULI Kudiantoro Widianto, Kudiantoro M Ramdani M. Fariz A, M. Fariz A M. Raihan Al Ikhsan Moh. Erkamim Muhamad Rafi Hamdani Mulyawan, Bonny Musriatun Napiah Nababan, Dina Madelin Nicodias Palasara Niesa, Chaeroen Nuhdin, Burhan Nunung Hidayatun Rafi Abdul Aziz Rafli Achmad Sah, Andrian Saktiansyah, Afif Samudi Samuel Paul Jackson Simanjuntak Sigit Wibawa Sri Budhi Lestari Tika Adilah M Tirta, Lusi Dara Tri Ramadhanti Victor Parulian Yuli Komalasarii Yuniar, Rivaldi Nazar