Article Per Year (5 Year)
p-Index From 2021 - 2026
1.288
P-Index
This Author published in this journals
All Journal Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer IC Tech: Majalah Ilmiah SmartComp
Muhammad Faizal Kurniawan
STMIK Widya Pratama
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Komparasi Algoritma Data Mining untuk Klasifikasi Penyakit Diabetes Ivandari; Much. Rifqi Maulana; Muhammad Faizal Kurniawan; M. Adib Al Karomi
Bulletin of Computer Science Research Vol. 3 No. 5 (2023): Agustus 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v3i5.280

Abstract

Diabetes is one of the deadly non-communicable diseases that can attack humans. According to data from the World Health Organization (WHO), diabetes has killed at least 2 million people throughout 2019. Many recordings of each phase and condition of diabetes patients are done to support research. One of the most updated records of diabetes patients is the early stage diabetes risk prediction dataset. This dataset was released by the uci repository in late 2020 by the Diabetes Hospital in Bangladesh. Classification in data mining is a science that can extract data to look for patterns or data models to gain new knowledge. Several classification algorithms that are widely used and proven to be able to handle large data include K-NN, Naïve Bayes, and Decission Tree. This study compares the three algorithms to classify early stage diabetes risk prediction dataset. From the research results, the decision tree is the best algorithm for classifying diabetes datasets with an accuracy rate of 95.96%. Next is the KNN algorithm with an accuracy rate of 92.5%. Meanwhile, naïve Bayes only produces an accuracy rate of 86.92%. From this comparison it is known that the decision tree is the best algorithm for classifying the early stage diabetes risk prediction dataset with an accuracy rate of 95.96%.
Analisis Sentimen Penerapan Kurikulum Merdeka Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor Dengan Forward Selection Wachid Darmawan; Muhammad Faizal Kurniawan; Wahyu Setianto; Wim Hapsoro
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i1.4634

Abstract

Kurikulum yang di terapkan di Indonesia untuk kegiatan belajar mengajar selalu mengalami perubahan yang tujuannya untuk meningkatkan sistem pembelajaran yang ada. Kurikulum terbaru yang di terapkan pemerintah adalah kurikulum merdeka. Kurikulum merdeka ini akan serta merta menggantikan kurikulum 2013, walaupun saat ini masih ada sekolah yang menerapakan kurikulum 2013. Kurikulum yang baru diluncurkan dan diterapkan tahun ajaran 2022/2023 sudah banyak dirasakan dan banyak bermunculan opini yang bernada positif ataupun negatif di Twitter. Untuk mengetahui Analisis Sistemen dari opini yang ada, akan digunakan metode klasifikasi pada hasil opini masyarakat yang ada di Twitter. Data yang digunakan sebanyak 500 tweet, setelah dilakukan pembersihan data didapatkan data sebanyak 220 tweet, terdiri dari 110 data tweet positif dan 110 data tweet negatif. Metode klasifikasi yang digunakan untuk mengetahui Analisis Sentimen pada kurikulum Merdeka Belajar adalah metode K-Nearest Neighbor (K-NN) dengan Forward Selection (FS). Berdasarkan ekperimen yang sudah dilakukan metode K-NN akurasinya sebesar 73.64%, sedangkan K-NN + FS akurasinya meningkat menjadi 76.82%. berdasarkan perhitungan machine learning dihasilkan Sentimen Analisis bernada atau opini negatif yang banyak di tweetkan oleh masyarakat terkait penerapan Kurikulum Merdeka. Untuk penelitian selanjutnya bisa menggunnakan algoritma klasifikasi lainya serta ada penambahan datasetnya.
Co-Authors Agus Ilyas Bambang Ismanto Dicke J.S.H Siregar Dicke Junryan Saut HS Dionne Santoso Indrayanti Indrayanti Ivandari Ivandari Ivandari Jusak Nugraha Irawan M. Adib Al Karomi M. Adib Al Karomi Much. Rifqi Maulana Nur Ika Royanti Nurul Amalia Slamet Joko Prasetiono Wachid Darmawan Wahyu Setianto Wahyu Setianto