Article Per Year (5 Year)
p-Index From 2021 - 2026
1.066
P-Index
This Author published in this journals
All Journal Journal of Data Insights Journal of Islamic Science Community
Manfaati Nur, Indah
Unknown Affiliation
Computer Science & IT Mathematics Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Journal of Data Insights

 1 
Implementasi Adaptive Synthetic Bernoulli Naïve Bayes untuk Mengatasi Imbalance Class Data pada Kasus Mental Health di Indonesia: Implementation of Adaptive Synthetic Bernoulli Naïve Bayes to Overcome Class Data Imbalance in Mental Health Cases in Indonesia Manfaati Nur, Indah; Ismatullah; Muntasiroh, Laily
Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i1.134

Abstract

Kesehatan mental merupakan sebuah kondisi dimana individu terbebas dari segala bentuk gejala-gejala gangguan mental. Menurut Riset Kesehatan Dasar (Riskesdas) tahun 2018 oleh Kementerian Kesehatan, sekitar 9,8% atau sekitar 26 juta dari 267 juta jiwa di Indonesia hidup dengan “gangguan mental emosional” atau kondisi Gangguan kesehatan jiwa. Kesehatan mental (mental health) kini telah menjadi isu yang popular dan menjadi trending topic di berbagai kalangan. Masyarakat Indonesia biasanya menyampaikan pendapatnya mengenai suatu isu melalui media sosial. Salah satu platform jejaring sosial yang bisa dipakai untuk menyampaikan pendapat adalah aplikasi twitter. Metode yang dapat digunakan untuk melihat pendapat atau kecenderungan opini terhadap suatu isu adalah analisis sentimen. Sentimen masyarakat Indonesia mengenai kesehatan mental cenderung negatif sehingga memunculkan permasalahan imbalanced class data. Penelitian ini bertujuan untuk mengetahui respon masyarakat di Indonesia mengenai isu kesehatan mental. Analisis dilakukan menggunakan metode Bernoulli Naïve Bayes dengan pendekatan Adaptive Synthetic (ADASYN). Algoritma Bernoulli naïve bayes digunakan untuk menentukan apakah tweet tersebut bersentimen positif atau negatif. ADASYN digunakan agar proporsi kelas pada dataset menjadi seimbang, sehingga model machine learning yang dibangun tidak cenderung mengklasifikasi suatu pendapat/komentar ke kelas mayoritas. Performa model machine learning pada algoritma Bernoulli Naïve Bayes setelah diterapkan ADASYN menghasilkan nilai akurasi yang sangat baik yaitu sebesar 93%.
Pengelompokkan Tingkat Pengangguran Terbuka Di Jawa Tengah Menggunakan Metode K – Means Clustering: Grouping Open Unemployment Rates in Central Java Using the K – Means Clustering Method Arifatul Ulya, Fatchi; Abdullah, Ammil Nur; Aisya Hanan, Tio; Manfaati Nur, Indah
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.148

Abstract

Pengangguran merupakan sebuah individu yang tidak memiliki aktivitas serta tidak menghasilkan pendapatan. Tujuan dari penelitian ini mengelompokkan tingkat pengangguran terbuka menurut Provinsi Jawa Tengah. Jenis penelitian yang dilakukan menggunakan metode kuantitatif. Metode kuantitatif merupakan penelusuran data dengan cara sekunder atau dapat dikatakan memanfaatkan data yang bersumber dari Badan Pusat Statistik Jawa Tengah dengan memanfaatkan 35 Kabupaten/Kota. Dalam kasus ini dalam analisis datanya menggunakan data mining dengan pengelompokan metode k-means mengambil 3 indikator, yaitu Jumlah Penduduk, UMK, dan Jumlah Industri guna menganalisis kasus tersebut. Dalam penentuan jumlah cluster optimal dengan memanfaatkan metode Elbow menggunakan grafik Elbow. Grafik Elbow menghasilkan titik yang menurun drastis berbentuk siku pada jumlah cluster k=4. Analisis cluster hanya sampai 2 iterasi menghasilkan pusat cluster, jarak dan cluster yang sama serta tidak terjadi perubahan. Hasil pengelompokkan pada cluster 1 sebanyak 9 Kabupaten/Kota, cluster 2 sebanyak 8 Kabupaten/Kota, cluster 3 sebanyak 12 Kabupaten/Kota, dan Cluster 4 sebanyak 6 Kabupaten/Kota Jawa Tengah. Nilai akurasi dari cluster yang terbentuk sebesar 66.8%.
A Pengelompokan Kabupaten/Kota di Jawa Tengah Berdasarkan Kepadatan Penduduk Menggunakan Metode Hierarchical Clustering Asyfani, Yusrisma; Manfaati Nur, Indah; Fathoni Amri, Ihsan; Yunanita, Novia; Anggun Lestari , Febi; Aura Hisani, Zahra; Hikmah Nur Rohim, Febrian
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.158

