Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Khoirul Adi Saputro
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 2 Documents
Search

 1 
Penerapan Metode Weighted Product Pada Sistem Pendukung Keputusan Pemilihan Siswa Lulusan Terbaik Anita Carolina Wibowo; Gabrielle Yoam Maranatha; Khoirul Adi Saputro
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

SMPN 1 Tawangsari merupakan salah satu sekolah yang juga melakukan pemilihan siswa lulusan terbaik. Namun, pemilihan ini masih berdasarkan nilai ujian saja dan belum mencakup faktor-faktor lain yang penting. Dalam upaya meningkatkan kualitas dan efisiensi dalam pengambilan keputusan tersebut, penerapan Sistem Pendukung Keputusan (SPK) menjadi solusi yang baik. Salah satu metode SPK yang digunakan adalah metode Weighted Product (WP), yang memperhitungkan beberapa faktor dengan bobot masing-masing. Metode WP telah berhasil diterapkan dalam berbagai penelitian sebelumnya, seperti penelitian di MTs Negeri 1 Pesawaran untuk menentukan siswa terbaik berdasarkan bobot dan kriteria yang telah ditentukan. Penelitian lain juga menggunakan metode WP dalam pemilihan pelanggan terbaik di sebuah toko dan pemilihan karyawan terbaik dalam suatu perusahaan. Dari penelitian-penelitian sebelumnya, metode WP telah terbukti efektif dalam meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan. Pada penelitian ini juga didapatkan hasil bahwa Dimas terpilih sebagai siswa lulusan terbaik.
Perbandingan Tingkat Akurasi Penyakit Diabetes Menggunakan Metode Regresi Logistik dan Random Forest Khoirul Adi Saputro; Ega Muhammad Atsir; Herliyani Hasanah
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2 (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2.pp159-166

Abstract

This study analyzes and compares the performance of Logistic Regression and Random Forest methods in diabetes prediction. Diabetes is an increasingly common chronic condition. If left untreated, diabetes can cause major problems. Predicting and detecting diabetes early is very important. This study uses a dataset from Kaggle consisting of 9 demographic and clinical variables. The research method includes data collection and pre-processing, model selection, model training, and model evaluation. The results showed that the Random Forest model had 97.0% accuracy and 95.6% precision, which was higher than the Logistic Regression which had 95.9% accuracy and 86.4% precision. Although both models faced challenges in predicting positive classes, Random Forest performed better with a recall of 68.4% and F1-Score of 79.7%, compared to Logistic Regression which had a recall of 61.3% and F1-Score of 71.8%. This study advances our knowledge of how machine learning techniques can be applied to diabetes prediction and helps in the creation of more accurate and productive diagnostic tools for use in clinical settings.
Co-Authors Anita Carolina Wibowo Ega Muhammad Atsir Gabrielle Yoam Maranatha Hasanah, Herliyani