Article Per Year (5 Year)
p-Index From 2021 - 2026
12.824
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Annual Research Seminar CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah KOMPUTASI Sistemasi: Jurnal Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTT (Jurnal Teknologi Terpadu) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab IJIE (Indonesian Journal of Informatics Education) Jurnal Manajemen STIE Muhammadiyah Palopo MBR (Management and Business Review) JITK (Jurnal Ilmu Pengetahuan dan Komputer) JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jiko (Jurnal Informatika dan komputer) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) JURTEKSI JOISIE (Journal Of Information Systems And Informatics Engineering) INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) SOSIOEDUKASI : JURNAL ILMIAH ILMU PENDIDIKAN DAN SOSIAL Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Darma Agung Jurnal Bisnis, Manajemen, dan Ekonomi Jurnal Generic Jurnal Pendidikan dan Teknologi Indonesia Djtechno: Jurnal Teknologi Informasi Jurnal Algoritma Jurnal Teknologi dan Manajemen Industri Terapan Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia Indonesian Journal Computer Science (ijcs) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Indonesia Sosial Teknologi The Indonesian Journal of Computer Science Management Analysis Journal Scientific Journal of Informatics Journal of Mathematics, Computation and Statistics (JMATHCOS) Buffer Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Ken Ditha Tania
Jurusan Sistem Informasi, Universitas Sriwijaya
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 111 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 111 Documents
Search

 2   3   4   5   6 
PENDEKATAN KLASIFIKASI DALAM KNOWLEDGE DISCOVERY UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN BANDARA SULTAN MAHMUD BADARUDDIN II DI GOOGLE MAPS Nachwa, Syakillah; Khoiriyah Harahap, Dayana; Theresia Pardede, Eva; Nashiroh Ramadhani, Muthia; Anindya Putri, Salsa; Rositiani, Ely; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13776

Abstract

Sultan Mahmud Badaruddin II (SMB II) merupakan bandara utama di Sumatera Selatan yang berperan krusial untuk mobilitas regional. Kepuasan penumpang terhadap layanan bandara dapat dievaluasi melalui ulasan pengguna di Google Maps. Namun, volume ulasan yang besar menghadirkan tantangan dalam mengekstrak informasi yang bermakna. Studi ini menggunakan Aspect-Based Sentiment Analysis (ABSA) untuk melihat opini publik terhadap layanan Bandara SMB II menggunakan pendekatan klasifikasi dengan enam aspek yang dianalisis, yaitu check-in, keamanan, kenyamanan, lingkungan bandara, fasilitas dasar, dan mobilitas. Sebanyak 1.018 ulasan diperoleh dan diproses melalui tahapan preprocessing, data labeling, penyeimbangan data dengan SMOTE, ekstraksi fitur (TF-IDF), serta klasifikasi menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dengan skenario pembagian data 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skenario terbaik diperoleh pada perbandingan 90:10, yaitu model SVM mencapai kinerja terbaik dengan nilai accuracy sebesar 0.857, precision 0.839, recall 0.883, dan F1-score 0.860 melampaui Naïve Bayes dan Random Forest. Analisis sentimen telah menunjukkan bahwa aspek lingkungan bandara menerima sentimen positif tertinggi, tetapi aspek fasilitas dasar cenderung menerima ulasan negatif. Pengetahuan ini bisa menjadi dasar bagi pengelola Bandara SMB II untuk meningkatkan layanan mereka berdasarkan aspek-aspek yang paling berpengaruh terhadap pengalaman penumpang.
PENILAIAN KOMPARATIF METODE KLASIFIKASI NEURAL NETWORK DAN RANDOM FOREST UNTUK KNOWLEDGE DISCOVERY PADA PENYAKIT DIABETES Aqil Zidane, Muhammad; Naufaldihanif, Rihan; Nuraini Kusuma, Aisha; Hanggara, Bryan; Clark Peter Wijaya, Adley; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13828

