Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Bina Insani ICT Journal Journal of Artificial Intelligence and Engineering Applications (JAIEA)
Steven Imanuel Naibaho
Universitas Negeri Medan
Automotive Engineering Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree Untuk Deteksi Tingkat Depresi Mahasiswa Ihsan Zulfahmi; Hermawan Syahputra; Steven Imanuel Naibaho; M. Ari Maulana; Edward Perdana Sinaga
Bahasa Indonesia Vol 10 No 1 (2023): Bina Insani ICT Journal (Juni) 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/biict.v10i1.2304

Abstract

Depresi adalah gangguan kesehatan mental umum yang dapat mempengaruhi orang-orang dari segala usia dan dari semua lapisan masyarakat. Deteksi dan intervensi dini sangat penting untuk mengelola depresi dan mencegah konsekuensi negatifnya. Dalam beberapa tahun terakhir, algoritma pembelajaran mesin telah digunakan untuk mendeteksi tingkat depresi pada individu. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Decision Tree dalam mendeteksi tingkat depresi pada mahasiswa.Kumpulan data yang digunakan dalam penelitian ini dikumpulkan dari 787 mahasiswa di Universitas Lahore dan memasukkan 19 variabel yang berkaitan dengan gejala depresi, gaya hidup, dan demografi. Algoritma Chi-Square digunakan untuk pemilihan fitur dan algoritma Decision Tree dan SVM digunakan untuk pemodelan. Studi tersebut menemukan bahwa kedua algoritme tersebut sangat akurat dalam mendeteksi depresi pada mahasiswa, dengan model SVM memiliki tingkat akurasi 95% lebih tinggi daripada model pohon keputusan. Penulis telah menyajikan data dan tabel secara visual yang menunjukkan akurasi dan ukuran evaluasi model. Studi menyimpulkan bahwa model SVM sangat akurat dalam mendeteksi tingkat depresi pada mahasiswa dan dapat digunakan sebagai alat yang dapat diandalkan untuk deteksi dini dan intervensi. Hasil penelitian ini memiliki implikasi penting bagi psikolog untuk mengambil tindakan. Algoritma pembelajaran mesin dapat digunakan untuk mendeteksi tingkat depresi individu, yang pada gilirannya dapat membantu deteksi dini dan intervensi. Ini dapat mengarah pada manajemen depresi yang lebih baik dan hasil kesehatan mental yang lebih baik. Namun, penelitian lebih lanjut diperlukan untuk memvalidasi hasil penelitian ini dan untuk mengeksplorasi potensi algoritma pembelajaran mesin dalam mendeteksi tingkat depresi pada populasi lain.
Development of Web System for Sales Optimization at CV. CS Swalayan using Association Rule Method Steven Imanuel Naibaho; Yullita Molliq Rangkuti
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 3 (2026): June 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i3.1796

Abstract

CV. CS Swalayan encounters challenges related to declining consumer purchasing power and the underutilization of transactional data for analyzing customer purchasing patterns. This study aims to develop a web-based system employing Association Rule methodology with the Apriori algorithm to optimize sales performance, identify top-selling products, and determine frequently co-purchased product combinations. The research methodology encompasses the collection of 296 sales transaction records for basic commodity products from CV—CS Swalayan during January 2025, followed by data preprocessing procedures. The Apriori algorithm is implemented with minimum support and confidence thresholds set at 0.01 and 0.3, respectively. The web-based system is developed using Python with the Flask framework for backend functionality, MySQL for database management, and validated through black-box testing methodology. The findings reveal the generation of 14 valid and robust association rules, notably "if Selai Srikaya Ngetop is purchased, then Roti Tawar Kupas Ngetop will be purchased" (confidence: 100%; lift ratio: 49.3) and "if Beras Sukaraya Cap Gurih 10KG is purchased, then Minyak Kita Minyak Goreng Sawit 1ltr will be purchased" (confidence: 100%; lift ratio: 16.4). The developed web system successfully passed black-box testing with a 100% success rate. This research contributes by providing a system that enables CV. CS Swalayan will make data-driven decisions to optimize sales strategies, marketing approaches, and inventory management practices.
Co-Authors Edward Perdana Sinaga Hermawan Syahputra Ihsan Zulfahmi M. Ari Maulana Yullita Molliq Rangkuti