Garuda - Garba Rujukan Digital

AHP-COPRAS untuk Pemeringkatan Ketersediaan Fasilitas Kesehatan di Indonesia Wibisono, Setyawan; Hadikurniawati, Wiwien; Almin, Imam Husni Al
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 8 No. 1 : Tahun 2023
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

In handling Covid-19, health resources are one of the factors that play a very important role in reducing the death rate. For this reason, we offer a study on the topic of ranking the availability of health resources in handling the Covid-19 pandemic in provinces in Indonesia using the AHP (Analytical Hierarchy Process) and COPRAS (Complex Proportional Assessment) hybrid methods. The use of the pairwise comparison matrix as a method for testing the validity of the weights for each criterion produces a weight value of 0.363760164 for the criteria for the number of doctors per population and the criteria for the number of nurses per population, a weight value of 0.1588353 for beds per 1000 people, a weight value of 0, 075333696 for the number of hospitals per population, and a weight value of 0.038310676 when going to the hospital. This ranking system places DKI Jakarta first with a utility value of 100%, while the second rank is the Special Region of Yogyakarta with a utility value of 63.59. There is a considerable gap compared to other provinces in terms of the availability of health resources in handling the Covid-19 pandemic. The availability of health facilities in DKI Jakarta is quite far when compared to other provinces in terms of the availability of health resources in handling the Covid-19 pandemic. DKI Jakarta remains the area with the most excellent health facilities.

Social Network Analysis untuk Pemeringkatan Popularitas Makanan Cepat Saji Menggunakan Metode PSI Wibisono, Setyawan; Hadikurniawati, Wiwien; Lestariningsih, Endang; Wahyudi, Eko Nur; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 1 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

This research aims to rank the popularity of fast-food brands in Indonesia based on Twitter conversations using the Preference Selection Index (PSI) method and validate the results with COPRAS and AHP-COPRAS methods. Data were obtained by crawling Twitter from April 21, 2023, to April 28, 2023. Seven well-known brands, such as KFC, MCD, PizzaHut, Hokben, Solaria, JCo, and Richeese, were evaluated as alternatives using eight criteria through Social Network Analysis. The criteria were categorized into advantageous and disadvantageous, and preference values were calculated using PSI. After normalizing the decision matrix, calculations were performed for preference variation and overall preference values. Alternatives were ranked based on the preference selection index, and the results were validated with COPRAS and AHP-COPRAS. The results revealed significant differences in rankings between the PSI method and others. The alternative that received the highest rank changed from A2 (COPRAS and AHP-COPRAS) to A3 (PSI). This emphasizes the importance of choosing the right method for brand ranking, as it can influence decision-making. Method validation through result comparison with other methods provides additional insights into the reliability of the PSI method in the context of this research.

Optimalisasi Model Klasifikasi Diabetes Menggunakan Ensemble Learning Adaboost, Gradient Boosting, dan XGBoost Wibisono, Setyawan; Hadikurniawati, Wiwien; Yulianton, Heribertus; Lestariningsih, Endang; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Diabetes mellitus adalah penyakit kronis yang memengaruhi jutaan orang secara global dan membutuhkan metode diagnosis dini untuk mencegah komplikasi. Penelitian ini bertujuan untuk mengoptimalkan prediksi diabetes dengan membandingkan tiga metode ensemble learning: AdaBoost, Gradient Boosting, dan XGBoost. Dataset yang digunakan adalah Diabetes Health Indicators, yang menggabungkan indikator kesehatan seperti tekanan darah, kolesterol, dan kebiasaan gaya hidup. Tahapan penelitian meliputi pemrosesan data, pengembangan model, serta eval_uasi performa menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC (Area Under the Curve). Hasil menunjukkan bahwa Gradient Boosting unggul dalam akurasi dan AUC, menandakan kemampuan yang lebih baik dalam mendeteksi diabetes secara konsisten dibandingkan dengan dua metode lainnya. AdaBoost memperlihatkan keseimbangan yang baik antara presisi dan recall, menjadikannya cocok untuk skenario yang memerlukan pengendalian kesalahan positif dan negatif secara proporsional. Sementara itu, XGBoost menawarkan efisiensi pemrosesan yang optimal dengan performa yang kompetitif. Gradient Boosting direkomendasikan untuk aplikasi klinis yang membutuhkan akurasi tinggi, sedangkan AdaBoost dapat menjadi alternatif ketika keseimbangan prediksi menjadi prioritas. Penelitian ini berkontribusi dalam pengembangan alat prediksi diabetes yang lebih akurat, efektif, dan dapat diterapkan di sektor kesehatan untuk mendukung upaya deteksi dini.

