Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Informatika Polinema (JIP)
Alfanda Novebrian Maharadja
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Metode Regresi Linear Berganda untuk Prediksi Kerugian Negara Berdasarkan Kasus Tindak Pidana Korupsi Alfanda Novebrian Maharadja; Iqbal Maulana; Budi Arif Dermawan
Journal of Applied Informatics and Computing Vol 5 No 1 (2021): July 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i1.3184

Abstract

Tindak pidana korupsi merupakan kegiatan yang dapat mengakibatkan kerugian keuangan negara atau perekonomian negara serta dapat menghambat pembangunan nasional. Semenjak penindakan kasus korupsi 2013-2020, pada tahun 2014 merupakan angka tertinggi dalam jumlah kasus, yaitu sebanyak 629 kasus, sedangkan pada tahun 2020 negara mengalami kerugian tertinggi sebesar Rp. 18,6 Triliun. Adanya permasalahan tersebut perlu dilakukan kebijakan yang tepat serta antisipasi dalam meminimalisir kerugian negara pada tahun selanjutnya. Oleh karena itu penelitian ini melakukan prediksi kerugian negara berdasarkan tindak pidana korupsi dengan menggunakan regresi linear berganda. Regresi linear berganda merupakan salah satu metode statistik yang digunakan untuk menelusuri pola hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Pembelajaran regresi linear berganda dalam penelitian ini menghasilkan model regresi yang dimana menghasilkan nilai konstanta yaitu 284645.5891073216 serta nilai koefisien yaitu -139837.38007863 dan 363493.06049751. Kemudian penelitian ini melakukan pengukuran performa model regresi linear dengan kondisi pembagian data 80% untuk data training dan 20% untuk data testing. Dari kondisi pembagian data tersebut memperoleh nilai RMSE sebesar 8447373.485 untuk data training dan 9769609.026 untuk data testing. Sedangkan untuk nilai koefesien determinasi memperoleh nilai sebesar 0.579 untuk data training yang tingkat hubungan antar variabelnya cukup kuat dan 0.662 untuk data testing yang berarti tingkat hubungan antar variabelnya kuat. Dengan melakukan prediksi menggunakan metode regresi linear berganda dapat memberikan informasi yang membantu pemerintah dalam mengambil kebijakan yang tepat terahadap permasalahan kasus korupsi serta meminimalisir dan mengantisipasi kerugian negara yang lebih besar untuk tahun selanjutnya.
Klasifikasi Penentuan Jenis Obat Menggunakan Algoritma Decision Tree Rika Nursyahfitri; Alfanda Novebrian Maharadja; Riva Arsyad Farissa; Yuyun Umaidah
Jurnal Informatika Polinema Vol. 7 No. 3 (2021): Vol 7 No 3 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i3.629

Abstract

Data Mining merupakan suatu proses untuk mengidentifikasi informasi dan pengetahuan yang bermanfaat. Klasifikasi merupakan salah satu teknik data mining yang dapat digunakan untuk prediksi, dimana nilai yang diprediksi berupa label. Klasifikasi penentuan jenis obat bertujuan untuk memprediksi jenis obat yang tepat untuk pasien dengan menganalisis dataset yang telah diperoleh. Data yang digunakan pada penelitian ini adalah data hasil catatan medis pasien berdasarkan gejala penyakit yang diderita namun belum diketahui jenis obatnya. Dataset yang digunakan merupakan data sekunder, yang berasal dari kaggle.com. Data terdiri dari 200 record dengan 6 variabel (Usia, Jenis Kelamin, Tingkat Tekanan Darah, Tingkat Kolesterol, Na to K dan Jenis Obat) dimana 5 variabel sebagai predictor dan 1 variabel sebagai class target. Data kemudian dipresentasikan kedalam bentuk pohon keputusan dengan suatu model matematis menggunakan bahasa pemograman R. Untuk menyelesaikan permasalahan, maka digunakan sebuah metode klasifikasi dalam data mining yaitu decision tree C4.5. Algoritma C4.5 digunakan untuk menemukan hubungan antara calon sejumlah variabel, sehingga menjadi sebuah variabel target klasifikasi dengan pembagian data menjadi 2 yaitu 70% data training dan 30% data testing. Hasil pengujian yang diperoleh pada penelitian ini berupa aturan dan tingkat nilai accuracy sebesar 100%, sehingga dapat dsimpulkan kinerja algoritma C4.5 dinilai sangat baik dalam memprediksi jenis obat.
Co-Authors Budi Arif Dermawan Iqbal Maulana Rika Nursyahfitri Riva Arsyad Farissa Yuyun Umaidah