Garuda - Garba Rujukan Digital

PENERAPAN METODE DISCRETIZATION DAN ADABOOST UNTUK MENINGKATKAN AKURASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI PENYAKIT JANTUNG Annisa Maulana Majid; Muhammad Najamuddin Dwi Miharja
Indonesian Journal of Business Intelligence (IJUBI) Vol 5, No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v5i2.2689

Angka kematian yang disebabkan oleh penyakit jantung dapat dikurangi jika ada diagnosa yang akurat sejak dini. Penelitian sebelumnya dalam memprediksi penyakit jantung dengan tingkat akurasi telah dilakukan namun menghasilkan akurasi yang kecil pada algoritma Decision Tree C4.5 dan K-Nearest Neighbor (KNN). Untuk itu diperlukan adanya peningkatan akurasi agar menghasilkan keakuratan informasi. Tujuan penelitian ini adalah untuk meningkatkan akurasi dari algortima klasifikasi Decision Tree C4.5 dan K-Nearest Neighbor (KNN) menggunakan data heart disease dataset dari kaggle.com dengan menerapkan teknik discretization dan metode ensemble yaitu adaboost. Hasil penelitian ini dengan algoritma tunggal menghasilkan akurasi sebesar 89,17% pada Decision Tree dan 84,68% pada KNN, sedangkan Decision tree menggunakan teknik discretization dan adaboots sebesar 99,81% dan KNN menggunakan teknik discretization dan adaboots sebesar 92,88%. Hasil menunjukkan adanya peningkatan algortima klasifikasi menggunakan teknik discretization dan adaboots.

Implementasi Algoritma Klasifikasi Dengan Teknik Discretization Dan Bagging Untuk Meningkatkan Akurasi Prediksi Penyakit Stroke Annisa Maulana Majid; Ismasari Nawangsih
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30550

Penyakit stroke merupakan salah satu penyakit penyebab kematian namun dapat dikurangi jumlah angka kematiannya apabila terdapat diagnosa sejak secara dini untuk memprediksi penyakit stroke yang akurat. Penelitian yang terkait prediksi penyakit stroke telah dilakukan dengan beberapa metode namun menghasilkan tingkat akurasi yang kurang maksimal pada algoritma klasifikasi, sehingga diperlukan adanya upaya peningkatan akurasi untuk menghasilkan informasi yang akurat dalam menprediksi penyakit stroke. Tujuan dari penelitian ini yaitu melakukan implementasi algoritma klasifikasi dengan menerapkan teknik discretization dan Bagging dalam meningkatkan predikasi penyakit stroke. Hasil yang diperoleh dari penelitian ini adalah algoritma klasifikasi Naïve Bayes dengan menggabungkan teknik discretization dan Bagging memiliki tingkat akurasi lebih tinggi dengan akurasi sebesar 95.21%, meningkat sebesar 7.36% dari pada hanya menggunakan algoritma tunggal saja. Keywords: Penyakit Stroke, Algoritma Klasifikasi, Discretization, Bagging

Sistem Informasi Pemesanan Kelompok Wisatawan Pada Green Valley Waterpark [PT.NAS] Rindiani Tri Lestari; Muhamad Fatchan; Annisa Maulana Majid
Prosiding Sains dan Teknologi Vol. 1 No. 1 (2022): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 1 - Juli 2022
Publisher : DPPM Universitas Pelita Bangsa

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

Green Valley Waterpark is one of the recreational areas in the city of Purwakarta. The construction of an online group ordering information system aims to help expand marketing and help staff find data easily. This website system was built using CodeIgniter 4. The research method used is waterfall. The test method used is BlackBox. The information system that has been built will provide information that has been inputted by the staff, such as rides, facilities, the latest activities. And can manage tourist data to tourist group booking data. In addition, the tourist group booking information system will also display a booking report that has been input based on staff needs. This information system makes it easy to get information for potential tourists who want to visit Green Valley Waterpark. Tourists can view activities, route information, rides and facilities available online, place an online order by logging in first in order to place an order. and staff can manage data - information data quickly and accurately. Keywords: Information Systems, Booking, Tourism, Waterfall, CodeIgniter 4

Analisis Pola Pengangguran Menggunakan Metode Clustering Algoritma K-Means Di Wilayah Kabupaten Cirebon Misbakhul Anam; Annisa Maulana Majid; Ermanto
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 2 No. 4 (2023): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i4.743

