Claim Missing Document
Check
Articles

KLASIFIKASI KUALITAS BUAH APEL MENGGUNAKAN METODE RANDOM FOREST Putra Argadinata, Andicho; Abdul Fatah, Doni; Sukri, Hanifudin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.12854

Abstract

Di Indonesia perkebunan merupakan salah satu sektor perekonomian yang penting terutama untuk kebun apel, selain rasanya yang cukup enak serta penyebarannya cukup baik apel juga cukup bermanfaat untuk tubuh, namun tidak semua apel layak di konsumsi, walaupun terlihat baik banyak apel yang kuang baik dalam penggolongan nya, Penelitian ini bertujuan mengklasifikasikan kualitas apel berdasarkan fitur fisik seperti Size, Weight, Sweetness, Crunchiness, Juiciness, Ripeness, dan Acidity, dengan Quality sebagai target klasifikasi. Data yang digunakan berasal dari Kaggle, terdiri dari 4000 data. Model klasifikasi yang digunakan adalah Random Forest karena kemampuannya yang baik dalam menangani data dengan banyak fitur. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 88,5%, precision 88,1%, recall 89,0%, dan F1-Score 88,5%. Berdasarkan confusion matrix, terdapat 48 data Bad yang salah diprediksi sebagai Good (False Positive) dan 44 data Good yang salah diprediksi sebagai Bad (False Negative). Penelitian ini membuktikan bahwa Random Forest adalah metode yang andal untuk klasifikasi kualitas apel berdasarkan fitur fisiknya.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR PADA MINAT BELI MOBIL BEKAS MENGGUNAKAN PENDEKATAN CRISP-DM Hidayatullah, Ridho; Abdul Fatah, Doni; Yasid, Achmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13024

Abstract

Saat ini, perkembangan dunia usaha semakin berfokus pada pemenuhan kebutuhan konsumen, termasuk dalam sektor bisnis jual-beli mobil bekas. Fenomena ini menunjukkan bahwa banyak konsumen cenderung memilih mobil bekas karena menawarkan kualitas yang memadai dengan harga yang lebih murah dibandingkan mobil yang baru. Beragam kebutuhan masyarakat Indonesia, seperti generasi muda yang menginginkan mobil bergaya, keluarga yang membutuhkan kendaraan luas, hingga pengusaha yang memprioritaskan kapasitas angkut dan kenyamanan, dapat terpenuhi melalui ketersediaan mobil bekas yang mudah diakses di pasar. Penelitian ini bertujuan untuk menganalisis pola pembelian mobil bekas dengan menggunakan algoritma K-Nearest Neighbor (K-NN) pada nilai K=7. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang cukup tinggi sebesar 93%. Nilai precision tercatat sebesar 96% untuk kelas 0 dan 88% untuk kelas 1, sedangkan nilai recall mencapai 94% pada kelas 0 dan 91% pada kelas 1. Selain itu, nilai f1-score tercatat sebesar 95% pada kelas 0 dan 89% pada kelas 1. Temuan ini membuktikan bahwa algoritma K-Nearest Neighbor memiliki performa yang sangat baik dalam mengklasifikasikan dataset terkait pembelian mobil bekas.
KLASIFIKASI TINGKAT OBESITAS MENGGUNAKAN METODE GBM DAN CONFUSION MATRIX Reynaldi Valerian, Farhan; Syarief, Mohammad; Abdul Fatah, Doni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13062

