Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknik Informatika

Optimasi Algoritma C5.0 untuk Peningkatan Akurasi dalam Klasifikasi Ulasan Masyarakat Terhadap Layanan BPJS Kesehatan Mohd Rinaldi Amartha; Refni Wahyuni; Yuda Irawan
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 1 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i1.995

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi sentimen ulasan masyarakat terhadap layanan BPJS Kesehatan dengan mengoptimalkan algoritma C5.0 menggunakan teknik SMOTE dan XGBoost. Pengujian dilakukan dengan beberapa kombinasi, termasuk C5.0, C5.0 dengan XGBoost, C5.0 dengan SMOTE, dan kombinasi ketiganya. Hasil menunjukkan bahwa algoritma C5.0 dasar mencapai akurasi sebesar 67.18%, kombinasi C5.0 dengan XGBoost mencapai 73.55%, C5.0 dengan SMOTE memiliki akurasi 67.00%, sementara kombinasi ketiganya (C5.0, SMOTE, dan XGBoost) memberikan akurasi tertinggi sebesar 80.87%, mengungguli metode lain. Analisis sentimen mengindikasikan bahwa mayoritas ulasan cenderung negatif, menyoroti ketidakpuasan konsumen terhadap layanan BPJS Kesehatan. Peningkatan akurasi yang signifikan dengan penerapan SMOTE dan XGBoost menunjukkan bahwa penanganan ketidakseimbangan kelas dan penguatan model melalui Boosting dapat memperbaiki kelemahan algoritma C5.0. Hal ini memperjelas pentingnya strategi ensemble dalam klasifikasi teks yang kompleks. Temuan ini menunjukkan bahwa penggunaan SMOTE dan XGBoost secara signifikan dapat meningkatkan performa model, membantu dalam memahami persepsi publik secara lebih akurat.
Model Prediksi Risiko Kebakaran Hutan Menggunakan Algoritma Random Forest dengan Seleksi Fitur Lasso Regression Refni Wahyuni; Muhardi; Yulanda; Yuda Irawan
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 1 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i1.998

Abstract

Kebakaran hutan di Indonesia telah menyebabkan kerusakan lingkungan, polusi udara, serta dampak serius pada kesehatan dan ekonomi. Penelitian ini mengembangkan model prediksi risiko kebakaran hutan menggunakan algoritma Random Forest dengan seleksi fitur melalui Lasso Regression, berdasarkan data meteorologi dari BMKG (2011-2024). Variabel utama yang digunakan meliputi temperatur rata-rata, kelembapan, curah hujan, dan kecepatan angin. Hasil evaluasi model menunjukkan akurasi 100%, dengan precision, recall, dan F1-score masing-masing 1.00 untuk semua kelas risiko kebakaran. Confusion matrix dan kurva ROC mengonfirmasi kemampuan model dalam mengklasifikasikan setiap instance tanpa kesalahan. Analisis fitur menyoroti temperatur rata-rata, kelembapan, dan curah hujan sebagai faktor utama. Model ini berpotensi menjadi komponen penting dalam sistem peringatan dini kebakaran hutan di indonesia. Penelitian ini merekomendasikan integrasi data tambahan dan implementasi real-time untuk meningkatkan akurasi dan aplikabilitas model di masa mendatang.