Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Klik - Jurnal Ilmu Komputer Jurnal Pengabdian Masyarakat Ilmu Komputer
Ubaidillah Ubaidillah
Universitas Sumatera Selatan
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Environmental Science Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Analisis Perbandingan Algoritma Decision Tree, K-NN, Naive Bayes, dan XGBoost Memprediksi Penyakit Diabetes Menggunakan Data Behavioral Risk Factor Surveillance System Lily Pebriana. S; Fitra Salam S. Nagalay; Ubaidillah Ubaidillah
Klik - Jurnal Ilmu Komputer Vol. 7 No. 1 (2026): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v7i1.777

Abstract

Penyakit diabetes melitus merupakan masalah kesehatan global yang memerlukan deteksi dini secara akurat. Penelitian ini bertujuan untuk membandingkan kinerja empat algoritma Machine Learning, Decision Tree, K-Nearest Neighbor (K-NN), Naive Bayes, dan XGBoost dalam memprediksi risiko diabetes berdasarkan indikator gaya hidup. Data yang digunakan bersumber dari dataset sekunder Behavioral Risk Factor Surveillance System (BRFSS) tahun 2015 yang memiliki karakteristik kelas tidak seimbang (imbalanced data). Evaluasi model dilakukan menggunakan pembagian data uji sebesar 20%, dengan metrik pengujian yang mencakup Akurasi, Precision, Recall, F1-Score, serta analisis Confusion Matrix. Hasil penelitian menunjukkan bahwa algoritma XGBoost mencapai tingkat akurasi keseluruhan tertinggi sebesar 86,71%. Namun, akibat ketidakseimbangan dataset, model tersebut cenderung gagal mendeteksi kelas minoritas sehingga menghasilkan nilai Recall yang sangat rendah (17,80%). Sebaliknya, algoritma Naive Bayes dengan tingkat akurasi 77,20% justru berhasil mencatatkan kinerja diagnostik terbaik, dibuktikan dengan nilai Recall tertinggi (56,55%) dan F1-Score (40,62%). Kesimpulan dari penelitian ini menegaskan bahwa untuk tujuan skrining medis, di mana kesalahan False Negative sangat berisiko fatal, Naive Bayes merupakan model klasifikasi yang paling fungsional dan dapat diandalkan dibandingkan model yang sekadar mengandalkan akurasi tinggi.
PELATIHAN MAIL MERGE UNTUK MENINGKATKAN ADMINISTRASI SURAT-MENYURAT PENGURUS RT 56 KELURAHAN BUKIT LAMA Ubaidillah Ubaidillah; Ruswa Dwipa; Serly Oktarina; Vanesha Rahmania; Rikkie Dekas; Jailani Jailani
Jurnal Pengabdian Masyarakat Ilmu Komputer Vol. 3 No. 2 (2026): Mei
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jpmik.v3i2.4166

Abstract

Administrasi surat-menyurat merupakan salah satu tugas penting pengurus RT dalam memberikan pelayanan kepada masyarakat. Namun, proses pembuatan surat masih banyak dilakukan secara manual sehingga membutuhkan waktu yang relatif lama dan berpotensi menimbulkan kesalahan dalam penulisan data warga. Salah satu solusi untuk meningkatkan efisiensi administrasi adalah memanfaatkan fitur Mail Merge pada Microsoft Word yang mampu menghasilkan dokumen secara otomatis berdasarkan data yang tersimpan pada Microsoft Excel. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pengetahuan dan keterampilan pengurus RT 56 Kelurahan Bukit Lama dalam menggunakan fitur Mail Merge untuk mendukung administrasi surat-menyurat. Metode pelaksanaan kegiatan meliputi observasi kebutuhan mitra, penyusunan materi, penyampaian materi, demonstrasi, praktik langsung, diskusi, dan evaluasi melalui pretest, posttest, serta penilaian praktik peserta. Kegiatan diikuti oleh enam peserta yang terdiri atas Ketua RT dan pengurus RT. Hasil evaluasi menunjukkan bahwa nilai rata-rata peserta meningkat dari 58,3 pada pretest menjadi 91,7 pada posttest atau mengalami peningkatan sebesar 57,3%. Selain itu, 100% peserta mampu membuat dokumen surat menggunakan fitur Mail Merge secara mandiri sesuai dengan studi kasus yang diberikan. Hasil tersebut menunjukkan bahwa pelatihan berhasil meningkatkan pemahaman dan keterampilan peserta dalam memanfaatkan Mail Merge sehingga proses administrasi surat-menyurat menjadi lebih cepat, akurat, dan efisien. Kegiatan ini diharapkan dapat mendukung digitalisasi administrasi di lingkungan RT serta meningkatkan kualitas pelayanan kepada masyarakat.
Perancangan Aplikasi Laporan Pengiriman Barang Berbasis Web Anggoro Aryo Pramuditho; Ubaidillah Ubaidillah
Klik - Jurnal Ilmu Komputer Vol. 6 No. 1 (2025): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v6i1.690