Abstract

Penelitian ini membahas penerapan data mining dalam prediksi diabetes, yang menjadi isu penting dalam bidang kesehatan dan teknologi informasi. Permasalahan utama yang diangkat adalah tingginya angka penderita diabetes yang sering terlambat terdiagnosis, yang berdampak pada meningkatnya risiko komplikasi serius dan biaya perawatan yang tinggi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model prediksi diabetes yang lebih akurat menggunakan teknik data mining. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif dengan teknik pengumpulan data melalui analisis dataset diabetes menggunakan algoritma klasifikasi seperti Random Forest, dan Neural Network. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki tingkat akurasi tertinggi sebesar 96,88% dibandingkan metode Neural Network dengan akurasi sebesar 89,23%, yang mengindikasikan bahwa metode Random Forest ini efektif dalam mendeteksi potensi pre-diabetes lebih dini. Kesimpulan dari penelitian ini menegaskan bahwa pemanfaatan data mining dapat meningkatkan akurasi prediksi pre-diabetes serta memberikan rekomendasi bagi tenaga medis dalam pengambilan keputusan diagnostik.
KNOWLEDGE DISCOVERY DALAM PREDIKSI NILAI SISWA BERDASARKAN BULAN KELAHIRAN SISWA DI SMP NEGERI 2 TUNGKAL JAYA MENGGUNAKAN NAIVE BAYES Haidar Afif Mufid, Muhammad; Attika Putri, Shopi; Gustiani, Sindy; Wirnanti, Rintan; Sabar Manahan, Nico; Ditha Tania, Ken; Rifai, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13864

Abstract

Pendidikan memiliki peran yang sangat penting dalam membentuk kualitas akademik siswa, di mana prestasi belajar dipengaruhi oleh berbagai faktor, baik yang bersifat internal maupun eksternal. Penelitian ini fokus pada hubungan antara bulan kelahiran dengan pencapaian nilai siswa di SMP Negeri 2 Tungkal Jaya, yang selama ini masih menggunakan metode tradisional tanpa mempertimbangkan faktor non-tradisional seperti bulan kelahiran. Tujuan dari penelitian ini adalah untuk membangun model prediksi nilai siswa menggunakan metode Naive Bayes, yang dapat membantu sekolah dalam mengidentifikasi siswa yang berisiko mengalami kesulitan akademik berdasarkan bulan kelahirannya, sekaligus memberikan rekomendasi untuk strategi pembelajaran yang inklusif. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Databases (KDD), yang melalui beberapa tahapan, dimulai dari pengumpulan data dari 123 siswa, kemudian melakukan preprocessing dengan mengklasifikasikan nilai ke dalam kategori A, B, dan C, dilanjutkan dengan transformasi, dan terakhir melakukan data mining menggunakan Naive Bayes di RapidMiner. Hasil evaluasi menunjukkan bahwa akurasi tertinggi dicapai pada nilai IPS, yaitu sebesar 72,75%, sementara akurasi terendah terdapat pada Matematika dengan 40,30%. Rata-rata akurasi prediksi untuk Bahasa Indonesia, Bahasa Inggris, dan rapor berada di atas 70%.
KOMPARASI RIDGE REGRESSION, RANDOM FOREST, DAN GRADIENT BOOSTING UNTUK PREDIKSI CURAH HUJAN HARIAN DI SUMATRA SELATAN BERBASIS TIME SERIES CROSS-VALIDATION Alvines, Mahendi; Ravi Wijayanto, Muhammad; Archi Daffa Danendra, Muhammad; Rizky Herdiansyah, Muhammad; Karimsyah Lubis, Muhammad; Ichsan Farel Rachmad, Muhammad; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13915

