Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Siger Matematika
Eri Setiawan
Lampung University
Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Penyakit Stroke Menggunakan Metode Naive Bayes Nabilla Yolanda Paramitha; Aang Nuryaman; Ahmad Faisol; Eri Setiawan; Dina Eka Nurvazly
Jurnal Siger Matematika Vol 4, No 1 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i1.9236

Abstract

Klasifikasi adalah suatu proses mengevaluasi data untuk memasukanya ke kelas yang telah ditentukan sebelumnya. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naïve Bayes. Tujuan penelitian ini adalah untuk mengklasifikasikan pasien penyakit stroke menggunakan metode Naive Bayes untuk beberapa proporsi data training dan data testing yang berbeda. Data yang digunakan adalah data pasien penyakit stroke dengan kelas terkena stroke atau tidak terkena stroke dan menggunakan 10 variabel bebas. Hasil klasifikasi dengan nilai akurasi terbesar sebesar 80% diperoleh ketika proporsi data training dan data testing 80:20.
Penerapan Algoritma K-Nearest Neighbor Pada Data Kategorik Untuk Klasifikasi Harga Laptop Citra Puspa Tria; Aang Nuryaman; Ahmad Faisol; Eri Setiawan
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.9234

Abstract

Salah satu algoritma klasifikasi yang banyak digunakan adalah k-nearest neighbor (KNN) di mana algoritma ini mengklasifikasikan objek berdasarkan kelas mayoritas dari k objek terdekat di sekitarnya. Pada umumnya, ukuran kedekatan antar objek dapat dihitung dengan menggunakan jarak Euclidean. Akan tetapi, apabila data yang digunakan adalah data kategorik, maka jarak tersebut dirasa kurang tepat untuk digunakan. Salah satu alternatif ukuran kedekatan antar objek yang dapat digunakan untuk data kategorik adalah jarak weighted simple matching coefficient (WSMC). Penelitian ini dilakukan untuk membangun model klasifikasi untuk penentuan kelas rentang harga laptop berdasarkan 4 fitur yang ditawarkan, yaitu merek laptop, prosesor, kapasitas RAM, dan kapasitas penyimpanan. Terdapat dua proporsi pembagian data latih dan data uji untuk membangun model klasifikasi, yaitu 80:20 dan 90:10. Berdasarkan hasil analisis, model klasifikasi terbaik diperoleh ketika proporsi data yang digunakan adalah 90:10 dan jumlah k sebanyak 17, dengan nilai akurasi yang diperoleh sebesar 86.96%, recall sebesar 50%, presisi sebesar 66.67%, dan f1-score sebesar 57.14%.
Co-Authors Aang Nuryaman Ahmad Faisol Citra Puspa Tria Dina Eka Nurvazly Nabilla Yolanda Paramitha