Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika)
Nurkamal Fauzan, Mohamad
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

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

Found 3 Documents
Search

 1 
KAJIAN LITERATUR PENILAIAN KEDISIPLINAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Salsabila Ritonga, Yunia; Nurkamal Fauzan, Mohamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6848

Abstract

Kedisiplinan merupakan faktor penting untuk dipertimbangkan saat mengembangkan identitas profesional seseorang sebagai sarjana. Kedisiplinan dapat menjadi faktor utama dalam hasil belajar. Tujuan dari penelitian ini adalah untuk melakukan tinjauan literatur yang relevan dalam kaitannya dengan hasil belajar yang diperoleh dari kedisiplinan mahasiswa. Metode kajian pustaka yang digunakan dalam penelitian ini dikenal dengan SLR (Systematic Literature Review). Analisis data dilakukan dengan menggunakan alat Publish or Perish (PoP), selanjutnya dengan tinjauan literatur sistematis yang sesuai dengan PRISMA, dan diakhiri dengan analisis isi. Pengumpulan data dilakukan dengan membaca setiap artikel yang berhubungan dengan penelitian ini. Hasil penelitian ini menunjukkan bahwa peningkatan manajemen pembelajaran dapat meningkatkan prestasi belajar bagi siswa. Kedisiplinan diperlukan untuk memberikan pengetahuan yang sesuai dalam kegiatan belajar mengajar. Hal ini akan memudahkan pengambilan keputusan oleh para akademisi dalam menentukan tindakan yang akan diambil untuk mengatasi masalah kedisiplinan.
PEMANFAATAN ALGORITMA ADASYN DAN SUPPORT VECTOR MACHINE DALAM MENINGKATKAN AKURASI PREDIKSI KANKER PARU-PARU Tiara Triani Br Sirait, Mustika; Siti Fathonah, Nuraini; Nurkamal Fauzan, Mohamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10752

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi kanker paru-paru dengan memanfaatkan parameter ADASYN dan algoritma Support Vector Machine (SVM). Ketidakseimbangan data merupakan salah satu tantangan utama dalam klasifikasi medis, di mana kelas minoritas seringkali diabaikan oleh model prediksi konvensional. Hal ini menyebabkan rendahnya sensitivitas dan spesifisitas dalam mendeteksi kasus kanker paru-paru yang jarang terjadi. Untuk mengatasi masalah ini, ADASYN digunakan untuk menyeimbangkan dataset dengan menghasilkan sampel sintetis untuk kelas minoritas secara adaptif berdasarkan distribusi data, sehingga model dapat lebih responsif terhadap variasi dalam kelas tersebut. Algoritma SVM kemudian diterapkan pada dataset yang telah seimbang untuk memisahkan kelas dengan margin terbesar, yang bertujuan untuk meningkatkan akurasi prediksi. Hasil pengujian menunjukkan bahwa kombinasi penggunaan ADASYN dan SVM berhasil meningkatkan kinerja model dengan mencapai skor akurasi sebesar 98.95%. Temuan ini menunjukkan bahwa pemanfaatan parameter ADASYN dalam pre-processing data dan penerapan SVM sebagai algoritma klasifikasi dapat secara signifikan meningkatkan akurasi prediksi pada kasus kanker paru-paru. Dengan demikian, penelitian ini memberikan kontribusi penting bagi pengembangan sistem deteksi dini yang lebih efektif dan andal, yang pada akhirnya dapat meningkatkan hasil pengobatan dan keselamatan pasien.
ETLE Sentiment Analysis Performance Increasement with TF-IDF, MDI Feature Selection, and SVM Syiarul Amrullah, Muhammad; Putrada, Aji Gautama; Nurkamal Fauzan, Mohamad; Alamsyah, Nur
Sistemasi: Jurnal Sistem Informasi Vol 13, No 4 (2024): 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.v13i4.2701

Abstract

In Indonesia, the government, through the Indonesian National Police (POLRI), has just released a new regulation, the Electronic Traffic Law Enforcement (ETLE). A traffic ticket policy is carried out electronically through camera monitoring connected directly to the vehicle registration certificates (STNK) database. The government can measure people's likes or dislikes of these public policies through sentiment analysis. There have been studies that have applied sentiment analysis to find out people's responses to ETLE. However, in terms of performance, this model only has an accuracy of 0.42. This study proposes the use of a support vector machine (SVM), term frequency-inversed document frequency (TF-IDF), and mean decrease in impurity (MDI) to evaluate polarization sentiment analysis on ETLE policies. First, we retrieve tweets about ETLE from Twitter. Then we do text analysis pre-processing and the remove stop words process. The next step is to carry out the TF-IDF process. We apply two feature selection methods for our comparison: MDI and recurrent feature elimination (RFE). Next, we compare two classification models, namely naïve Bayes and SVM. Some  of the metrics that we use to evaluate the pre-processing stage are the probability density function (PDF) and the t-test. We use the bag of words (BoW) to evaluate the remove stop words stage. Finally, sensitivity, specificity, and the receiver operating curve (ROC) are for evaluating feature selection methods and classification methods. The test results show that TF-IDF produces 1,022 new features. The combination of the methods we used resulted in the six models we compared. SVM+TF-IDF+MDI is the model with the best performance compared to the other five models. Accuracy and area under curve (AUC) scores are 0.99 and 0.97, respectively.
Co-Authors Aji Gautama Putrada Nur Alamsyah, Nur Salsabila Ritonga, Yunia Siti Fathonah, Nuraini Syiarul Amrullah, Muhammad Tiara Triani Br Sirait, Mustika