Abstract

Penelitian ini menganalisis pendekatan komparatif model regresi linear dan non-linear untuk prediksi curah hujan di Sumatera Selatan, Indonesia, menggunakan data klimatologi BMKG tahun 2024. Hal tersebut didasarkan pada perubahan iklim yang meningkatkan ketidakpastian pola curah hujan di Sumatera Selatan, mengancam sektor pertanian dan pengelolaan air. Komparasi ini bertujuan untuk membandingkan kinerja model regresi linear dan non-linear untuk prediksi curah hujan harian di Sumatera Selatan, serta mengidentifikasi prediktor utama yang memengaruhi curah hujan. Metodologi penelitian mengadopsi kerangka Knowledge Discovery in Database (KDD) dengan tahapan pengumpulan data, pra-pemrosesan, transformasi, pemodelan, dan evaluasi. Lima model machine learning dibandingkan: Linear Regression, Ridge Regression, Lasso Regression, Random Forest, dan Gradient Boosting, dengan validasi menggunakan TimeSeriesSplit untuk mempertahankan struktur temporal data. Hasil analisis menunjukkan Ridge Regression sebagai model terbaik dengan RMSE 14.62 mm, meskipun nilai R² negatif (-0.69) mengindikasikan keterbatasan model dalam menangkap variabilitas penuh data. Analisis koefisien regresi Ridge menunjukkan bahwa RR_LAG_1 juga berkontribusi signifikan (koefisien: 0.45). Konsistensi prediktor antar model memperkuat validitas temuan, sedangkan model secara konsisten mengalami kesulitan memprediksi kejadian curah hujan ekstrem (>50 mm). Pendekatan berbasis ensemble (Random Forest/Gradient Boosting) menunjukkan stabilitas prediksi lebih tinggi dengan deviasi RMSE <5 mm. Penelitian ini dapat memberikan masukan bagi pengembangan model prediksi curah hujan yang dapat mendukung sektor pertanian, pengelolaan sumber daya air, dan mitigasi bencana di Sumatera Selatan. Studi lanjutan dengan model hybrid dan dataset yang lebih lengkap disarankan untuk validasi lebih lanjut.
PERBANDINGAN ALGORITMA K-MEANS, K-MEDOID, DAN DBSCAN UNTUK CLUSTERING KUALITAS HIDUP INDONESIA DALAM PERSPEKTIF KNOWLEDGE MANAGEMENT DAN DATA DISCOVERY Ramadhan Putra Pratama, Muhammad; Izzan Fieldi, Muhammad; Syarief Albani, Muhammad; Al Fachrozi, Muhammad; Rangga Aderiyana, Fakih; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13916

Abstract

Kemajuan era digital mendunia memaksa manusia harus semakin peka dalam menggunakan teknologi dalam setiap aspek kehidupan. Khususnya pergerakan kualitas hidup di Indonesia, tantangan dalam menentukan metode yang paling baik untuk mengelompokkan wilayah berdasarkan indikator kualitas hidup. Permasalahannya adalah keberhasilan/keketepatan metode dalam melakukan clustering wilayah dengan karakteristik data yang berbeda-beda seperti pada kasus data yang kompleks, termasuk dataset yang mengandung outlier dan noise. Dampaknya pada efektivitas strategi pemerintah dan stakeholder yang mengimplementasikan post-strategi dengan memperhatikan hasilseling wilayah. Untuk itu, penelitian ini mengevaluasi metode clustering untuk memberikan representasi clustering yang lebih dekat dengan nilai aslinya dan efektivitas penerapannya pada masing-masing style dan design. Penelitian ini bertujuan untuk membanding kinerja dari tiga metode clustering, yaitu K-Means, Medoid Clustering, dan DBSCAN dalam mengelompokkan wilayah berdasarkan kualitas hidup di Indonesia. Prioritas penelitian ini adalah untuk menemukan beberapa metode clustering yang memberikan hasil yang lebih akurat, serta aplikatif untuk masing-masing hasil post-strateginya. Metode yang digunakan dalam penelitian ini adalah cluster analysis dengan tiga pendekatan utama, K-Means, Medoid Clustering, dan DBSCAN. Data dianalisis menggunakan teknik clustering yang berbeda dengan setiap metode clustering untuk mengevaluasi keefektifan, stabilitas, dan allevasi outlier dan noise. Metode yang digunakan dalam penelitian ini adalah cluster analysis dengan tiga pendekatan utama: K-Means, Medoid Clustering, dan DBSCAN. Data dikumpulkan dari berbagai sumber terkait indikator kualitas hidup, lalu dianalisis menggunakan teknik clustering untuk mengevaluasi efisiensi, stabilitas, dan ketahanan metode terhadap outlier serta noise. Hasil penelitian ini meningkatkan kontribusi pemerintah dalam memberikan strategi post bagi stakeholder berdasarkan hasil clustering. Integrasi kontribusi Knowledge Management dan Data Discovery dengan hasil clustering meningkatkan keefektifan analisis wilayah dalam luaran analisis strategi. Dalam studi selanjutnya, diharapkan memberikan data yang lebih akurat dengan menggunakan metode hybrid clustering atau machine learning.
PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM PREDIKSI PEMENANG PERTANDINGAN PES 2021 Aqilah Syahputra, M Fathan; Ikhwan Najatafani, Bintang; M Luthfi Khailani, Kgs; Albukhori, M Rafli; Akbar Adiprama, Faris; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13941

