Garuda - Garba Rujukan Digital

Aris Thobirin

Unknown Affiliation

Author-ID : 4330982

Computer Science & IT Engineering Mathematics

Published : 5 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1

Klasifikasi penentuan status gizi balita dengan metode naive bayes Alfiyyah 'Ainul Abdillah; Aris Thobirin; Dian Eka Wijayanti
Jurnal Ilmiah Matematika Vol 11, No 1 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i1.30139

Klasifikasi merupakan pengelompokan untuk memprediksi suatu kelas berdasarkan data dan data-data tersebut memiliki table atau atribut. Salah satu metode dalam klasifikasi adalah naïve bayes. Metode naïve bayes banyak digunakan dalam berbagai bidang penelitian. Pada bidang kesehatan, metode naïve bayes digunakan dalam penelitian kesehatan anak. Salah satu penelitiannya membahas tentang gizi pada bayi dibawah umur lima tahun. Pada penelitian klasifikasi status gizi balita dengan metode naive bayes digunakan untuk melakukan klasifikasi data pada kelas tertentu. Metode naive bayes diterapkan pada penelitian ini untuk mengidentifikasi data balita. Data balita tersebut kemudian dianalisis untuk pembuatan model. Setelah pembuatan model kemudian menentukan model yang terbaik. Selanjutnya, model tersebut digunakan untuk memprediksi data balita di Puskesmas Ponjong I. Hasil penelitian menunjukkan bahwa pembagian data dengan perbandingan 90% data training dan 10% data testing menghasilkan akurasi sebesar 82,14%. Model klasifikasi ini mampu memprediksi status gizi balita dengan lebih baik daripada pembagian data lainnya. Hasil prediksi menunjukkan bahwa terdapat 14 anak dengan status gizi baik, 2 anak dengan gizi kurang, dan 2 anak dengan gizi lebih. Informasi ini memiliki implikasi penting bagi puskesmas, karena puskesmas dapat melakukan perawatan dan pengawasan lebih fokus terhadap kelima balita yang diklasifikasikan memiliki masalah gizi yang buruk.

Klasifikasi penentuan status gizi balita dengan metode naive bayes Alfiyyah 'Ainul Abdillah; Aris Thobirin; Dian Eka Wijayanti
Jurnal Ilmiah Matematika Vol. 11 No. 1 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i1.30139

Klasifikasi merupakan pengelompokan untuk memprediksi suatu kelas berdasarkan data dan data-data tersebut memiliki table atau atribut. Salah satu metode dalam klasifikasi adalah naïve bayes. Metode naïve bayes banyak digunakan dalam berbagai bidang penelitian. Pada bidang kesehatan, metode naïve bayes digunakan dalam penelitian kesehatan anak. Salah satu penelitiannya membahas tentang gizi pada bayi dibawah umur lima tahun. Pada penelitian klasifikasi status gizi balita dengan metode naive bayes digunakan untuk melakukan klasifikasi data pada kelas tertentu. Metode naive bayes diterapkan pada penelitian ini untuk mengidentifikasi data balita. Data balita tersebut kemudian dianalisis untuk pembuatan model. Setelah pembuatan model kemudian menentukan model yang terbaik. Selanjutnya, model tersebut digunakan untuk memprediksi data balita di Puskesmas Ponjong I. Hasil penelitian menunjukkan bahwa pembagian data dengan perbandingan 90% data training dan 10% data testing menghasilkan akurasi sebesar 82,14%. Model klasifikasi ini mampu memprediksi status gizi balita dengan lebih baik daripada pembagian data lainnya. Hasil prediksi menunjukkan bahwa terdapat 14 anak dengan status gizi baik, 2 anak dengan gizi kurang, dan 2 anak dengan gizi lebih. Informasi ini memiliki implikasi penting bagi puskesmas, karena puskesmas dapat melakukan perawatan dan pengawasan lebih fokus terhadap kelima balita yang diklasifikasikan memiliki masalah gizi yang buruk.

Analisa dan Prediksi Cost Pada Food Mart Menggunakan Model Algoritma Random Forest Regression Aris Thobirin; Zulfatin Nafisah
Jurnal Ilmiah Matematika Vol. 11 No. 2 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v11i2.30666

Perusahaan Convenient Food Mart (CFM) berada di Amerika Serikat yang menjual berbagai produk bahan makanan, minuman ringan hingga makanan siap saji menerapkan strategi Cost Acquisition Customer (CAC) untuk mengetahui analisa target dan besaran biaya yang akan dikeluarkan sehingga tidak mengeluarkan biaya anggaran yang tinggi dan tetap mempertahankan pelanggan serta menarik pelanggan yang baru. Oleh karena itu, penulis memprediksi biaya akuisisi pelanggan tersebut menggunakan model Random Forest Regression. Berdasarkan model algoritma tersebut diperoleh nilai akurasi atau �2 score sebesar 0.901893 sehingga model algoritma tersebut memiliki performa model atau nilai keakuratan yang cukup baik. Sedangkan untuk feature importance atau variabel terpenting dari model algoritma tersebut terdiri dari promotion name dengan nilai 0.5, store city dengan nilai 0.2, dan store state dengan nilai 0.19.. Pada algoritma Random Forest Regression juga diperoleh nilai prediksi yang tidak berbeda jauh dengan nilai aktualnya sehingga besaran biaya yang dikeluarkan tidak berbeda jauh dari aslinya untuk mencapai target tertentu.

Title Search

Found 3 Documents Search Journal : Jurnal Ilmiah Matematika

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Jurnal Ilmiah Matematika