Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal The Indonesian Journal of Computer Science Research Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi
Masruro, Ahlihi
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Kolaborasi Naïve Bayes dan AdaBoost dalam Klasifikasi Bakteri E.coli Utama, Hastari Utama; Masruro, Ahlihi; Triyadi, Agung
Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi Vol. 2 No. 2 (2024): Juli
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/jsimtek.v2i2.756

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma Naïve Bayes yang di-boosting menggunakan AdaBoost dalam klasifikasi bakteri E.coli. Naïve Bayes sering dianggap sebagai weak classifier karena akurasinya yang kurang optimal pada dataset yang kompleks, sehingga diperlukan metode boosting untuk meningkatkan performanya. AdaBoost dipilih karena kemampuannya memperkuat weak classifiers dengan menyesuaikan bobot pada data yang salah diklasifikasikan, sehingga hasil klasifikasi menjadi lebih akurat. Dataset E.coli yang digunakan dalam penelitian ini terdiri dari 7 fitur biologis yang menggambarkan karakteristik sinyal dan protein. Proses implementasi dilakukan menggunakan Python, Jupyter Notebook, serta library scikit-learn dan imblearn. Evaluasi kinerja dilakukan dengan menggunakan metode 10-fold cross-validation dan confusion matrix. Hasil penelitian menunjukkan bahwa Naïve Bayes yang di-boosting dengan AdaBoost berhasil meningkatkan akurasi klasifikasi dari 76% menjadi 94%, serta meningkatkan rata-rata cross-validation dan geometric mean. Meskipun AdaBoost tidak selalu menjamin peningkatan kinerja pada setiap dataset, kolaborasi kedua algoritma ini terbukti mampu memberikan hasil yang lebih stabil dan akurat pada dataset E.coli  . Penelitian ini menyimpulkan bahwa kombinasi Naïve Bayes dan AdaBoost efektif dalam meningkatkan performa klasifikasi dataset biologis yang kompleks.
Perancangan UI/UX Pada Aplikasi Peduli Alam Berbasis Aplikasi Mobile Menggunakan UCD Gavinda, Gigih Raka; Utama, Hastari; Masruro, Ahlihi
The Indonesian Journal of Computer Science Research Vol. 4 No. 1 (2025): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i1.192

Abstract

Permasalahan pembuangan sampah sembarangan masih sering terjadi di berbagai daerah, seperti di pinggir jalan dan sungai, yang menimbulkan bau tidak sedap, merusak pemandangan, serta mengganggu kenyamanan masyarakat. Fenomena ini menunjukkan rendahnya kesadaran masyarakat dalam menjaga kebersihan lingkungan. Untuk mengatasi masalah tersebut, diperlukan solusi inovatif yang dapat memudahkan masyarakat dan petugas kebersihan dalam mengelola sampah. Penelitian ini bertujuan merancang antarmuka aplikasi Peduli Alam berbasis mobile dengan menerapkan metode User-Centered Design (UCD) yang berfokus pada kebutuhan pengguna. Aplikasi ini dirancang dengan tiga fitur utama, yaitu Lokasi Sampah, Laporan Pekerjaan, dan Tip untuk Petugas Kebersihan, yang diharapkan dapat memudahkan masyarakat dalam melaporkan lokasi sampah serta membantu petugas kebersihan dalam menangani masalah sampah secara efektif. Pengujian prototipe dilakukan terhadap 30 responden menggunakan kuesioner dengan skala Likert yang terdiri dari 15 pertanyaan. Hasil evaluasi menunjukkan skor sebesar 84,71 yang termasuk dalam kategori “Baik”, mengindikasikan bahwa desain aplikasi ini telah memenuhi kebutuhan pengguna dan siap untuk dikembangkan lebih lanjut. Dengan adanya aplikasi ini, diharapkan dapat meningkatkan partisipasi masyarakat dalam menjaga kebersihan lingkungan serta mendukung kinerja petugas kebersihan dalam menanggulangi masalah sampah.
Co-Authors Gavinda, Gigih Raka Triyadi, Agung Utama, Hastari