Pengangguran merupakan salah satu permasalahan sosial dan ekonomi yang dihadapi oleh banyak daerah di Indonesia, termasuk salah satunya di wilayah Kabupaten Cirebon. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisa lebih dalam terkait pola pengangguran di wilayah Kabupaten Cirebon pada tingkat Kecamatan menggunakan teknik clustering algoritma K-Means yang dipadukan dengan aplikasi RapidMiner. Data penelitian terkait pola pengangguran diperoleh dari Dinas Ketenagakerjaan Kabupaten Cirebon periode tahun terbaru yakni tahun 2024, yang meliputi data riwayat pencari kerja seperti Latar Belakang Pendidikan dari terendah sampai tertinggi (SD-S1), Jenis Kelamin, Alamat, serta data jumlah Penyerapan Angkatan Kerja Perusahaan berdasarkan Kecamatan. Hasil 3 cluster dengan kategori Pola Pengangguran Tinggi, Pengangguran Rendah, dan Pengangguran Sedang, dipilih sebagai hasil final dalam penelitian ini dengan nilai evaluasi DBI 0.063 yang menunjukan hasil kualitas clustering mendapatkan nilai yang sangat baik. Visualisasi grafik dan pemetaan wilayah menggunakan ArcGIS pada penelitian ini bertujuan untuk mempermudah dalam memberikan rekomendasi bagi pemerintah daerah, khususnya Dinas Ketenagakerjaan Kabupaten Cirebon, dalam merancang program dan kebijakan yang lebih tepat sasaran dan terstruktur untuk menanggulangi indikasi pola pengangguran yang ada di wilayah Kecamatan Kabupaten Cirebon berbasis data.

Penerapan dan Pelatihan Sistem Pembayaran Sekolah di SMK Brahari sebagai Upaya Transformasi Layanan Keuangan Sekolah Ismasari Nawangsih; Tri Ngudi Wiyatno; Edy Widodo; Eko Budiarto; Annisa Maulana Majid
Jurnal Pengabdian Nasional (JPN) Indonesia Vol. 7 No. 1 (2026): Januari
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jpni.v7i1.1669

Digital transformation in the education sector demands increased efficiency and transparency in school financial management. However, many schools, including SMK Brahari, still rely on manual payment systems that are prone to errors and lack transparency. The identified gap is the absence of an integrated and user-friendly digital payment system accessible to all stakeholders. This community service activity aimed to implement and provide training on a digital school payment system for 20 administrative and educational staff. The methods included initial observation, development of a simple system, hands-on training, and implementation assistance. Evaluation results showed that 85% of participants understood the system workflow, 90% found it helpful in simplifying their tasks, and all participants expressed readiness to implement it. The system proved effective in improving efficiency, transparency, and ease of payment monitoring, marking an important step toward transforming school financial services.

PENERAPAN METODE DISCRETIZATION DAN ADABOOST UNTUK MENINGKATKAN AKURASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI PENYAKIT JANTUNG Annisa Maulana Majid; Muhammad Najamuddin Dwi Miharja
Indonesian Journal of Business Intelligence (IJUBI) Vol 5 No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v5i2.2689

Angka kematian yang disebabkan oleh penyakit jantung dapat dikurangi jika ada diagnosa yang akurat sejak dini. Penelitian sebelumnya dalam memprediksi penyakit jantung dengan tingkat akurasi telah dilakukan namun menghasilkan akurasi yang kecil pada algoritma Decision Tree C4.5 dan K-Nearest Neighbor (KNN). Untuk itu diperlukan adanya peningkatan akurasi agar menghasilkan keakuratan informasi. Tujuan penelitian ini adalah untuk meningkatkan akurasi dari algortima klasifikasi Decision Tree C4.5 dan K-Nearest Neighbor (KNN) menggunakan data heart disease dataset dari kaggle.com dengan menerapkan teknik discretization dan metode ensemble yaitu adaboost. Hasil penelitian ini dengan algoritma tunggal menghasilkan akurasi sebesar 89,17% pada Decision Tree dan 84,68% pada KNN, sedangkan Decision tree menggunakan teknik discretization dan adaboots sebesar 99,81% dan KNN menggunakan teknik discretization dan adaboots sebesar 92,88%. Hasil menunjukkan adanya peningkatan algortima klasifikasi menggunakan teknik discretization dan adaboots.

