Article Per Year (5 Year)
p-Index From 2021 - 2026
6.311
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Jurnal Informatika Jurnal CoreIT Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Sains dan Informatika Jurnal Informatika Universitas Pamulang Jurnal Teknologi Sistem Informasi dan Aplikasi Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika JURIKOM (Jurnal Riset Komputer) Informatika : Jurnal Informatika, Manajemen dan Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) TIN: TERAPAN INFORMATIKA NUSANTARA Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Bulletin of Information Technology (BIT) Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science Bulletin of Informatics and Data Science
Gusti, Siska Kurnia
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
Klasifikasi Berita Menggunakan Metode Naïve Bayes Classifier Sayyid Muhammad Habib; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4191

Abstract

Abstrak - Tingginya kecenderugan masyarakat dalam mengakses berita secara online, membuat editor dan portal berita harus menyediakan berita yang berkualitas. Namun berita pada portal tersebut masih diklasifikasikan secara umum, sehingga ketika pembaca ingin mendapatkan kategori berita yang lebih spesifik harus dilakukan secara manual dengan menyaring berita-berita tersebut. Hal ini juga yang dialami oleh bidang sosial Badan Pusat Statistik Provinsi Riau yang kesulitan dalam mencari dan mengklasifikasikan jenis berita tentang Provinsi Riau. Oleh sebab itu, proses pengklasifikasian berita menggunakan metode naïve bayes classifier merupakan hal yang penting untuk dilakukan. Jumlah berita yang digunakan dalam penelitian ini berjumlah 510 berita dan dikategorikan menjadi 3 kategori yaitu demokrasi, kemiskinan, dan ketenagakerjaan. Agar membantu bidang sosial di Badan Pusat Statistik Provinsi Riau dalam mengklasifikasikan jenis berita sebagai landasan fenomena yang terjadi di daerah Provinsi Riau berdasarkan dari nilai indeks demokrasi, ketenagakerjaan, dan kemiskinan Provinsi Riau. Proses pengklasifikasian berita dalam penelitian ini meliputi: pengumpulan data, text preprocessing, pembobotan kata, dan klasifikasi naïve bayes classifier. Nilai akurasi tertinggi yang diperoleh dalam penelitian ini sebesar 94% dengan pembagian data uji 10% dan data latih 90%.Kata kunci: Berita, Badan Pusat Statistik, Klasifikasi, Naïve Bayes Classifier, RiauAbstract - The high tendency of people to access news, especially online news, makes editors and news portal sites to provide quality information and news. However, the news grouping is still classified in general, so, when the reader want to get a more specific category of news, it must be done manually by filtering the news. This is also happened by the social sector of the Badan Pusat Statistik Provinsi Riau, which has difficulty in finding news about Riau Province. Therefore, the process of classifying news using the Naive Bayes Classifier method is an important thing to do. The number of news used in this research is 510 news and it's categorized into 3 categories, namely democracy, poverty, and employment. The news classification process in this research includes: data collection, manual labeling, text preprocessing, term weighting, and naive Bayes classifier classification. The highest accuracy value obtained in this research was 94% with the distribution of 10% test data and 90% training data.Keywords: Badan Pusat Statistik, Classification, Naïve Bayes Classifier, News, Riau
Klasifikasi Penerima Bantuan Covid-19 Menggunakan Metode Weighted K-Nearest Neighbour Adi Mustofa; Okfalisa Okfalisa; Eka Pandu Cynthia; Yelfi Yelfi; Siska Kurnia Gusti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4399