Abstract

E-sports telah berkembang menjadi industri kompetitif yang memerlukan analisis data untuk meningkatkan strategi permainan dan prediksi hasil pertandingan. Salah satu tantangan utama dalam bidang ini adalah memprediksi hasil pertandingan dengan tingkat akurasi tinggi, terutama dalam game Pro Evolution Soccer (PES) 2021. Permasalahan dalam penelitian ini berfokus pada efektivitas algoritma kecerdasan buatan dalam menangani berbagai variabel pertandingan, seperti strategi tim, performa pemain, dan statistik pertandingan, untuk menghasilkan prediksi yang akurat. Penelitian ini bertujuan untuk membandingkan akurasi algoritma Naïve Bayes dan Decision Tree dalam memprediksi pemenang pertandingan PES 2021. Dengan membandingkan kedua metode ini, penelitian ini diharapkan dapat mengidentifikasi algoritma yang lebih efektif dalam melakukan prediksi berbasis data. Metode penelitian meliputi pengumpulan data pertandingan PES 2021, tahap pra-pemrosesan untuk membersihkan dan menyusun data, pelatihan model menggunakan algoritma Naïve Bayes dan Decision Tree, serta evaluasi akurasi menggunakan confusion matrix sebagai metrik penilaian. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan Decision Tree dalam memprediksi pemenang pertandingan. Temuan ini memberikan wawasan bagi pengembangan model prediksi yang lebih akurat di bidang e-sports serta membantu pemain dan analis dalam menyusun strategi berdasarkan prediksi hasil pertandingan.
ANALISIS FAKTOR RISIKO PEMICU SERANGAN JANTUNG DI INDONESIA, MENGGUNAKAN METODE KLASIFIKASI (DECISION TREE, NAIVE BAYES, DAN RANDOM FOREST) Andini Bahri, Cheisya; Tri Zafira, Zahra; Ayuningtiyas, Pratiwi; Al-Farisy, M Hadi; Alfarizi, M.; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13945

