Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Journal of Economic, Management, Accounting and Technology (JEMATech)
Swastikawati, Claudia
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Penerapan Data Sains Untuk Klasifikasi Wilayah Yang Terdampak Kerusakan Gempa Bumi Dengan Metode C.45 Swastikawati, Claudia; Pamoengkas, Muhamad Agoeng; Wahyudi, Alfian Cahyo; Kusrini, Kusrini
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 7 No 2 (2024): Agustus
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v7i2.7679

Abstract

Di Indonesia, gempa bumi sering terjadi karena interaksi plat tektonik. Energi seismik yang dicatat oleh seismograf diukur pada skala Richter (SR). Data dari BMKG dan BNPB selama semester pertama 2022 menunjukkan getaran energi seismik dari skala kecil hingga besar di sekitar Indonesia. Penelitian ini menggunakan metode C4.5 untuk klasifikasi dampak gempa, mengolah data historis mengenai wilayah, magnitudo, kedalaman, dan tingkat kerusakan. Proses penelitian mencakup pengumpulan data, pra-pemrosesan, pemilihan model, pelatihan model, dan penilaian kinerja menggunakan akurasi, presisi, recall, dan skor F1. Dataset berisi 62 catatan gempa dari BMKG dan dampak kerusakan di Jawa dari BNPB. Model C4.5 mencapai akurasi 62% pada tuning 8:2, meskipun menghadapi tantangan seperti variasi kondisi geografis, struktur bangunan, dan jumlah kejadian dalam satu hari. Hasil penelitian ini memberikan kontribusi berupa gabungan data bencana dari www.bmkg.go.id dan kerusakan dari https://gis.bnpb.go.id/. Selain itu, model C4.5 dapat dilakukan untuk skala kerusakan rumah akibat gempa bumi. Penelitian ini menghasilkan model prediksi yang akurat untuk mengklasifikasikan tingkat kerusakan bangunan, memberikan wawasan praktis untuk mitigasi bencana, dan mendukung pemerintah serta lembaga penanggulangan bencana dalam meningkatkan sistem peringatan dini dan distribusi bantuan.
Graduation Prediction for Prospective University Students using Stacking Ensemble Learning Swastikawati, Claudia; Utami, Ema
Sistemasi: Jurnal Sistem Informasi Vol 14, No 6 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i6.5535

Abstract

Student graduation is an important indicator in accreditation and serves as part of quality management strategies in higher education. Therefore, early prediction of student graduation is necessary to improve the effectiveness of data-driven admission decision-making. Differences in student graduation rates are influenced by a combination of academic, demographic, economic, and family factors. This study applies the Stacking Ensemble Learning method by combining Random Forest, K-Nearest Neighbors, and Support Vector Machine, with XGBoost serving as the meta-learner. The dataset used integrates student admission records and graduation status reports from the NeoFeeder PDDikti system, covering 16 academic and non-academic feature variables. The model was evaluated using accuracy, precision, recall, F1-score, and Area Under the Curve (AUC). The results show that the stacking ensemble model outperformed single models, achieving 82% accuracy, a weighted F1-score of 80%, and an AUC of 87.15% on the test data. These findings contribute both the selected feature set and the implementation of an ensemble model for building a machine learning–based prediction system, particularly in addressing data imbalance and improving classification accuracy.
Co-Authors Ema Utami Kusrini, Kusrini Pamoengkas, Muhamad Agoeng Wahyudi, Alfian Cahyo