Article Per Year (5 Year)
p-Index From 2020 - 2025
2.286
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL Jurnal Statistika Universitas Muhammadiyah Semarang Value Added : Majalah Ekonomi dan Bisnis Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Variance : Journal of Statistics and Its Applications Abdimas UNWAHAS : Jurnal Pengabdian Masyarakat UNWAHAS Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Litbang Edusaintech Journal of Data Insights Prosiding Seminar Nasional Unimus Emerging Statistics and Data Science Journal JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Fatkhurokhman Fauzi
Universitas Muhammadiyah Semarang
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Data Insights

 1 
Perbandingan Hasil Klasifikasi Data Iris menggunakan Algoritma K-Nearest Neighbor dan Random Forest : Comparison of Iris Data Classification Results using the K-Nearest Neighbor and Random Forest Algorithms Budiono Rahman; Fatkhurokhman Fauzi; Saeful Amri
Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i1.135

Abstract

Data mining merupakan suatau metode yang baik untuk menangani data skala besar. Performasi menjadi penting dalam metode data mining. Dua metode yang memiliki performasi terbaik diantaranya K-Nearest Neighbor (KNN) dan Random Forest (RF). Artikel ini membahas terkait perbandingan performasi K-NN dan RF. Data yang digunakan pada penelitian ini adalah Iris. Data dibagi menjadi 80% data training dan 20% data testing. Validasi performasi menggunakan nilai akurasi dan F1-Score. Berdasarkan nilai. Berdasarkan hasil yang didapat metode RF lebih baik dibandingkan dengan metode K-NN. Nilai akurasi yang didapat oleh metode RF adalah 1.00 atau 100% dan nilai F1-Score sebesar 1.00.
Clustering Untuk Menentukan Indeks Kesejahteraan Rakyat di Provinsi Jawa Tengah 2022 Menggunakan Metode Fuzzy C-Means: Clustering to Determine the People's Welfare Index in Central Java Province 2022 Using the Fuzzy C-Means Method Indra Firmansyah; Salmaa Fauziah; Hanif Nur Ibrahim; Fatkhurokhman Fauzi; Tiani Wahyu Utami
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.149

Abstract

Kesejahtraan rakyat merupakan salah satu tujuan negara yang tercantum pada Undang-undang Dasar 1945. Dalam meningkatakan kesejahtraan rakyat, tentunya perlu adanya pembangunan yang merata. Untuk menjalankan program pembangunan yang merata, harus dilakukan identifikasi berdsarkan karaktaeristik tingkat kesejahtraan rakyat berdasarkan variabel-variabel yang telah ditentukan agar dalam membuat strategi dan mengambil kebijakan untuk meningkatkan kesejahtraan rakyat dapat tepat sasaran dan optimal. Tujuan dari penelitian ini adalah untuk mengetahui pengelompokkan 35 Kabupatan/Kota di Provinsi Jawa Tengah dan k arakteristik dari setiap kelompok berdasarkan indeks kesejahtraan rakyat. Berdasarkan hasil analisis yang dilakukan, bahwa terdapat 35 Kabupaten/Kota di Provinsi Jawa Tengah dapat membentuk 4 kelompok (cluster), dimana pada cluster 0 beranggotakan 8 Kabupaten/Kota dengan karakteristik Jumlah peduduk miskin tinggi, Daya beli cenderung rendah, rata-rata lama sekolah rendah, angka harapan hidup sangat rendah. Pada cluster 1 terdapat 12 Kabupaten/Kota dengan karakteristik Nilai PDRB sangat tinggi, angka pengangguran relatif rendah, angka lama sekolah relatif tinggi. Pada cluster 2 terdapat 5 Kabupaten/Kota dengan karakteristik Nilai PDRB sangat rendah, jumlah penduduk miskin sangat rendah, daya beli sangat tinggi, kepemilikan rumah rendah, kepadatan penduduk tinggi, daya beli tinggi, angka melek huruf tinggi, rata-rata lama sekolah tinggi, dan yang terakhir cluster 3 terdapat 10 Kabupaten/Kota dengan karakteristik PDRB rendah, kepadatan penduduk sangat rendah, kepemilikan rumah sangat tinggi, daya beli cenderung rendah.
Decision Tree Classification Prediction of Covid-19 Cases in Indonesia: Prediksi Kasus Covid-19 di Indonesia Menggunakan Metode Klasifikasi Decision Tree Amaliah Sholeha Arafat; Aprilla Anawai Basman; Fatkhurokhman Fauzi; Saeful Amri
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.213

Abstract

Forecasting is the prediction of an event in the present and future using past event data. The purpose of forecasting is to minimize errors in predictions (forecast errors) to provide a higher level of confidence. In the context of the COVID-19 pandemic, forecasting the number of cases can help anticipate surges, allowing for better-preparedness to minimize its impact. Forecasting methods can be categorized into three common classifications: qualitative methods, time series, and causal methods. Time series methods are further divided into statistical methods and machine learning. Machine learning methods are more effective in forecasting as they can accommodate non-linear and complex relationships between inputs and outputs. One of the machine learning methods used is the Decision Tree, which is a predictive model structured in a tree or hierarchical format. The Decision tree is a data processing method for predicting the future by constructing classification and regression models in a tree structure. The decision tree is also the most popular and easily understood classification method. In this study, a classification decision tree is used to forecast positive COVID-19 cases in Indonesia using the Python programming language.
Co-Authors - Tarsan Agung Subakti Nuzulullail Ahmad Amrullah B Albertus Dion Sarah Alfidha Rahmah Alifia Puspita Sari Alwan Fadlurohman Amaliah Sholeha Arafat Amri, Saeful Anggun Erya Santika Anisa Ma'u Luthfi Anita Retno Indriani Aprilla Anawai Basman Ardelita Ika Fadhlillah Budiono Rahman Budiono Rahman Dannu Purwanto Dewi Ratnasari Wijaya Dwi Agustina Eny Winaryati Erika Siva Aulia Fatikha Adha Fahreza Fauziah Rahma Febi Anggun Lestari Hanif Nur Ibrahim Hasbi Assidiqi Iis Widya Harmoko Indah Manfaati Nur Indra Firmansyah Lia Aryanti Sholekhah Litasya Shofwatillah Moh Yamin Darsyah Moh. Yamin Darsyah Nida Faoziatun Khusna Oktavia Sri Banowati Putri Ayu Firnanda Qonita Syalsabilla Handayani Rahma Nurmalita Rizma Novinda Puteri RR. Ella Evrita Hestiandari Safril Ahmadi Sanmas Salmaa Fauziah Septi Winda Utami Shinta Amaria Soffi Amalia Nur Kholifah Syifa Aulia Tiani Wahu Utami Tiani Wahyu Utami Wiwit Putri Nur Izzaturrohmah Yan Nazala Bisoumi Yuni Nurkuntari