Article Per Year (5 Year)
p-Index From 2021 - 2026
1.984
P-Index
This Author published in this journals
All Journal JOIN (Jurnal Online Informatika) Journal of Technopreneurship and Information System (JTIS) Jurnal Pengabdian Masyarakat Bumi Raflesia Journal of Robotics and Control (JRC) Jurnal Teknik Informatika (JUTIF) Bulletin of Computer Science Research Decode: Jurnal Pendidikan Teknologi Informasi Jurnal INFOTEL IJMST Scientific Journal of Engineering Research
Muhajir Yunus
Universitas Muhammadiyah Gorontalo
Aerospace Engineering Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Comparison of Machine Learning Algorithms for Stunting Classification Muhajir Yunus; Muhammad Kunta Biddinika; Abdul Fadlil
Scientific Journal of Engineering Research Vol. 1 No. 2 (2025): June
Publisher : PT. Teknologi Futuristik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64539/sjer.v1i2.2025.9

Abstract

Indonesia is one of the countries with medium stunting data over the past decade, around 21.6%. Stunting prevention is a national program in Indonesia, and stunting reduction in children is the first of the six goals in the Global Nutrition Target for 2025. Based on SSGI data in 2022, the prevalence of stunting in Gorontalo Province is 23.8% and is in the high category. Stunting prevention is an early effort to improve the ability and quality of human resources. This study compared two Machine Learning algorithms for stunting classification in children, namely the Naive Bayes method and Decision Tree C4.5 using Python by dividing the training and testing data a total ratio of 80:20. The performance of each algorithm was evaluated using a dataset of child health information based on z-score calculation data with a total of 224 records, consisting of 4 attributes and 1 label, namely gender, age, weight, height and nutritional status. The results of the research that have been conducted show that the Decision Tree C4.5 algorithm achieves the highest accuracy in the classification of stunting events with an accuracy of 87% while for the Naïve Bayes algorithm produces a low accuracy of 71% so that for this study the Decision tree C4.5 algorithm is the best algorithm for the classification of stunting events. These findings suggest this algorithm can be a valuable tool for classifying children's stunting.
Digitalisasi Portofolio Siswa Berbasis Website di SMK Informatika Wonosobo Imam Riadi; Rusydi Umar; Alwas Muis; Muhajir Yunus
Jurnal Pengabdian Masyarakat Bumi Rafflesia Vol. 6 No. 3 (2023): Desember : Jurnal Pengabdian Kepada Masyarakat Bumi Raflesia
Publisher : Universitas Muhammadiyah Bengkulu

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

Abstract

Siswa dilatih untuk memiliki skill dan pengetahuan agar dapat bekerja pada industri. Setiap siswa dituntut memiliki pengetahuan yang dapat digunakan untuk mencari kerja setelah lulus. Kebutuhan akan adaptasi terhadap perkembangan teknologi informasi dan komunikasi dalam dunia pendidikan semakin meningkat. Sehingga dibutuhkan pelatihan terkait penggunaan teknologi informasi untuk membantu siswa beradaptasi dengan perkembangan teknologi. Tujuan pelatihan ini yaitu untuk memperkenalkan siswa tentang konsep portofolio digital berbasis website dan membekali mereka dengan keterampilan menggunakan teknologi informasi yang relevan untuk membangun dan mengelola portofolio. Manfaat pelatihan ini yaitu membantu siswa untuk mempresentasikan karya-karya mereka secara efektif kepada pihak-pihak yang berkepentingan seperti calon perguruan tinggi dan pemberi kerja. Metode analisis data pada pelatihan ini menggunakan metode likert dengan memberikan pernyataan dan memberikan jawaban mulai dari sangat setuju, setuju, netral, tidak setuju, dan sangat tidak setuju. Siswa berhasil membangun portofolio digital yang menarik dan profesional, memamerkan karya-karya mereka dengan efektif. Metode pengumpulan data pada kegiatan ini yaitu menggunakan kuesioner. ini menunjukkan bahwa pelatihan portofolio menggunakan website sangat mudah dipahami oleh siswa. Selain itu, seluruh siswa berharap pelatihan seperti sering diadakan untuk membantu dalam memanfaatkan teknologi informasi untuk pengembangan diri. Penerapan pelatihan ini di SMK Informatika Wonosobo memberikan manfaat yang signifikan bagi siswa dalam menghadapi tantangan di era digital.   Kata Kunci: Google sites, pelatihan, portofolio, website
Optimasi Algoritma Naïve Bayes Menggunakan Fitur Seleksi Backward Elimination untuk Klasifikasi Prevalensi Stunting Muhajir Yunus; Muhammad Kunta Biddinika; Abdul Fadlil
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.188

Abstract

Stunting adalah masalah kekurangan gizi kronis yang ditandai dengan tinggi badan anak di bawah normal untuk usianya. Anak yang mengalami stunting memiliki risiko lebih tinggi terhadap berbagai penyakit kronis dan masalah kesehatan lainnya dan cenderung memiliki intelligence quotient yang lebih rendah dan performa yang buruk di sekolah karena sebanyak 90% jumlah sel otak tercipta sejak dalam kandungan hingga anak berumur 24 bulan. Tujuan dari penelitian ini adalah untuk mengklasifikasi prevalensi stunting pada anak usia di bawah 5 tahun dengan mengimplementasikan metode naïve bayes menggunakan fitur seleksi backward elimination berdasarkan data perhitungan z-score dengan data sampel berjumlah 224 record, yang terdiri dari 4 atribut dan 1 label yaitu jenis kelamin, usia, berat badan, tinggi badan dan status gizi. Dari hasil penelitian yang telah dilakukan diperoleh nilai akurasi tertinggi sebesar 92,54% sedangkan hasil dari pengujian model tanpa menggunakan seleksi fitur mendapatkan akurasi sebesar 53,50%. Penelitian ini menggunakan data traning dan testing dengan ratio sebesar 70%:30%.
Co-Authors Abdul Fadlil Abdul Fadlil Abdul Fadlil Abdul Fadlil Ahmad Fatoni Dwi Putra Alwas Muis Alwas Muis Asno Azzawagama Firdaus Azminuddin I. S. Azis Daniel Santoso Dia Komalla Faresta, Rangga Alif Fitriah Fitriah Fitriah Fitriah Fitriah G. Tangaro, Diana May Glaiza Grancho, Bernadine Hadi San, Ahmad Syahrul Hasanah, Rakyatol Herman Herman Imam Riadi Imam Riadi Muhammad Kunta Biddinika Muhammad Kunta Biddinika Muhammad Kunta Biddinika Muhammad Kunta Biddinika Munzir, Misbahul Muzakkir Pangri Nurdin, St Suryah Indah Rusydi Umar Sani SR, Sahrul Sulton, Chaerus Sumarno Wijaya Suprihatin Suprihatin Talirongan, Florence Jean B. Yuan Sa'adati