Abstract

Serangan jantung merupakan penyakit yang menyebabkan tingginya angka kematian di Indonesia, di mana penyakit tersebut dipengaruhi oleh beberapa faktor dan risiko, yaitu konsumsi alkohol, kebiasaan merokok, tingkat depresi, dan juga hipertensi. Dilakukannya penelitian ini dengan tujuan untuk melakukan kegiatan analisis pengaruh dari faktor-faktor tersebut dengan penyakit serangan jantung, penelitian ini menggunakan metode klasifikasi (Decision Tree, Naïve Bayes, dan Random Forest, berdasarkan data yang terdapat pada aplikasi Kaggle dengan judul Heart Attack Indonesia. Analisis pada penelitian ini dilakukan dengan bantuan tools (RapidMiner) untuk membandingkan performa dari ketiga metode klasifikasi dengan perbandingan rasio 70/30, 80/20, dan 90/10. Sehingga mendapatkan hasil analisis tertinggi yaitu metode Decision Tree dan Naïve Bayes memiliki akurasi yang sama, yaitu 74.97%, sedangkan metode Random Forest memiliki akurasi yang lebih rendah, yaitu 67.14%. Berdasarkan evaluasi menggunakan kurva ROCs, Decision Tree terbukti lebih efektif dalam mengklasifikasikan faktor risiko dibandingkan metode lainnya.
ANALISIS SENTIMEN PUBLIC TWITTER TERHADAP KEBIJAKAN PEMERINTAH MENGGUNAKAN METODE SVM (STUDI KASUS : PROGRAM EFISIENSI ANGGARAN) Rizka Mumtaz, Fadia; Jodi Pratama, Muhammad; Azmi Zaky, Muhammad; Akbar Kurniawan, Iqbal; Saputra, Eka; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13958

Abstract

Kebijakan efisiensi anggaran pemerintah, sebagaimana diamanatkan dalam Instruksi Presiden Nomor 1 Tahun 2025, memicu beragam reaksi publik, terutama di media sosial. Pemotongan anggaran sebesar Rp306,69 triliun menimbulkan kekhawatiran terkait dampaknya terhadap layanan publik dan kesejahteraan masyarakat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan efisiensi anggaran melalui media sosial Twitter dengan menggunakan metode Support Vector Machine (SVM). Data dikumpulkan melalui teknik web scraping pada periode tertentu, kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenisasi, dan stemming. Model SVM diterapkan untuk mengklasifikasikan opini publik menjadi kategori positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa model yang digunakan memiliki akurasi sebesar 96,37%, dengan nilai recall tertinggi pada kelas netral sebesar 1,00, yang mengindikasikan bahwa mayoritas respons publik bersifat netral. Namun, model masih menunjukkan variasi dalam klasifikasi opini positif dan negatif dengan nilai recall masing-masing sebesar 0,99 dan 0,90. Studi ini memberikan wawasan mengenai pola sentimen publik terhadap kebijakan efisiensi anggaran serta dapat menjadi bahan pertimbangan bagi pemerintah dalam mengambil kebijakan yang lebih responsif terhadap opini masyarakat.
ANALISIS PENGARUH KEBIASAAN MEROKOK DAN AKTIVITAS BEGADANG TERHADAP RISIKO PENYAKIT PARU-PARU MENGGUNAKAN SUPPORT VECTOR MACHINE Yasyfi Imran, Athallah; Rafli Maulana, Muhammad; Lifiano Jamot Munthe, Gabriel; Athallah Ubaid, Deni; Yasir Alghifari, Muhammad; Adriansyah, Rizki; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14030