Analisis Komparatif Metode Ensemble Learning pada Prediksi Kanker Payudara Nur Cahyo IA, Nur Cahyo IA; Wibisono, Setyawan
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga metode ensemble learning, yaitu Random Forest, AdaBoost, dan XGBoost, dalam mengklasifikasikan data kanker payudara. Dataset yang digunakan adalah Wisconsin Breast Cancer (WBC) dari UCI Machine Learning Repository. Metode ensemble diterapkan karena kemampuannya dalam meningkatkan stabilitas dan akurasi prediksi dengan menggabungkan beberapa model dasar. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion matrix dan AUC, dengan pendekatan validasi silang 10-fold. Hasil penelitian menunjukkan bahwa AdaBoost memberikan hasil paling seimbang dengan akurasi tertinggi sebesar 96,31% dan kesalahan klasifikasi paling minimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi dini kanker berbasis machine learning.

AHP-COPRAS untuk Pemeringkatan Ketersediaan Fasilitas Kesehatan di Indonesia Wibisono, Setyawan; Hadikurniawati, Wiwien; Almin, Imam Husni Al
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 8 No. 1 : Tahun 2023
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

In handling Covid-19, health resources are one of the factors that play a very important role in reducing the death rate. For this reason, we offer a study on the topic of ranking the availability of health resources in handling the Covid-19 pandemic in provinces in Indonesia using the AHP (Analytical Hierarchy Process) and COPRAS (Complex Proportional Assessment) hybrid methods. The use of the pairwise comparison matrix as a method for testing the validity of the weights for each criterion produces a weight value of 0.363760164 for the criteria for the number of doctors per population and the criteria for the number of nurses per population, a weight value of 0.1588353 for beds per 1000 people, a weight value of 0, 075333696 for the number of hospitals per population, and a weight value of 0.038310676 when going to the hospital. This ranking system places DKI Jakarta first with a utility value of 100%, while the second rank is the Special Region of Yogyakarta with a utility value of 63.59. There is a considerable gap compared to other provinces in terms of the availability of health resources in handling the Covid-19 pandemic. The availability of health facilities in DKI Jakarta is quite far when compared to other provinces in terms of the availability of health resources in handling the Covid-19 pandemic. DKI Jakarta remains the area with the most excellent health facilities.

Social Network Analysis untuk Pemeringkatan Popularitas Makanan Cepat Saji Menggunakan Metode PSI Wibisono, Setyawan; Hadikurniawati, Wiwien; Lestariningsih, Endang; Wahyudi, Eko Nur; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 1 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

This research aims to rank the popularity of fast-food brands in Indonesia based on Twitter conversations using the Preference Selection Index (PSI) method and validate the results with COPRAS and AHP-COPRAS methods. Data were obtained by crawling Twitter from April 21, 2023, to April 28, 2023. Seven well-known brands, such as KFC, MCD, PizzaHut, Hokben, Solaria, JCo, and Richeese, were evaluated as alternatives using eight criteria through Social Network Analysis. The criteria were categorized into advantageous and disadvantageous, and preference values were calculated using PSI. After normalizing the decision matrix, calculations were performed for preference variation and overall preference values. Alternatives were ranked based on the preference selection index, and the results were validated with COPRAS and AHP-COPRAS. The results revealed significant differences in rankings between the PSI method and others. The alternative that received the highest rank changed from A2 (COPRAS and AHP-COPRAS) to A3 (PSI). This emphasizes the importance of choosing the right method for brand ranking, as it can influence decision-making. Method validation through result comparison with other methods provides additional insights into the reliability of the PSI method in the context of this research.

Optimalisasi Model Klasifikasi Diabetes Menggunakan Ensemble Learning Adaboost, Gradient Boosting, dan XGBoost Wibisono, Setyawan; Hadikurniawati, Wiwien; Yulianton, Heribertus; Lestariningsih, Endang; Cahyono, Taufiq Dwi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Diabetes mellitus adalah penyakit kronis yang memengaruhi jutaan orang secara global dan membutuhkan metode diagnosis dini untuk mencegah komplikasi. Penelitian ini bertujuan untuk mengoptimalkan prediksi diabetes dengan membandingkan tiga metode ensemble learning: AdaBoost, Gradient Boosting, dan XGBoost. Dataset yang digunakan adalah Diabetes Health Indicators, yang menggabungkan indikator kesehatan seperti tekanan darah, kolesterol, dan kebiasaan gaya hidup. Tahapan penelitian meliputi pemrosesan data, pengembangan model, serta eval_uasi performa menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC (Area Under the Curve). Hasil menunjukkan bahwa Gradient Boosting unggul dalam akurasi dan AUC, menandakan kemampuan yang lebih baik dalam mendeteksi diabetes secara konsisten dibandingkan dengan dua metode lainnya. AdaBoost memperlihatkan keseimbangan yang baik antara presisi dan recall, menjadikannya cocok untuk skenario yang memerlukan pengendalian kesalahan positif dan negatif secara proporsional. Sementara itu, XGBoost menawarkan efisiensi pemrosesan yang optimal dengan performa yang kompetitif. Gradient Boosting direkomendasikan untuk aplikasi klinis yang membutuhkan akurasi tinggi, sedangkan AdaBoost dapat menjadi alternatif ketika keseimbangan prediksi menjadi prioritas. Penelitian ini berkontribusi dalam pengembangan alat prediksi diabetes yang lebih akurat, efektif, dan dapat diterapkan di sektor kesehatan untuk mendukung upaya deteksi dini.