Abstract

Di zaman yang serba teknologi ini, semua hal dapat diperoleh dengan mudah, mulai dari informasi, jasa serta layanan. Dari segi informasi, semua orang dapat memperoleh berbagai data dan panduan, seperti resep makanan, layanan pengiriman barang, hingga layanan kesehatan. Dalam jurnal ini, topik yang dibahas adalah tentang obesitas, sebuah masalah kesehatan yang semakin meningkat secara global. Metode GBM dipilih karena kemampuannya dalam menangani data non-linear dan memberikan akurasi tinggi dalam masalah klasifikasi. Dengan memanfaatkan dataset yang terdiri dari 2111 entri dan 16 atribut yang mencakup faktor-faktor fisik dan gaya hidup, penelitian ini berhasil mengidentifikasi pola-pola yang signifikan dalam klasifikasi obesitas. Hasil analisis menunjukkan bahwa model GBM tidak hanya mencapai akurasi tinggi sebesar 95%, tetapi juga menunjukkan keseimbangan yang baik antara precision, recall, dan F1-Score, yang masing-masing mencapai 95%, 96%, dan 95%.
PENERAPAN METODE END USER COMPUTING SATISFICATION GUNA MENGUKUR TINGKAT KEPUASAN PENGGUNA APLIKASI DISCORD Mahendra Ifandia, Alfian; Abdul Fatah, Doni; Agustiono, Wahyudi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13072

Abstract

Digitalisasi telah mengubah cara manusia berinteraksi dengan teknologi, termasuk dalam penggunaan aplikasi komunikasi seperti Discord, yang banyak digunakan oleh pelajar, profesional, dan penggemar gim untuk mendukung aktivitas kolaborasi daring. Keberhasilan platform ini sangat bergantung pada tingkat kepuasan pengguna, yang mencerminkan kualitas layanan yang ditawarkan. Penelitian ini bertujuan untuk mengukur tingkat kepuasan pengguna Discord di Indonesia menggunakan metode End User Computing Satisfaction (EUCS), yang menilai lima dimensi utama, yaitu konten, keakuratan, format, kemudahan penggunaan, dan ketepatan waktu. Data dikumpulkan melalui survei berbasis kuesioner terhadap 100 responden yang dipilih menggunakan teknik purposive sampling, dan dianalisis secara kuantitatif menggunakan perangkat lunak SmartPLS untuk menguji validitas, reliabilitas, dan nilai R Square. Hasil analisis menunjukkan bahwa variabel konten (X1), kemudahan penggunaan (X5), dan ketepatan waktu (X4) berpengaruh signifikan terhadap kepuasan pengguna dengan nilai p-value masing-masing sebesar 0,000, 0,003, dan 0,000, sementara variabel keakuratan (X3) dan format (X2) tidak memberikan pengaruh signifikan. Penelitian ini menyarankan pengembang Discord untuk meningkatkan kualitas pada dimensi yang kurang optimal guna memperbaiki pengalaman pengguna dan meningkatkan kepuasan secara keseluruhan.
ANALISIS SENTIMEN REVIEW APLIKASI ZALORA DI GOOGLE PLAYSTORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Apria Ananda Anam, Pinky; Abdul Fatah, Doni; Ali Syakur, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13083

Abstract

Di waktu ini semuanya serba cepat dan singkat, banyak aplikasi yang menyediakan jasa untuk mempercepat pekerjaan terutama bagian penjualan, aplikasi yang menyediakan sarana penjualan dengan cepat salah satunya Zalora sebagai pengguna juga dapat berbicara atau berkomentar di aplikasi tersebut. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Zalora di Google PlayStore guna memahami persepsi pelanggan terhadap layanan yang diberikan. Metode yang digunpe adalah Support Vector Machine (SVM), yang dikenal efektif dalam klasifikasi teks. Teknik pengumpulan data dilakukan dengan mengunduh 1.000 ulasan aplikasi dari Google PlayStore. Data tersebut dibagi menggunakan perbandingan 90:10, di mana 90% digunakan untuk data latih, dan 10% sisanya untuk data uji. Validasi dilakukan menggunakan teknik k-fold cross-validation dengan 10 lipatan (fold), di mana hasil tertinggi dicapai pada fold-1. Pada fold-1, nilai confusion matrix menunjukkan True Positive (TP) sebesar 80, True Negative (TN) sebesar 75, False Positive (FP) sebesar 10, dan False Negative (FN) sebesar 15. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan dengan baik yaitu dengan nilai akurasi sebesar 85% dan nilai presisi, recall, f-1 score berturut-turut yaitu 83,13%, 85%, 83,48%. Akurasi ini didapat dengan nilai C = 10 dan nilai gamma = 0.1 kernel RBF.
Klasifikasi Pemilihan Jenis Obat untuk Pasien menggunakan Algoritma K-Nearest Neighbor (K-NN) Uddin, Syah Rafi; Putra Negara, Yudha Dwi; Fatah, Doni Abdul
KOMPUTEK Vol. 9 No. 1 (2025): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i1.3174

