Article Per Year (5 Year)
p-Index From 2021 - 2026
2.906
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi dan Sains Teknologi Jurnal Dinamika Informatika (JDI) Jurnal Pengabdian Masyarakat dan Riset Pendidikan Journal of Innovative and Creativity Jurnal Intelek Dan Cendikiawan Nusantara Jurnal Intelek Insan Cendikia SITEDI Engineering Jurnal bidang Teknik ALMUISY: Journal of Al Muslim Information System Jurnal Komputer, Informasi dan Teknologi
Hasbi Firmansyah
Universitas Pancasakti Tegal
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Perbandingan Algoritma C4.5, Random Forest, dan Naive Bayes untuk Memprediksi Klasifikasi Usia: Comparison of C4.5, Random Forest, and Naive Bayes Algorithms for Predicting Age Classification Sofa Machabba Haeta; Hasbi Firmansyah
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 3 No. 5 (2026): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v3i5.105

Abstract

Penelitian ini membandingkan kinerja tiga algoritma yakni C4.5, Naive Bayes, dan Random Forest. Ketika memprediksi klasifikasi usia menggunakan data National Health and Nutrition Examination Survey (NHANES). Klasifikasi usia menjadi krusial dalam analisis kesehatan untuk mengidentifikasi pola penyakit dan faktor risiko yang spesifik pada kelompok usia berbeda. Algoritma C4.5, berbasis pohon keputusan, dan Naive Bayes, yang mengandalkan probabilitas, dibandingkan dengan Random Forest, metode ensambel yang menggabungkan banyak pohon keputusan, untuk mengevaluasi kemampuan mereka dalam menangani data kompleks. Evaluasi menggunakan Confusion Matrix, Performance Vector, dan Independent Sample T-Test menunjukkan bahwa Naive Bayes mencapai akurasi tertinggi dengan kesalahan klasifikasi rendah, sementara Random Forest unggul dalam stabilitas prediksi pada data berdimensi tinggi. Di sisi lain, C4.5 cenderung kurang akurat, terutama saat menghadapi atribut kompleks. Hasil T-Test membuktikan perbedaan signifikan secara statistik antaralgoritma, memperkuat rekomendasi penggunaan Naive Bayes untuk akurasi maksimal atau Random Forest untuk data beragam. Temuan ini diharapkan dapat menjadi acuan dalam pengembangan sistem prediksi kesehatan yang lebih adaptif dan efektif.
Klasterisasi Perusahaan Pertahanan Dunia Berdasarkan Pendapatan 2022–2023 dengan Algoritma K-Means pada RapidMiner Studio: Clustering of Global Defense Companies Based on 2022–2023 Revenue Using the K-Means Algorithm in RapidMiner Studio Mukhlis Faturahman; Hasbi Firmansyah
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 3 No. 5 (2026): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v3i5.107

Abstract

Industri pertahanan merupakan salah satu sektor strategis yang memiliki pengaruh cukup besar terhadap pertumbuhan ekonomi nasional  sekaligus menjaga stabilitas keamanan global. Perusahaan-perusahaan dalam sektor pertahanan berperan penting dalam menyediakan peralatan berteknologi canggih yang digunakan untuk mendukung pertahanan tingkat nasional maupun internasional. Data yang akan diteliti berasal dari website people.defensenews.com yang didasarkan pada pendapatan sektor pertahanan yang dilaporkan oleh perusahaan selama tahun fiskal. Data dikumpulkan melalui survei langsung kepada perusahaan, laporan keuangan resmi, dan sumber publik yang kredibel. Penelitian ini menggunakan algoritma K-means untuk membangun model analisis yang sesuai dalam mengelompokkan perusahaan pertahanan dunia berdasarkan pendapatan tahun 2022-2023.  Berdasarkan analisa yang dilakukan, diapat disimpulkan bahwa klasterisasi dengan jumlah 4 klaster merupakan hasil klastering terbaik dengan nilai DBI 0.279. Dari visualisasi hasil perhitungan klaster, juga didapatkan bahwa Lockheed Martin dari Amerika Serikat menjadi perusahaan pertahanan dengan pendapatan terbesar pada tahun 2022-2023 diantara perusahaan pertahanan lainnya dengan pendapatan tahun 2022 sebesar $63,334.00 dan pendapatan tahun 2023 sebesar $64,650.00.
Co-Authors . Eko Budiraharjo Akhmad Ilham Muzaki Ali Sofyan Arumeilia Asriyani, Wahyu Chandra Pratama Putra Raharja Eko Budi Raharjo Faizal Izma Fasya Gilar Amali Hesti Ifada Mustio Ibnu Akmal Yasir Ihya Bahrul Alam Lucky Primanda Mohamad Faris Fadil Muhamad Aris Purwanto Muhammad Azfa Al Faruq Mukhlis Faturahman N Tahta Phudjashakty Nadya Permata Sari Panji Pangestu Saputra Priyo Haryoko Raditya Firmansyah Rafli Juan Lauda Al Faiq Rangga Saputra Ria Indah Fitria Rizki Prasetyo Tulodo Sofa Machabba Haeta Sulistyaningrum Sulistyaningrum Wahyu Arsiyani Wahyu Asriani Wildani Eko Nugroho Yosephus Arpan Polado Sinurat