Abstract

Jawa Tengah merupakan provinsi dengan urutan kelima di Indonesia berdasarkan kepadatan penduduk pada tahun 2020 sebanyak 1.113 jiwa/km2. Pengaruh kepadatan penduduk yang tinggi dapat menyebabkan berbagai masalah diantaranya kemacetan,pengangguran,kesehatan,kriminalitas serta permasalahan serius lainnya. Kepadatan penduduk dipengaruhi oleh angka kelahiran,angka kematian serta laju pertumbuhan, Untuk mengevaluasi kepadatan penduduk di provinsi Jawa Tengah, kita perlu mengklasifikasikan/mengelompokkan kabupaten/kota yang berada didalamnya. Pengelompokan ini bertujuan agar kebijakan yang dibuat oleh pemerintah dapat tepat sasaran. Metode yang dapat digunakan untuk pengelompokkan kabupaten.kota di provinsi Jawa Tengah berdasarkan kepadatan penduduknya yaitu Clustering Hierarchical Ward. Dari hasil analisis pengelompokan tersebut kabupaten/kota di provinsi Jawa Tengah dibagi menjadi empat kelompok berdasarkan kepadatan penduduknya.
Permodelan Jumlah Kasus Tuberkulosis Di Kabupaten Purbalingga Tahun 2022 Menggunakan Regresi Binomial Negatif: Modeling the Number of Tuberculosis Cases in Purbalingga Regency in 2022 Using Negative Binomial Regression Arum, Prizka Rismawati; Manfaati Nur, Indah; Jihan Syafiqoh, Amalia; Rizky Utami, Hanief
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.273

Abstract

Menurut data dari Dinkes Purbalingga pada bulan Mei 2022 ditemukan 422 kasus TBC dan 9 diantaranya menderita TBC Multi Drug Resistant (MDR) atau kebal obat. Untuk kasus TBC MDR saat ini menjadi perhatian kusus pemerintah, hal ini karena masa penyembuhannya membutuhkan waktu yang lebih lama. Penyakit TB Paru merupakan salah satu penyebab kematian utama di Indonesia dan dunia. Selain menyerang Paru, Tuberculosis dapat menyerang organ tubuh yang lain. Jumlah orang terduga Tuberkulosis tahun 2022 sebanyak 11.324 dan orang terduga tuberkulosis yang mendapatkan pelayanan kesehatan sesuai standar sebanyak 12.072 (106,6%). Oleh karena itu, perlu dilakukan upaya untuk memodelkan jumlah kasus TBC di Kabupaten Purbalingga agar dapat memberikan informasi yang berguna dalam upaya pencegahan dan pengendalian penyakit TBC.Model regresi Poisson sering ditemukan pelanggaran asumsi overdispersi dengan memodelkan faktor-faktor yang berpengaruh terhadap kasus tuberculosis. Alternatif model yang dapat dilakukan untuk mengatasi pelanggaran asumsi overdispersi adalah Model Regresi Binomial Negatif. Berdasarkan nilai AIC diperoleh hasil pemodelan terbaik menggunakan regresi binomial negatif dengan nilai AIC sebesar 191.96 yang lebih kecil dari metode regresi Poisson.Berdasarkan uji parsial dihasilkan bahwa variabel yang berpengaruh terhadap jumlah kasus tuberculosis di Kabupaten Purbalingga adalah X2 yaitu jumlah puskesmas.
Implementation of Hierarchical Clustering for Grouping Economic Development Indicators in Central Java Province: Penggunaan Clustering Hierarki Untuk Pengelompokan Indikator Pembangunan Ekonomi di Provinsi Jawa Tengah Salmaa; Asyfani, Yusrisma; Manfaati Nur, Indah
Journal of Data Insights Vol 3 No 1 (2025): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v3i1.298

Abstract

In the midst of global economic shifts, the economy in Indonesia must continue to improve. To help economic recovery after the contraction caused by the COVID-19 pandemic, the Indonesian government has implemented various policies. One way is through the process of increasing per capita income over a long period of time, known as economic development, provided that the number of people living below the absolute poverty line does not increase and income distribution does not decrease. Other efforts can be made by analyzing economic development indicators. One method that can be used is hierarchical cluster analysis to group economic development indicators in Central Java province. Average linkage is used as an approach method after carrying out correlation analysis of the five approaches in hierarchical analysis because the correlation value is the highest. From this analysis two clusters were produced with the first cluster having higher characteristic values compared to the second cluster.
Co-Authors Abdullah, Ammil Nur Aisya Hanan, Tio Ali Imron Amri, Saeful Anggun Lestari , Febi Arifatul Ulya, Fatchi Asyfani, Yusrisma Aura Hisani, Zahra Fathoni Amri, Ihsan Hikmah Nur Rohim, Febrian Ismatullah Jihan Syafiqoh, Amalia Muntasiroh, Laily Nur, M. Saifudin Prizka Rismawati Arum Rizky Utami, Hanief Rohani, Imam SALMAA Yunanita, Novia