Abstract

Memilih jenis obat yang sesuai dengan kebutuhan pasien merupakan salah satu aspek penting dalam dunia medis yang mempengaruhi efektivitas pengobatan dan keselamatan bagi pasien itu sendiri. Dengan semakin berkembang nya dunia teknologi informasi, pengambilan keputusan dalam pemilihan obat kini dapat didukung dengan menggunakan metode machine learning. Penelitian ini tentunya juga bertujuan untuk mengembangkan sistem klasifikasi pemilihan jenis obat menggunakan algoritma K-Nearest Neighbor (K-NN). Data yang digunakan dalam penelitian ini terdiri atas, umur pasien, jenis kelamin pasien, tekanan darah pasien, dan juga jenis obat. Algoritma K-NN dipilih karena kemampuannya dalam mengklasifikasikan data berdasarkan kedekatan atribut pasien dengan data yang telah terlabel sebelumnya. Parameter 𝑘 yang optimal ditentukan untuk memaksimalkan akurasi prediksi. Sistem ini tentunya sangat diharapkan untuk dapat membantu para tenaga medis dalam membuat keputusan yang lebih cepat dan tepat dalam pemilihan obat. Serta mengurangi resiko kesalahan dalam pemberian obat. Proses pengolahan data dalam penelitian ini mencakup tahapan data understanding, data cleaning, exploratory data analysis (EDA), data preparation, hingga modeling. Model K-Nearest Neighbors (K-NN) dengan parameter 𝑘 = 3 berhasil mencapai tingkat akurasi sebesar 78%, menunjukkan potensi pendekatan ini dalam analisis data yang dilakukan.
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK ANALISIS SENTIMEN PADA MEDIA SOSIAL X TERHADAP PERFORMA TIM NASIONAL SEPAK BOLA INDONESIA DI ERA KEPEMIMPINAN SHIN TAE-YONG Alfiyani, Wulan; Abdul Fatah, Doni; Irhamni, Firli
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.v9i3.13451

Abstract

Sepak bola merupakan olahraga yang paling diminati di Indonesia, dengan 77% penduduk menunjukkan ketertarikan terhadapnya. Selain itu, menurut laporan The Global Digital Football Benchmark mencatat enam klub sepak bola Indonesia masuk dalam daftar 200 klub terpopuler dunia. Platform media social X berperan sebagai sarana utama bagi masyarakat dalam menngekspresikan opini, termasuk opini terkait performa Tim Nasional Indonesia. Penelitian ini menganalisis sentimen masyarakat terhadap kinerja Tim Nasional Indonesia selama masa kepelatihan Shin Tae-yong. Data berupa 393 tweet diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Naive Bayes. Sebelum analisis, data diproses melalui tahapan seperti cleaning, tokenize, transform cases, stopword removal dan filtering untuk meningkatkan akurasi. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mencapai tingkat akurasi yang sangat tinggi, yaitu 98,73%, dengan precision 100, 00% (positive class : positif) dan recall 97,50% (positive class : positif), menandakan bahwa naïve bayes mampu mengklasifikasikan tweet dengan sangat baik. Dari 393 tweet yang dianalisis, sentiment positif lebih dominan dengan 50,9% atau 200 tweet, sedangkan sentiment negatif sebanyak 49,1% atau 193 tweet, menunjukkan bahwa opini terhadap topik yang diteliti cukup seimbang, meskipun lebih condong ke arah yang positif. Penelitian ini memberikan pemahaman mendalam mengenai persepsi masyarakat terhadap kinerja Tim Nasional di bawah kepemimpinan Shin Tae-yong.
PENERAPAN METODE DECISION TREE DALAM KLASIFIKASI PENDERITA PENYAKIT DIABETES MENGGUNAKAN ALGORITMA C4.5 Mashitapasha, Revica; Damayanti, Fitri; Abdul Fatah, Doni
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.v9i3.13532