Analisis Komparatif Metode Ensemble Learning pada Prediksi Kanker Payudara Nur Cahyo IA, Nur Cahyo IA; Wibisono, Setyawan
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga metode ensemble learning, yaitu Random Forest, AdaBoost, dan XGBoost, dalam mengklasifikasikan data kanker payudara. Dataset yang digunakan adalah Wisconsin Breast Cancer (WBC) dari UCI Machine Learning Repository. Metode ensemble diterapkan karena kemampuannya dalam meningkatkan stabilitas dan akurasi prediksi dengan menggabungkan beberapa model dasar. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion matrix dan AUC, dengan pendekatan validasi silang 10-fold. Hasil penelitian menunjukkan bahwa AdaBoost memberikan hasil paling seimbang dengan akurasi tertinggi sebesar 96,31% dan kesalahan klasifikasi paling minimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi dini kanker berbasis machine learning.

Sistem Pendukung Keputusan Pemilihan Kos Di Semarang Dengan Metode AHP-WASPAS Huda Damar Sangkara; Setyawan Wibisono
Elkom: Jurnal Elektronika dan Komputer Vol. 16 No. 1 (2023): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v16i1.933

Kos merupakan tempat tinggal sementara bagi beberapa orang, salah satunya mahasiswa atau karyawan yang tinggal jauh dari tempat asalnya. Banyak faktor yang harus diperhatikan dalam memilih kos yang sesuai dengan keinginan, membuat memilih kos yang sesuai dengan keinginan menjadi hal yang sulit. Faktor-faktor yang mempengaruhi pemilihan kos antara lain harga sewa kos itu sendiri per bulan atau per tahun, fasilitas yang tersedia di kos, jarak dari kos dan luas kamar. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan pemilihan kos di kota Semarang dengan menggunakan metode AHP-WASPAS. Hasil rekomendasi dari pemilihan kos dengan kriteria tipe putri dengan AHP diperoleh bobot biaya 0,79, bobot luas kamar 0,08, bobot jarak 0,11 dan bobot fasilitas 0,02, rekomendasi untuk kos adalah kos Maridjah. 3. Kos Maridjah memiliki skor tertinggi karena memiliki harga terendah dimana kriteria biaya memiliki persentase bobot tertinggi. Perpaduan keunggulan biaya dan keunggulan bobot memberikan Kos Maridjah nilai yang tinggi.

Implementasi AHP-WASPAS Untuk Pemilihan Internet Service Provider (ISP) dirgantara krisna gaesa; Setyawan Wibisono
Elkom: Jurnal Elektronika dan Komputer Vol. 16 No. 1 (2023): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v16i1.992

Internet Service Provider (ISP) is a company that provides internet services. The ISP network is a national and international scale network so that customers can be connected globally. There are many factors that must be considered in selecting an ISP, making choosing an ISP a difficult task. Factors that influence ISP selection include cost, bandwidth, coverage area and type of connection. ISP providers offer a variety of advantages that make it difficult for customers to choose the right provider. The method applied in determining ISP providers is the AHP method used for weighting criteria while the WASPAS method is used for evaluating ISP providers with the criteria of cost, bandwidth, coverage area and type of connection. The rating process using the WASPAS method uses four assessment criteria, namely cost with a weight of 0.54, bandwidth with a weight of 0.38, coverage area with a weight of 0.05 and type of connection with a weight of 0.03. The final results of the ranking show that ISPs with low cost, large bandwidth and wide coverage areas will make these ISPs the best choice, this is because the criteria for cost, bandwidth and coverage area have high weight. Conversely, ISPs with high costs and small coverage areas will be the worst choices in the ranking list.

Title

Found 71 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 71 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 71 Documents
Search