Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JSiI (Jurnal Sistem Informasi) Jurnal Garuda Pengabdian Kepada Masyarakat
Syahputri, Cindy Novi
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences Other

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

Found 3 Documents
Search

 1 
OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING Syahputri, Cindy Novi; Hasibuan, Muhammad Siddik
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9161

Abstract

Penelitian ini bertujuan untuk mengoptimalkan klasifikasi Decision Tree menggunakan teknik pruning untuk mengurangi overfitting pada dataset penyakit jantung Kaggle. Overfitting adalah masalah umum dalam pembelajaran mesin, ketika model terlalu cocok dengan data pelatihan dan kehilangan kemampuannya untuk menggeneralisasi data baru dengan baik. Teknik pruning, termasuk prepruning dan postpruning, diterapkan untuk membatasi kompleksitas model dan meningkatkan kemampuannya dalam mengklasifikasikan data baru. Hasilnya menunjukkan bahwa model dengan postpruning memiliki performa terbaik, dengan akurasi 0,8841, recall 0,8571, presisi 0,8571, dan skor F1 0,8571. Sebagai perbandingan, model dengan prepruning memiliki akurasi sebesar 0,8333, recall sebesar 0,8304, presisi sebesar 0,8304, dan skor F1 sebesar 0,7434. Peningkatan metrik ini menegaskan bahwa postpruning lebih efektif dalam mengurangi overfitting dan meningkatkan kemampuan generalisasi model. Dengan demikian, teknik postpruning dapat dianggap sebagai metode unggulan dalam mengoptimalkan kinerja Decision Tree Classifier untuk klasifikasi penyakit jantung. Penelitian ini diharapkan dapat berkontribusi pada pengembangan model prediksi yang lebih akurat dalam diagnosis penyakit jantung, sehingga membantu upaya pencegahan dan pengobatan yang lebih baik. Kata Kunci: Decision Tree, Pruning, Prepruning, Postpruning, Overfitting, Heart Disease Dataset, Kaggle, Machine Learning, Classification, Model Optimization.
OPTIMASI KLASIFIKASI DECISION TREE DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING Syahputri, Cindy Novi; Hasibuan, Muhammad Siddik
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9161

Abstract

Penelitian ini bertujuan untuk mengoptimalkan klasifikasi Decision Tree menggunakan teknik pruning untuk mengurangi overfitting pada dataset penyakit jantung Kaggle. Overfitting adalah masalah umum dalam pembelajaran mesin, ketika model terlalu cocok dengan data pelatihan dan kehilangan kemampuannya untuk menggeneralisasi data baru dengan baik. Teknik pruning, termasuk prepruning dan postpruning, diterapkan untuk membatasi kompleksitas model dan meningkatkan kemampuannya dalam mengklasifikasikan data baru. Hasilnya menunjukkan bahwa model dengan postpruning memiliki performa terbaik, dengan akurasi 0,8841, recall 0,8571, presisi 0,8571, dan skor F1 0,8571. Sebagai perbandingan, model dengan prepruning memiliki akurasi sebesar 0,8333, recall sebesar 0,8304, presisi sebesar 0,8304, dan skor F1 sebesar 0,7434. Peningkatan metrik ini menegaskan bahwa postpruning lebih efektif dalam mengurangi overfitting dan meningkatkan kemampuan generalisasi model. Dengan demikian, teknik postpruning dapat dianggap sebagai metode unggulan dalam mengoptimalkan kinerja Decision Tree Classifier untuk klasifikasi penyakit jantung. Penelitian ini diharapkan dapat berkontribusi pada pengembangan model prediksi yang lebih akurat dalam diagnosis penyakit jantung, sehingga membantu upaya pencegahan dan pengobatan yang lebih baik. Kata Kunci: Decision Tree, Pruning, Prepruning, Postpruning, Overfitting, Heart Disease Dataset, Kaggle, Machine Learning, Classification, Model Optimization.
Pengembangan Aplikasi Keamanan Berbasis Web Pada Pabrik Minyak Kelapa Sawit Lonsum Dengan Pendekatan Human Computer Interaction Anggraini, Chintya; Syahputri, Cindy Novi; Rafiqah, Intan Nur
Jurnal Garuda Pengabdian Kepada Masyarakat Vol 1 No 2 (2023)
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/gabdimas.v1i2.826

Abstract

Dalam lingkungan industri seperti pabrik kelapa sawit, faktor keamanan data sangatlah penting untuk mengurangi risiko terjadinya bahaya atau ancaman dari luar. Untuk menjaga keamanan suatu data dari ancaman, maka diperlukan suatu aplikasi pengamanan data agar terhindar dari gangguan pelaku yang tidak bertanggung jawab. Penelitian ini bertujuan untuk mengembangkan aplikasi keamanan berbasis web yang mengintegrasikan pendekatan HCI pada pabrik kelapa sawit Lonsum. Dalam hal ini, HCI merupakan aspek penting dalam pengembangan aplikasi keamanan berbasis web agar bisa digunakan secara efektif oleh para karyawan di lingkungan kerja. Metode penelitian kualitatif dengan pendekatan HCI digunakan dalam pengembangan aplikasi ini. Tahapannya mencakup studi kasus, identifikasi kebutuhan pengguna, analisis HCI, pengembangan aplikasi, pengujian, evaluasi, implementasi, dan evaluasi akhir. Pendekatan HCI memastikan aplikasi dapat digunakan secara efektif oleh pengguna, dengan antarmuka yang intuitif dan mudah dipahami. Hasil pengembangan aplikasi menunjukkan bahwa aplikasi keamanan berbasis web ini mampu meningkatkan keamanan data di pabrik kelapa sawit Lonsum. Terdapat beberapa fitur pada aplikasi ini, seperti otentifikasi pengguna, manajemen pengguna, laporan TPP, absensi dan lainnya. Dengan mengikuti langkah-langkah pengembangan dan pendekatan HCI, aplikasi keamanan berbasis web pada pabrik minyak kelapa sawit Lonsum berhasil menciptakan sistem yang aman, efisien, dan mudah digunakan oleh para pengguna. Aplikasi ini memberikan kontribusi positif dalam menjaga keamanan data di pabrik kelapa sawit Lonsum.
Co-Authors Anggraini, Chintya Muhammad Siddik Hasibuan Rafiqah, Intan Nur