Abstract

Penelitian ini bertujuan menganalisis pengaruh kebiasaan merokok dan aktivitas begadang terhadap risiko penyakit paru-paru menggunakan Support Vector Machine (SVM). Kebiasaan merokok dan kurang tidur telah diidentifikasi sebagai faktor risiko gangguan paru-paru, namun interaksi kompleks antara keduanya sering diabaikan dalam penelitian konvensional. Metode statistik tradisional cenderung tidak mampu menangani hubungan nonlinier atau efek pengacau tersembunyi. Dataset terdiri dari 30.001 sampel dengan 10 atribut, termasuk usia, jenis kelamin, kebiasaan merokok, dan aktivitas begadang. Data diproses melalui tahapan Knowledge Discovery in Database meliputi seleksi data, praproses dengan label encoding dan scaling, transformasi data, pemodelan SVM, dan evaluasi. Hasil penelitian menunjukkan model SVM mencapai akurasi 89,28%, dengan presisi 0,83 dan recall 1,00 untuk kelas tidak berisiko, serta presisi 1,00 dan recall 0,78 untuk kelas berisiko. Temuan ini menegaskan kombinasi kebiasaan merokok dan pola tidur irregular signifikan meningkatkan risiko penyakit paru-paru, serta memberikan rekomendasi berbasis bukti bagi praktisi kesehatan dalam merancang intervensi preventif.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM PEMETAAN KONDISI PERPUSTAKAAN DI INDONESIA BERDASARKAN PROVINSI TAHUN 2023 Amalia, Suci; Sabila, Amalia; Anisa Basulina, Nur; Prasetia, Dika; Wilantara, M Pandu; Ditha Tania, Ken; Rifai, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14052