Abstract

Abstrak - Di awal tahun 2020 ini, World Health Organization (WHO) menerima laporan dari Cina mengenai kejadian infeksi berat yang belum diketahui penyebabnya. Kemudian WHO memberi nama virus ini sebagai Covid-19 pada 11 februari 2020. Covid-19 berdampak besar pada perekonomian global termasuk pada perekonomian Indonesia. Akibat penyebaran virus covid-19 banyak pelaku usaha mikro kecil (UMK) dan koperasi yang tidak bisa melakukan aktifitas usaha, Pelaku Industri Kecil yang tidak bisa melakukan aktifitas produksi, Jasa transportasi umum konvensional atau online dalam kota ,buruh, pekerja, atau tenaga harian lepas yang tidak memiliki pekerjaan, dan pekerja sektor formal yang dirumahkan atau korban Pemutusan Hubungan Kerja (PHK). Pemerintah daerah memberikan bantuan bagi masyarakat yang terdampak pandemi Covid-19. Dalam menentukan kelayakan penerima bantuan di kelurahan wonorejo masih menggunakan sistem manual, dimana penentuannya berdasarkan kriteria-kriteria dari hasil rekap data .Sehingga dalam jumlah data yang besar membutuhkan waktu yang relatif lama, serta ketelitian yang tinggi dalam menentukan kelayakan penerima bantuan. Untuk mengatasi permasalahan tersebut diperlukan sistem klasifikasi yang diharapkan dapat menentukan penerima bantuan. Metode yang dapat digunakan adalah Weighted KNN. Setelah dilakukan pengujian dengan Confusion Matrix dengan nilai k=5 didapatkan tingkat akurasi sebesar 87.69%.Kata Kunci: Bantuan, Covid-19, Klasifikasi, K-Neearest Neighbor, Weighted KNN. Abstract - In early 2020, the World Health Organization (WHO) received a report from China regarding the incidence of severe infections with unknown causes. Then on February 11, 2020 WHO named it as COVID-19. Covid-19 has had a major impact on the global economy, including the Indonesian economy. Due to the spread of the Covid-19 virus, many micro, small and medium enterprises and cooperatives are unable to carry out business activities, Small industry that unable to carry out production activities,public transportation service workers in the city both, laborer , and freelancer without a job, and laid-off formal sector workers. Local governments provide assistance to communities affected by the Covid-19 pandemic.  In determining the class of beneficiaries in Wonorejo District, the manual system is still used, where the determination is based on criteria from the results of the data recap. So that large amounts of data require a relatively long time, and high accuracy in determining the class of beneficiaries. To overcome these problem tersebut require classification system that expected to be able to determine the class of beneficiaries. The method that can be used is Weighted K-NN.The result of the Confusion Matrix method obtained an accuracy rate of 87.69%.Key Word:  Assistance, Covid-19, Classification, K-Neearest Neighbor, Weighted KNN
Klasifikasi Berita Menggunakan Metode K-Nearest Neighbor Rahmah Miya Juwita; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4192

Abstract

Abstrak - Meningkatnya minat masyarakat dalam mengakses berita, khususnya berita online, menuntut redaktur dan situs portal berita untuk memberikan liputan dan berita yang berkualitas. Selain itu, klasifikas berita yang ada masih tergolong umum dapat menjadi kendala yang dialami pembaca. jika pembaca ingin melihat kategori berita yang lebih spesifik, mereka harus menyaring berita tersebut secara manual. Hal ini juga terjadi di bidang sosial Badan Pusat Statistik Provinsi Riau yang kesulitan mencari berita tentang Provinsi Riau. Oleh karena itu, proses klasifikasi berita menggunakan metode k-nearest neighbor menjadi hal yang krusial untuk dilakukan. Jumlah berita yang digunakan dalam penelitian ini berjumlah 510 data dengan tiga kategori yaitu demokrasi, kemiskinan, dan ketenagakerjaan. Proses klasifikasi berita dalam penelitian ini meliputi: pengumpulan data, pelabelan manual, preprocessing teks, pembobotan kata, dan klasifikasi memakai metode k-nearest neighbor. Selain itu, cosinus similarity juga digunakan untuk meningkatkan nilai akurasi. Nilai akurasi tertinggi yang diperoleh pada penelitian ini adalah 87% menggunakan nilai k = 3 dengan distribusi data uji 20% dan data latih dari 80%. Dari penelitian ini dapat diambil kesimpulan bahwa metode K-Nearest Neighbor dapat bekerja dengan baik dalam proses klasifikasi berita.Kata kunci: Badan Pusat Statistik, Berita, Cosine Similarity, Klasifikasi, K-Nearest Neighbor Abstract - The increasing of public interest in accessing news, especially online news, requires editors and news portal sites to provide quality coverage and news. In addition, the grouping of news that still classified as a general can be an obstacle experienced by readers. if the reader wants to see a more specific category of news, they must filter the news manually. This is also happened in the social sector of Badan Pusat Statistik Provinsi Riau, which has trouble when finding news about Riau Province. Therefore, the news classification process using the k-nearest neighbor method is a crucial thing to do. The number of news stories used in this study amounted to 510 data with three categories,  democracy, poverty, and employment. The news classification process in this study includes: data collection, manual labeling, text preprocessing, word weighting, and classification using k-nearest neighbor method. Besides that, cosine similarity is also used to increase the accuracy value. The highest accuracy values obtained in this study were 87% using a values of k = 3 with distribution of test data of 20% and training data of 80%. From this research, it can be concluded that the K-Nearest Neighbor method works well in the news classification process.Keywords: Badan Pusat Statistik, Cosine Similarity, Classification, K-Nearest Neighbor, News
Klasifikasi Berita Menggunakan Metode Support Vector Machine Robbi Nanda; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4193

