Article Per Year (5 Year)
p-Index From 2021 - 2026
3.469
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Sinergi Annual Research Seminar Journal of Management and Business Review JSiI (Jurnal Sistem Informasi) Kumawula: Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Business Intelligence (IJUBI) Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Reswara: Jurnal Pengabdian Kepada Masyarakat Sriwijaya Journal of Informatics and Applications DEVICE Jurnal Pendidikan Sains dan Komputer The Indonesian Journal of Computer Science
Jambak, Muhammad Ihsan
Fakultas Ilmu Komputer, Universitas Sriwijaya
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : DEVICE

 1 
KLASIFIKASI RISIKO PENYAKIT SERANGAN JANTUNG DENGAN MENGGUNAKAN ALGORITMA C4.5 Aida Khalisatifa; Hestiana Dela Arum; Muhammad Ihsan Jambak
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6869

Abstract

Penyakit jantung termasuk serangan jantung merupakan salah satu penyakit yang menjadi perhatian serius dalam dunia medis. Deteksi dini risiko penyakit jantung sangat penting untuk mencegah dampak yang lebih serius. Penelitian ini menggunakan dataset yang terdiri dari 303 data dengan tipe numerik dan nominal. Data tersebut diolah menggunakan algoritma C4.5 untuk melakukan klasifikasi risiko penyakit serangan jantung. Hasil penelitian menunjukkan bahwa algoritma tersebut mencapai tingkat akurasi sebesar 83,98%. Lebih lanjut, melalui decision tree mengidentifikasi bahwa faktor terbesar yang diketahui berkontribusi dalam penentuan risiko penyakit serangan jantung adalah faktor Cp (Chest Pain), Caa (n Major Vessels), Oldpeak, Sex, dan Exng (Exercise Angina). Temuan penelitian ini diharapkan dapat memberikan tambahan wawasan dalam upaya deteksi dini dan penanganan penyakit jantung di masa mendatang di mana model klasifikasi ini dapat digunakan sebagai alat skrining awal untuk mengidentifikasi individu yang berisiko tinggi terkena serangan jantung.
Perbandingan Metode Naïve Bayes dan SVM pada Ulasan Google Playstore Mobile Legends Bang Bang Patrick Gracezando Yehova; Jessica Jessica; Muhammad Ihsan Jambak
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.7052

Abstract

Perkembangan internet di Indonesia meningkatkan minat bermain game terbukti dari pertumbuhan pasar game hingga mencapai Rp25 triliun pada 2022. Penerapan analisis sentimen pada ulasan pengguna penting untuk membantu bisnis mengambil tindakan yang tepat guna meningkatkan produk, layanan, serta strategi bisnis. Penelitian ini bertujuan membandingkan kinerja melalui tingkat akurasi metode Support Vector Machine (SVM) dan Naïve Bayes, dalam analisis sentimen pengguna game Mobile Legends: Bang Bang pada ulasan Google Playstore. Dari total 796 dataset, sentimen negatif mencapai 73%, sedangkan sentimen positif hanya mencapai 27%. Hal ini menunjukkan ketidakseimbangan data, dengan lebih banyak sentimen negatif. Teknik upsampling SMOTE meningkatkan akurasi Naïve Bayes (82%) dan SVM (91%). Perbandingan ini menunjukkan kecenderungan yang jelas bahwa algoritma SVM memberikan kinerja yang lebih baik dalam mengklasifikasikan sentimen dari data yang telah dikumpulkan dan diujikan. Berdasarkan kurva ROC model klasifikasi Naïve Bayes lebih baik dibandingkan SVM dengan nilai AUROC sebesar 0,070.
KLASIFIKASI RISIKO PENYAKIT SERANGAN JANTUNG DENGAN MENGGUNAKAN ALGORITMA C4.5 Khalisatifa, Aida; Arum, Hestiana Dela; Jambak, Muhammad Ihsan
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.6869