Abstract

Diabetes merupakan penyakit serius yang disebabkan oleh ketidakmampuan pankreas dalam memproduksi insulin secara optimal. Jika tidak dideteksi dan ditangani dengan baik, diabetes dapat menyebabkan komplikasi berat seperti kebutaan, gagal jantung, bahkan kematian. Faktor-faktor penyebab diabetes antara lain keturunan, berat badan, usia, tekanan darah serta gaya hidup. Namun, gejala awal sering kali tidak terlihat sehingga diperlukan metode deteksi dini untuk mengurangi risiko komplikasi. Penelitian ini bertujuan untuk menerapkan metode klasifikasi dalam data mining menggunakan algoritma C4.5 dalam membentuk pohon Keputusan (Decision Tree) untuk mengklasifikasikan penderita penyakit diabetes. Penelitian ini menggunakan dataset dari Kaggle yang berisi 2.000 data dengan 4 atribut dan 1 label target. Data dilakukan normalisasi dan transformasi sebelum diklasifikasikan menggunakan algoritma Decision Tree C4.5. Pengujian dilakukan menggunakan confusion matrix untuk mengevaluasi performa model berdasarkan akurasi, presisi, dan recall. Dari hasil pengujian menggunakan confusion matrix, diperoleh akurasi sebesar 77%, presisi sebesar 50%, dan recall sebesar 74 %. Hasil ini menunjukkan bahwa model klasifikasi yang diterapkan memiliki kinerja yang cukup baik dalam mengidentifikasi penderita diabetes.
Analisis Sentimen Opini Masyarakat Terhadap Kebijakan Kenaikan PPN (Pajak Pertambahan Nilai) pada Media Sosial Twitter dengan Metode Support Vector Machine Kemal Khadafi; Firli Irhamn; Doni Abdul Fatah
Comit: Communication, Information and Technology Journal Vol. 3 No. 2 (2025): Comit: Communication and Information Journal
Publisher : IAI Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/comit.v3i2.8778

Abstract

The increase in Value Added Tax (VAT) as part of the government's fiscal policy has caused various responses from the public. This study aims to determine public perceptions of the VAT increase policy by analyzing sentiments expressed through Twitter social media. A total of 1500 Indonesian-language tweets were collected using Tweet-Harvest in the period from June 1, 2024 to June 1, 2025. The data was then processed through the stages of cleaning, case folding, tokenizing, stopword removal, and stemming. Text features were extracted using the Term Frequency-Inverse Document Frequency (TF-IDF) method, and classified into positive, negative, and neutral sentiments using the Support Vector Machine (SVM) algorithm with a linear kernel. The classification results showed that neutral sentiment was the most dominant, followed by negative and positive sentiments. The SVM model performed well with an accuracy of 89.09%, proving its effectiveness in classifying Indonesian-language social media texts. This study is expected to provide input for the government in understanding public perception of the policies implemented, as well as demonstrating the potential of sentiment analysis as a tool in digital public opinion-based decision making.
Penerapan Metode Simplex Untuk Memaksimalkan Rencana Produksi Usaha Mikro Kecil dan Menengah (Studi Kasus : Bongko Arosbaya) Rizal, Fahrur; Soesilo, Budi; Fatah, Doni Abdul
Innovative: Journal Of Social Science Research Vol. 4 No. 6 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i6.16397