Penerapan Konten Digital Pendidikan Untuk Meningkatkan Kualitas Belajar di Madrasah Ibtidaiyah Al Khoiriyah Ismasari Nawangsih; Pupung Purnamasari; Gatot Tri Pranoto; Annisa Maulana Majid; Candra Naya
Jurnal Pelita Pengabdian Vol. 2 No. 1 (2024): Januari 2024
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v2i1.3161

Perkembangan konten digital di dalam dunia pendidikan sangat penting di zaman era digital di dukung dengan berbagai perangkat aplikasi dan keberadaan internet saat ini memudahkan proses belajar mengajar, interaksi serta kebutuhan informasi bagi penggunanya. Pembuatan dan pemakaian konten digital ini harus diimbangi pengetahuan dampak positif dan negatif. Kegiatan pengabdian kepada masyarakt berupa penyuluhan dan pelatihan konten digital untuk dunia pendidikan dilaksanakan di Madrasah Ibtidaiyah Al Khoiriyah. Sasaran pada kegiatan PKM ini adalah para siswa ” sebanyak 20 dan 4 guru. Kegiatan ini dilaksanakan secara tatap muka (On the spot training) yang dimulai dengan observasi dan koordinasi dan perizinan dengan kepala Sekolah setempat mengenai rencana kegiatan yang akan dilakukan di lingkungan tersebut mengenai ketersediaan tempat, waktu, dan peserta. Kegiatan pengabdian dilaksanakan menggunakan beberapa tahapan: Tahap persiapan; Tahap pelaksanaan sosialisasi mengenai konten digital untuk siswa sekolah . Metode yang digunakan dalam pelaksanaan kegiatan PKM adalah sosialisasi dengan teknik penyuluhan dalam bentuk ceramah atau memaparkan materi berupa teori dan video yang berhubungan dengan tema yang kita ambil, tanya jawab, kreasi, dan permainan. Hasil kegiatan menunjukan meningkatnya cara belajar yang kreatif untuk siswa.

Komparasi Algoritma Klasifikasi Machine Learning Dengan Penerapan Metode Ensemble Stacking untuk Menganalisa Sentimen terhadap Kesehatan Mental Annisa Maulana Majid; Karina Imelda; Ismasari Nawangsih
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 8 No 2 (2025): Jurnal SKANIKA Juli 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v8i2.3561

Mental health often goes undetected due to the absence of physical symptoms, which hinders timely and appropriate intervention. Many individuals choose to express their emotions on social media rather than access professional services. However, the use of social media can potentially worsen mental health conditions and even impact physical well-being. Therefore, early detection through the analysis of digital data, particularly social media posts, using machine learning approaches is essential. Previous research on mental health sentiment analysis has utilized classification algorithms, but accuracy improvement remains necessary. This study compares single classification algorithms and applies an ensemble stacking method that combines multiple classifiers as base learners and a meta-learner. The results show that the stacking method achieves a higher accuracy of 88.13%.

Kesehatan mental telah menjadi isu penting yang banyak dibahas melalui media sosial sehingga diperlukan metode otomatis untuk mengidentifikasi kategori kondisi kesehatan mental berdasarkan teks. Penelitian ini bertujuan membangun model klasifikasi teks me Annisa Maulana Majid; Ismasari Nawangsih; Karina Imelda
Progresif: Jurnal Ilmiah Komputer Vol. 22 No. 3 (2026): Juli
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i3.4070

Mental health had become an important issue widely discussed on social media, creating the need for an automated method to identify mental health conditions based on textual data. This study aimed to develop a text classification model using Bidirectional Encoder Representations from Transformers and improve the transparency of prediction results through Shapley Additive Explanations and Local Interpretable Model-agnostic Explanations. The dataset consisted of 51,073 text records categorized into seven mental health classes. The research stages included data and text cleaning, label encoding, data splitting, tokenization, model training, evaluation, and result interpretation. The testing results showed that the model achieved an accuracy of 82% and a weighted average F1-score of 0.82. The interpretation results indicated that specific words and phrases contributed to class predictions. The findings demonstrated that the model performed text classification effectively, while both interpretation methods improved the transparency of the model’s decision-making process. Keywords: Sentiment Analysis; BERT; XAI; SHAP; LIME Abstrak Kesehatan mental telah menjadi isu penting yang banyak dibahas melalui media sosial sehingga diperlukan metode otomatis untuk mengidentifikasi kategori kondisi kesehatan mental berdasarkan teks. Penelitian ini bertujuan membangun model klasifikasi teks menggunakan Bidirectional Encoder Representations from Transformers (BERT) serta meningkatkan transparansi hasil prediksi melalui Shapley Additive Explanations (SHAP) dan Local Interpretable Model-agnostic Explanations (LIME). Dataset yang digunakan terdiri atas 51.073 teks dalam tujuh kategori kesehatan mental. Tahapan penelitian meliputi pembersihan data dan teks, pengodean label, pembagian data, tokenisasi, pelatihan model, evaluasi, serta interpretasi hasil. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 82% dan nilai F1-score rata-rata tertimbang sebesar 0,82. Interpretasi menunjukkan bahwa frasa dan kata tertentu memberikan kontribusi terhadap prediksi kelas. Hasil penelitian membuktikan bahwa model mampu melakukan klasifikasi dengan kinerja yang baik, sedangkan kedua metode interpretasi meningkatkan transparansi keputusan model.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search