Abstract

Perpustakaan memiliki peran strategis dalam peningkatan literasi dan penyediaan akses informasi bagi masyarakat di seluruh Indonesia. Namun, penyebaran dan pengelolaan perpustakaan yang belum merata menyebabkan kesenjangan dalam akses dan kualitas layanan, khususnya di tingkat kabupaten/kota. Permasalahan ini diperburuk oleh kurangnya pemanfaatan data yang ada untuk mendukung pengambilan keputusan berbasis bukti. Penelitian ini bertujuan untuk mengelompokkan data perpustakaan kabupaten/kota di Indonesia berdasarkan karakteristik tertentu guna mengidentifikasi pola distribusi dan kesenjangan layanan perpustakaan. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD) dengan pendekatan algoritma K-Means Clustering. Data yang digunakan bersumber dari Perpustakaan Nasional dan mencakup atribut seperti jumlah perpustakaan, tenaga perpustakaan, koleksi, anggota, dan anggaran. Hasil klasterisasi menunjukkan bahwa data perpustakaan dapat dikelompokkan menjadi enam klaster utama yang mana setiap klaster memiliki karakteristik berbeda, dari provinsi dengan layanan perpustakaan sangat tertinggal (Papua Pegunungan) hingga yang sangat unggul seperti DKI Jakarta. Sebagian besar provinsi berada dalam klaster dengan kebutuhan peningkatan standar dan koleksi. Visualisasi pairplot membantu memahami pola hubungan antar variabel. Temuan ini diharapkan dapat menjadi dasar dalam perumusan kebijakan yang lebih tepat sasaran dalam pengembangan layanan perpustakaan di Indonesia
Co-Authors A. Salwa Aurelya Putri Abdillah Putra, Muhafsyah Adeliani, Adeliani Adella Salsabila Adriansyah, Rizki Afdhal Nadzif, Muhammad Ahmad Fadhil Rizqi Ahmad Rifai Ahmad Rifai Ahmad Rifai Aisyah Fatimah Akbar Adiprama, Faris Akbar Kurniawan, Iqbal Akbar, Rifko Akhda, M. Dandi Akmar, Nur Salwa Fadia Al Fachrozi, Muhammad Al-Farisy, M Hadi Albukhori, M Rafli Alfarizi Ramadhiyansa, Muhammad Alfarizi, M. Ali Bardadi Ali Ibrahim Ali Ibrahim (SCOPUS ID: 57203129436) Alifa Putri Shahabiyah Aliya Faiza Aliyananda Risyahputri Allsela Meiriza, Allsela Allsella Meiriza Alsella Meiriza Alsella Meiriza Alvines, Mahendi Alzena Aisha Shakira Amanda Ardhani, Dhita Amanda, Khansa Putri Amelia Amelia Amelia Putri, Shinta Amelia, Rita Anadia, Qothrunnada Wafi Ananda Khoirunnisa Andini Bahri, Cheisya Anggun Ramadina Anindya Putri, Salsa Anisa Basulina, Nur Anissa, Cahya Rahmi Apriansyah Putra Apriansyah Putra Apriansyah Putra Apriyadi Apriyadi, Apriyadi Aqil Zidane, Muhammad Aqilah Syahputra, M Fathan Archi Daffa Danendra, Muhammad Ardhillah, Onky Ardina Ariani Ari Wedhasmara Ariyani, Ishlah Putri Ariyanti, Putri Arvhi Randita Setia Athallah Ubaid, Deni Athiyyah Nuha Rotifa Attika Putri, Shopi Audia Faradhisa Ansori Aulia Najibah Putri Aulia Pinkasari Ayuningtiyas, Pratiwi Az-Zahra, Nanda Salsabila Azera Pramesty Azmi Zaky, Muhammad Azra, Muhammad Azyumardi Badia Inaya Sazrade Bagus Prihantoro Bahri, Cheisya Andini Baidhawi, Alif Bimmo Fathin Tammam Cahya Aulia, Syifa Cahya Rahmi Anissa Cahyo Adi Nugraha Cantika Aulia Cici Elna Sari Cindy Dinata Citra, Belia Clark Peter Wijaya, Adley Constancio, Elven Dedy Kurniawan Dian Febriansyah Dila Naila Fahria Dwiansyah, Octa Dzaky Agusman, Muhammad Edo Wicaksono Eka Saputra Eka Therina Lakeisyah Elna Sari, Cici Endang Lestari Ruskan Epriyanti, Nadia Fachrozi, Muhammad Al Fahmi Aulia Hakim, Adzka faizah, haniyah Fajaria, Mutiara Fakhri Sepriansyah Fakhri Sepriansyah Farhan Daffazka Fathoni - Fatihaturrahmah, Aisyah Fauzan, Muhammad Fairuz Ferdiansyah Fidela Tertia Alfino Fikri, M Fauzan Firmansyah, Zikri Frans Nicko Apriansyah Gabriel Sebastian Santoso Gibral Abdurahman Gustiani, Sindy Haidar Afif Mufid, Muhammad Hanggara, Bryan Hendrawan, Deni Agus