Abstract

Penyakit jantung termasuk serangan jantung merupakan salah satu penyakit yang menjadi perhatian serius dalam dunia medis. Deteksi dini risiko penyakit jantung sangat penting untuk mencegah dampak yang lebih serius. Penelitian ini menggunakan dataset yang terdiri dari 303 data dengan tipe numerik dan nominal. Data tersebut diolah menggunakan algoritma C4.5 untuk melakukan klasifikasi risiko penyakit serangan jantung. Hasil penelitian menunjukkan bahwa algoritma tersebut mencapai tingkat akurasi sebesar 83,98%. Lebih lanjut, melalui decision tree mengidentifikasi bahwa faktor terbesar yang diketahui berkontribusi dalam penentuan risiko penyakit serangan jantung adalah faktor Cp (Chest Pain), Caa (n Major Vessels), Oldpeak, Sex, dan Exng (Exercise Angina). Temuan penelitian ini diharapkan dapat memberikan tambahan wawasan dalam upaya deteksi dini dan penanganan penyakit jantung di masa mendatang di mana model klasifikasi ini dapat digunakan sebagai alat skrining awal untuk mengidentifikasi individu yang berisiko tinggi terkena serangan jantung.
Perbandingan Metode Naïve Bayes dan SVM pada Ulasan Google Playstore Mobile Legends Bang Bang Yehova, Patrick Gracezando; Jessica, Jessica; Jambak, Muhammad Ihsan
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.7052

Abstract

Perkembangan internet di Indonesia meningkatkan minat bermain game terbukti dari pertumbuhan pasar game hingga mencapai Rp25 triliun pada 2022. Penerapan analisis sentimen pada ulasan pengguna penting untuk membantu bisnis mengambil tindakan yang tepat guna meningkatkan produk, layanan, serta strategi bisnis. Penelitian ini bertujuan membandingkan kinerja melalui tingkat akurasi metode Support Vector Machine (SVM) dan Naïve Bayes, dalam analisis sentimen pengguna game Mobile Legends: Bang Bang pada ulasan Google Playstore. Dari total 796 dataset, sentimen negatif mencapai 73%, sedangkan sentimen positif hanya mencapai 27%. Hal ini menunjukkan ketidakseimbangan data, dengan lebih banyak sentimen negatif. Teknik upsampling SMOTE meningkatkan akurasi Naïve Bayes (82%) dan SVM (91%). Perbandingan ini menunjukkan kecenderungan yang jelas bahwa algoritma SVM memberikan kinerja yang lebih baik dalam mengklasifikasikan sentimen dari data yang telah dikumpulkan dan diujikan. Berdasarkan kurva ROC model klasifikasi Naïve Bayes lebih baik dibandingkan SVM dengan nilai AUROC sebesar 0,070.
Co-Authors Aditya Febrianza Husin, Vikky Afif, Hasnan Aida Khalisatifa Ali Bardadi Allsela Meiriza, Allsela Amrifan Saladin Mohruni Andini, Rany Apriansyah Putra Ari Wedhasmara Ari Wedhasmara Aritonang, Cindy Nadira Elfarisa Arum, Hestiana Dela Athiyah, Rima Bayu Wijaya Putra Buchari, Muhammad Ali Candra, Salsabila Chantika, Trievanni Cindy Nadira Elfarisa Aritonang Danang Yonarta Danny M. Saputra Desty Rodiah DEWI SARTIKA Dian Apriani, Dian Apriani Dinna Yunika Hardiyanti Dwi Wulan Sari Endy Suherman Fanny Olivia Firda, Hiliah Florensia, Yesinta Gumay, Naretha Kawadha Hadipurnawan Satria Hardini Novianti Hardini Novianti Hardini Novianty Hestiana Dela Arum Hilditia Cici Triska Amirta Jessica Jessica Jessica Jessica Junia Kurniati, Junia Khalisatifa, Aida Madyasta Anggana Rarassari Megah Mulya Meylani Utari Mochamad Syaifudin, Mochamad Muhammad Irfan Jambak Nanda Aulia Sofiah Nirwana , Sevi Dian Novi Yusliani Pacu Putra Pangestu, Ridho Patrick Gracezando Yehova Primanita, Anggina Putri Eka Sevtiyuni Rahma Haniffia Rahmat Izwan Heroza Ramadhana, Yulinda Retno Cahya Mukti Rifkie Primartha Rusdi Efendi Rusdi Efendi Rusdi Efendi Rusdi Efendi Samsuryadi Sahmin Samsuryadi Samsuryadi Suryani, Mifta Aprilya Syechky Al Qodrin Talita Aminisari, Sapina Tanbiyaskur Tanbiyaskur Tiara Dewangga Trievanni Chantika Winda Kurnia Sari Yadi Utama Yehova, Patrick Gracezando Zhafira Zafitri