Abstract

Abstrak - Berita adalah sebuah informasi mengenai peristiwa yang terjadi di suatu lokasi yang bisa disajikan dalam bentuk teks maupun visual. Berita bisa ditemukan di berbagai portal berita dan media cetak. Umumnya setiap berita dikelompokan berdasarkan kategori umum seperti ekonomi, politik, olahraga, dll. Permasalahan yang muncul adalah  bagaimana cara untuk melakukan pengelompokan pada data berita yang biasanya berjumlah hingga ribuan karakter kedalam kategori yang lebih spesifik. Permasalah ini dapat diselesaikan dengan cara menerapkan text mining dengan memanfatakan algoritma klasifikasi untuk mendapatkan sebuah model fungsi yang merepresentasikan tiap kategori berita. Salah satu algoritma klasifikasi yang cukup tangguh untuk melakukan proses klasifikasi teks adalah Support Vector Machine. Penelitian ini menggunakan 510 data berita dengan batasan klasifikasi 3 kategori berita. Algoritma SVM mendapatkan hasil akurasi tertinggi di 88% untuk nilai parameter C =1, kernel Linear dengan pembagian data uji dan data latih sebesar 90% dan 10 %.Kata kunci : Berita, Klasifikasi, Support Vector Machine, Text Mining Abstract  - News is information about events that occur in a location that can be presented in text or visual form. News can be found on various news portals and print media.Generally each news is grouped by general categories such as economics, politics, sports, etc. The problem is how to group news data into more specific categories.This problem can be solved by applying text mining using the classification algorithm to obtain a function model that represents each news category. One of the classification algorithms that is strong enough to do the text classification process is the Support Vector Machine. This study uses 510 news sample with a classification limit of 3 news categories. The SVM algorithm gets the highest accuracy at 88% for the parameter value C = 1, and Linear kernel with the distribution of test data and training data is 90% and 10%.Keywords : Classification, News, Support Vector Machine, Text Mining
Klasifikasi Berita Menggunakan Algoritma C4.5 Yayuk Wulandari; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4194