Abstract

CV Dua Putri merupakan perusahaan jasa ekspedisi yang berlokasi di Palembang dengan jalur distribusi menuju Jambi. Proses bisnis perusahaan masih dilakukan secara manual, mulai dari pencatatan pesanan hingga pelaporan pengiriman menggunakan dokumen Word dan arsip kertas. Kondisi ini menimbulkan berbagai permasalahan, seperti keterlambatan rekap bulanan, risiko kehilangan surat jalan, serta tidak efisien dalam pengelolaan data. Penelitian ini bertujuan merancang aplikasi laporan pengiriman barang berbasis web yang mampu meningkatkan efisiensi, akurasi, serta keamanan data perusahaan. Metodologi yang digunakan adalah iterasi, dengan tahapan perencanaan, analisis kebutuhan, perancangan sistem, implementasi, pengujian, serta evaluasi. Analisis PIECES digunakan untuk mengidentifikasi permasalahan, sedangkan perancangan dilakukan melalui Diagram Konteks, Data Flow Diagram (DFD), dan Entity Relationship Diagram (ERD). Aplikasi dikembangkan menggunakan PHP dengan framework Laravel dan MySQL sebagai basis data, serta diuji melalui black-box testing dan evaluasi usability dengan System Usability Scale (SUS). Hasil pengujian menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan pengguna, dengan skor SUS rata-rata 80 yang termasuk kategori Excellent. Dengan demikian, aplikasi yang dihasilkan dinilai efektif dalam mendukung pengelolaan laporan pengiriman barang secara digital, sekaligus meningkatkan kualitas pelayanan, akurasi data, dan efisiensi operasional. Penelitian ini juga dapat menjadi rujukan dalam pengembangan sistem informasi logistik pada perusahaan ekspedisi skala kecil dan menengah.
Perancangan Model Artificial Intelligence Prediktif untuk Identifikasi Awal Gangguan Mental pada Remaja Muhammad Bitrayoga; Ubaidillah Ubaidillah
Klik - Jurnal Ilmu Komputer Vol. 6 No. 2 (2025): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v6i2.744

Abstract

Gangguan mental pada mahasiswa merupakan permasalahan yang semakin meningkat dan memerlukan upaya identifikasi awal yang cepat dan sistematis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model Artificial Intelligence prediktif menggunakan algoritma Random Forest untuk melakukan identifikasi awal gangguan mental pada mahasiswa. Data penelitian diperoleh dari 300 responden mahasiswa melalui penyebaran kuesioner yang memuat indikator kondisi psikologis, tekanan akademik, dan faktor sosial. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembagian data latih dan data uji, pembangunan model, serta evaluasi performa model. Hasil pengujian menunjukkan bahwa model Random Forest mampu menghasilkan nilai accuracy sebesar 87%, precision sebesar 85%, recall sebesar 88%, dan F1-score sebesar 86%. Hasil tersebut menunjukkan bahwa model memiliki kemampuan klasifikasi yang baik dalam mengidentifikasi potensi gangguan mental secara awal. Model yang dihasilkan dapat dimanfaatkan sebagai sistem pendukung keputusan dalam membantu institusi pendidikan melakukan pemantauan kondisi mental mahasiswa secara lebih dini, tanpa menggantikan diagnosis tenaga profesional.
Co-Authors Anggoro Aryo Pramuditho Dekas, Rikkie Fitra Salam S. Nagalay Jailani Jailani Lily Pebriana. S Muhammad Bitrayoga Ruswa Dwipa Serly Oktarina Vanesha Rahmania