Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal KLIK: Kajian Ilmiah Informatika dan Komputer The Indonesian Journal of Computer Science
Muhammad Ihsan Jambak
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Algoritma Decision Tree ID3 Bagi Lembaga Pemberi Pinjaman Untuk Menentukan Faktor Yang Mempengaruhi Kelayakan Individu Memperoleh Pinjaman Riza Wirasena, Muhammad; M Rollan Reinaldi; Muhammad Ihsan Jambak
The Indonesian Journal of Computer Science Vol. 13 No. 3 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i3.3790

Abstract

Lembaga pemberi pinjaman menghadapi tantangan dalam mengevaluasi kelayakan suatu individu untuk memperoleh pinjaman. Proses ini memerlukan analisis mendalam terhadap sejumlah faktor yang dapat mempengaruhi keberhasilan pembayaran pinjaman. Oleh karena itu, diperlukan pendekatan yang efisien dan sistematis untuk menentukan faktor-faktor kritis yang memengaruhi kelayakan pemberian pinjaman. Penelitian ini bertujuan untuk memanfaatkan algoritma Decision Tree ID3 sebagai metode analisis yang efektif dalam menentukan faktor-faktor yang paling mempengaruhi kelayakan suatu individu memperoleh pinjaman. Algoritma Decision Tree ID3 digunakan untuk mengidentifikasi dan mengurutkan faktor-faktor yang memiliki dampak signifikan terhadap keberhasilan pembayaran pinjaman. Penggunaan metode ini diharapkan dapat memberikan pemahaman yang lebih baik tentang keputusan pemberian pinjaman. Hasil penelitian menunjukkan bahwa algoritma Decision Tree ID3 mampu mengidentifikasi faktor-faktor utama yang mempengaruhi keputusan pemberian pinjaman. Faktor-faktor tersebut mencakup Cibil score, nilai aset tempat tinggal dan jangka waktu pinjaman. Dengan demikian, lembaga pemberi pinjaman dapat menggunakan hasil analisis ini sebagai panduan dalam meningkatkan proses pengambilan keputusan pemberian pinjaman. mencari nasabah yang telah memiliki beberapa faktor kelayakan tersebut agar nantinya rating mendapatkan nasabah baru yang pasti memperoleh pinjaman dapat lebih tinggi dari sebelumnya.
Karakteristik Pembatalan Reservasi Kamar Hotel Pada Online Travel Agent Menggunakan Algoritma C4.5 Zhafira Zafitri; Muhammad Ihsan Jambak
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3268

Abstract

Sistem reservasi hotel konvensional yang digunakan di masa lalu digantikan oleh perusahaan teknologi inovatif yang disebut dengan Online Travel Agent (OTA) seperti Traveloka, Tiket.com dan lainnya. Namun, adanya sistem reservasi online ini munculnya suatu permasalahan dimana tingginya tingkat pembatalan reservasi. Penelitian ini bertujuan menganalisis data dengan menggunakan aplikasi RapidMiner dan algoritma C4.5, penggunaan algoritma tersebut pada penelitian ini dapat membantu pihak OTA untuk memahami karakteristik customer yang cenderung membatalkan reservasi mereka dan memperkirakan peluang pembatalan reservasi di masa depan, serta mengatasinya. Data yang digunakan pada penelitian ini berasal dari situs kaggle dengan jumlah atribut/fitur sebanyak 28 fitur/atribut (27 atribut reguler dan 1 atribut sebagai label) dan terdiri dari 56.474 baris. Dari hasil modeling dan pengujian didapatkan rule dan pohon keputusan yang dapat dijadikan aturan dalam menentukan customer yang membatalkan reservasi. Hasil pohon keputusan menunjukan bahwa terdapat 10 fitur/atribut yang memiliki pengaruh besar terhadap pembatalan reservasi kamar hotel oleh customer dan atribut previous_cancellations merupakan atribut pertama yang dipertimbangkan untuk memahami karakteristik pembatalan tersebut. Pengujian model menggunakan K-Fold Cross Validation pada penelitian ini menghasilkan nilai akurasi sebesar 72.68% .
Komparasi Penerapan Algoritma C4.5, K-Nearest Neighbor, dan Naïve Bayes untuk Keberlangsungan Pasien Gagal Jantung Muhammad Fakhri Rizqullah; Naura Tri Raihana; Muhammad Ihsan Jambak
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 5 (2024): April 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i5.1788

Abstract

The total number of deaths worldwide due to heart failure continues to show an increase. Classifying patients with the best accuracy can help improve preventive measures based on clinical information. This study compares classification algorithms including C4.5, K-Nearest Neighbor, and Naïve Bayes based on CRISP-DM with the 10-fold cross-validation model evaluation technique and pairwise t-test using RapidMiner software. The research obtained the highest accuracy value of 0.779 with a standard deviation of approximately 0.046.. The research results indicate that the C4.5 algorithm performs the best, followed by the Naïve Bayes algorithm with a statistically insignificant difference, and lastly, the K-Nearest Neighbor algorithm with the smallest value, thus considered less suitable for implementation in the dataset.
Co-Authors Dian Apriani Dian Apriani M Rollan Reinaldi Muhammad Fakhri Rizqullah Naura Tri Raihana Riza Wirasena, Muhammad Zhafira Zafitri