Hermanto, Muhammad Lucky Hikmahwarani, Fellycia Ichsan Farel Rachmad, Muhammad Ikhwan Najatafani, Bintang Inayah, Anna Fadilla Indira Nailah Ramadhani Ispahan, Tarisha Izzan Fieldi, Muhammad Jackson Imanuel Manurung Jeremiah Alwin Siahaan Jodi Pratama, Muhammad Jonathan Pakpahan Juliyanti, Tamara Junia Kurniati Juseia Wulandari Karima, Dzakiah Aulia Karimsyah Lubis, Muhammad Khairunnisa’ Almaududy Khalid Al Mas Ud Khoiriyah Harahap, Dayana Kurnia Sari, Winda Kurniasari, R. Nyi Pipih Lailla Syal Syabilla Lakeisyah, Eka Therina Lifiano Jamot Munthe, Gabriel Lubis, Muhammad Ali M Ihsan Jambak M Luthfi Khailani, Kgs M Naufal Hisyam M Tsabita Robani M. Fadhil Rahman M. Ilham Fahlevi M. Thoriqul Fadli Mahdiyah Afifah Sari Mahdiyah Afifah Sari Marco Saputra Maretta, Aulia Pinkan Mariska, Inneke Via Marpaung, Xenia Clarissa Valencia Maulizidan, Muammar Ramadhani Mei Intan Natasyah Meiriza, Allsella Meiriza, Alsella Meiyin Monica Amilia Putri Merizka Azzahra Miftahul Falah Mira Afrina Mohd Rizky Putra Pratama Muammar Ramadhani Maulizidan Mufidah, Luthfiah Muhammad Adisatya Dwipansy Muhammad Bayu Samudra Muhammad Dzaky Alifayoezra Muhammad Dzaky Hasyim Muhammad Fakhri Nadrota Acta Muhammad Hafiz Al Zaky Muhammad Idris Muhammad Ihsan Dirgantara Muhammad Iqbal Disriansyah Muhammad Luthfi Al-Ghifari Muhammad Luthfi Al-Ghifari Muhammad Mayda Ary Pratama Muhammad Qurhanul Rizqie Muhammad Wahyu Hikmalsyah Muhammad Yusuf Munaspin, Zahra Diva Putri Mutia Fadhila Putri Mutia Sahira Nabilaputri, Silvia Nabilatulrahmah, Raihana Nachwa, Syakillah Naila Raihana Putri Najwa Widasari, Yesya Naretha Kawadha Pasemah Gumay Naretha Kawadha Pasemah Gumay Nashiroh Ramadhani, Muthia Naufaldihanif, Rihan Novrizal Eka Saputra Nugraha, Allan Nulry Izzatul Maula Nuraini Kusuma, Aisha Nurly Izzatul Maula Onkky Alexander Pacu Putra Prasetia, Dika Pratama Putra, Daffa Pratiwi, Metti Detricia Purba, Kevin Agustin Puti Chalisa Wardhana Putri Ariyanti Putri Casanova, Musdalifa Putri Mutiara Arinie Putri Rahel Alifia Putri Salsabilah Putri Silpiara Putri, Amelia Rizki Putri, Aulia Najibah Putri, Naila Raihana Putri, Salsa Anindya RA Aliffyaa Ramadhani Rabbani, Muhammad Randy Raditya Dafa Rizki Rafi Herdian Rafika Octaria Ningsih Rafli Maulana, Muhammad Rahmah, Atika Nur Rahmat Izwan Heroza Rahmat Maulana Ramadhan Putra Pratama, Muhammad Ramadhani, Indira Nailah Ramadhani, Muthia Rangga Aderiyana, Fakih Ravi Wijayanto, Muhammad Riansyah, Muhammad Bintang Naufal Risyahputri, Aliyananda Rizka Dhini Kurnia Rizka Mumtaz, Fadia Rizki Ade Ningsih Rizki Kurniati Rizky Herdiansyah, Muhammad Rizkyllah, Anabel Fiorenza Rositiani, Ely Rusdi Effendi Sabar Manahan, Nico Sabila, Amalia Sahira, Mutia Salsabila, Adella Salsabila, Shofi Sanjaya, Riska Amelia Saputra, Gerri Asa Sasmita, Ruth Mei Satria, Eka Bayu Sembiring Depari, Alrayssa Davinka Septhia Charenda Putri Sevtiyuni, Putri Eka Shafa Aurelliza Arian Shelly Putri Shofi Salsabila Siade, Shalya Yunia Siregar, Richi Nauli Juniarto Siti Hariza Marshella Suandi, M. Suci Amalia Suci Fitriani, Suci Sukamto, Ika Sumiyarsi Sukatin, Sukatin Surya, Leiden Fauzi Yoka Syakillah Nachwa Syarief Albani, Muhammad Talitha Zafirah Theonady, Oktavio Theresia Pardede, Eva Theressa Hasioani Sianturi, Claudia Tika Octri Dieni Titiana, Nuke Merisca Tri Mutiara Illahi Tri Zafira, Zahra Triana, Ayu Triputra, Muhamad Meiko Tsabitah, Laila Ummu Farida Muthmainnah Violin Juneyla Nandita Wahyuni Cahnia Sari Wilantara, M Pandu Winda Kurnia Sari Winda Kurnia Sari Wirnanti, Rintan Wulan Dari, Atikah Yasir Alghifari, Muhammad Yasyfi Imran, Athallah Yesinta Florensia Yoga Fradana Zahran Afif, Muhammad Zaqqi Yamani Zaqqi Yamani Zaqqi Yamani A Zaskia Aulia Wulandari Zidan, Umar Rahman