Abstract

Optimalisasi adalah proses untuk meminimalkan atau memaksimalkan fungsi tujuan dengan keterbatasan sumber daya. Bongko Arosbaya, sebuah UMKM menengah ke bawah, perlu mengoptimalkan produksi untuk meningkatkan keuntungan. Saat ini, fokusnya hanya pada produksi dan penjualan. Tujuan penelitian ini dalam rangka memaksimalkan hasil produksi dengan metode linear programming melalui SIMPLEX. Hasil analisis menunjukkan bahwa produksi Bongko Original (X1) perlu ditambah sebanyak 100 pcs, sehingga total produksi optimal menjadi 250 pcs. Untuk Bongko Mutiara (X2), produksi perlu ditambah 51 pcs, menjadikannya total 151 pcs. Sementara itu, Bongko Pisang (X3) disarankan untuk tidak diproduksi. Dengan langkah-langkah ini, keuntungan optimal yang diperoleh UMKM Bongko Arosbaya mencapai Rp 1.228.624. dibandingkan dengan keuntungan faktual sebelumnya sebesar Rp 1.000.000, memberikan selisih keuntungan dengan jumlah Rp 228.624
Co-Authors Achmad Yasid Agung Ridwan Asmaka Alfiyani, Wulan Ali Syakur, Muhammad Anam, Nafi'ul Andharini Dwi Cahyani Angkoso, Cucun Very Apria Ananda Anam, Pinky Budi Soesilo Cholik Setyo Laksono Dafid, Ach Dini L. A. Diniyanti Diniyanti Eka R. Putri Fachrudin, Muchammad Farchan Farhan Reynaldi Valerian Fifin Ayu Mufarroha Firdaus, Muhammad Adzin Firli Irhamn Firli Irhamni Fitri Damayanti Fukaha, Syaechu Agiel Hairil Budiarto Haryadi, Alya Nabila Putri Hastie Audytra Hibrizi, Muhammad Akmal Nabil Hidayatullah, Ridho Ibnu Irawan Ifandia, Alfian Mahendra Ika Oktavia Suzanti Irma Dila Febrianti Irsyada, Rahmat Jamaluddin Al Afghoni Jefri Maulana Haq Julian Sahertian Junarti Junarti Kamil, Fajrul Ihsan Kemal Khadafi Khusnul Fatimah M Ubaidillah M Zainudin M. Boy Singgih Gitayuda M. Zainudin Mahendra Ifandia, Alfian Mashitapasha, Revica Moch. Mifahul Huda Firmansyah Moh Jufriyanto Mohammad Syarief, Mohammad Muhammad Rafidianto Muharram Brihan Harimurti Mulaab Mulaab Muslihah, Paniti Nasrulloh Nasrulloh Negara , Yudha Dwi Putra Novi Duwi Saputri Nur H. Mustafit Nurmaya, Septia Tri Nurul Mahpiroh Okie Maria Amul Husnah Oktavia Dwi Iswahyuni Putra Argadinata, Andicho Rachmad Masbadi Hatullah Nurnaryo Resty Wulanningrum Reynaldi Valerian, Farhan Rifky Maulana Yusron Rifqi, Khoirur Rizal, Fahrur Sawaki, Sawaki Setya Chendra Wibawa Shofi Mubarok Shofia Hardi Soesilo, Budi Sukri, Hanifudin Syam, Akhmad Ramdani Syarifatun Miftakhul Rizki Teguh Pribadi Thorida Nur Asih Uddin, Syah Rafi Wahyudi Agustiono Wahyudi Agustiono Wahyudi Setiawan Yudha Dwi Putra Negara, Yudha Yusuf Khoirul Umam Yusuf Khoirul Umam Zidni Alfian Barik