Abstract

Abstrak - Perkembangan zaman mengalami kemajuan yang sangat pesat, saat ini penyebaran berita yang paling populer adalah melalui internet. Berita yang disajikan di situs berita online biasanya hanya dalam kategori umum, sehingga ketika pembaca ingin mendapatkan kategori berita yang lebih spesifik harus dilakukan secara manual yang tentunya menjadi kegiatan yang cukup merepotkan. Hal ini juga dialami oleh Badan Pusat Statistik Provinsi Riau yang kesulitan dalam mencari dan mengklasifikasikan berita tentang Provinsi Riau. Dalam hal ini penerapan klasifikasi otomatis dirasa sangat diperlukan. Penelitian ini menggunakan metode klasifikasi C4.5 dengan 510 data berita yang akan diklasifikasikan menjadi 3 kategori yaitu demokrasi, kemiskinan dan ketenagakerjaan. Proses klasifikasi berita dalam penelitian ini meliputi: pengumpulan data, pelabelan manual, teks preprocessing, pembobotan kata, dan metode klasifikasi C4.5. Berdasarkan penelitian yang dilakukan, hasil uji akurasi adalah 84% dengan menggunakan pembagian data 90%:10%. Dapat disimpulkan bahwa metode C4.5 cocok digunakan dalam klasifikasi berita.Kata kunci: Badan Pusat Statistik, Berita, C4.5, Klasifikasi. Abstract - The development of the times has progressed very rapidly, currently the most popular spread of news is through the internet. The news presented on online news sites is usually only in general categories, so when readers want to get a more specific category of news, it must be done manually, which of course will be a bit of a hassle. This is also experienced by the social sector of the Badan Pusat Statistik of Riau, which has difficulty finding and classifying news about Riau Province. In this case the application of automatic classification is felt to be very necessary. This study uses the C4.5 classification method with 510 news data which will be classified into 3 categories, namely democracy, poverty and employment. The news classification process in this study includes: data collection, manual labeling, preprocessing text, word weighting, and C4.5 classification method. Based on the research conducted, the results of the accuracy test were 84% using 90%:10% data sharing. It can be concluded that the C4.5 method is suitable for use in news classification.Keywords : Badan Pusat Statistik, C4.5, Classification, News.
Implementasi Algoritma Convolutional Neural Network (Resnet-50) untuk Klasifikasi Kanker Kulit Benign dan Malignant: Implementation of Convolutional Neural Network Algorithm (ResNet-50) for Benign and Malignant Skin Cancer Classification Gusti, Gogor Putra Hafi Puja; Haerani, Elin; Syafria, Fadhillah; Yanto, Febi; Gusti, Siska Kurnia
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1398

Abstract

Kulit sebagai organ terluar yang menutupi seluruh bagian tubuh manusia rentan terhadap berbagi penyakit, salah satunya kanker kulit. Penggunaan teknologi malignant, khususnya Convolutional Neural Network (CNN) diangkat menjadi topik penelitian karena kemampuan CNN untuk secara otomatis mengenali fitur penting dalam klasifikasi citra medis kanker kulit. Oleh karena itu dilakukan penelitian pengklasifikasian penyakit kanker kulit benign (jinak) dan malignant (ganas) menggunakan algoritma CNN arsitektur ResNet-50 dengan dataset berupa 5000 data latih kanker kulit benign dan 4600 data latih kanker kulit malignant.Model CNN yang telah dirancang dengan epoch 50 menggunakan optimizer Adam dan batch size sebesar 54 serta melibatkan beberapa teknik augmentasi data guna meningkatkan keragaman dataset untuk kemudian model hasil perancangan diimplementasikan ke dalam tampilan sebuah website dengan menggunakan Flask sebagai kerangka kerja yang menghubungkan antara model deep learning dan website agar bisa diakses oleh pengguna. Metode pengujian blackbox dilakukan demi memastikan sistem dapat melakukan klasifikasi kanker kulit melalui input berupa citra medis kedalam 2 kelas yaitu benign dan malignant dengan baik serta didapatkan hasil akurasi model sebesar 94,88 % dan loss sebesar 13,24%.
Aplikasi Pengawasan Antar-Jemput Anak Sekolah Menggunakan API (Application Program Interface) Whatsapp Sardi, Hajra; Jasril, Jasril; Irsyad, Muhammad; Kurnia Gusti, Siska
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 6 (2024): Juni 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i6.1898

Abstract

Alfatih School Indonesia is the first Islamic school with a combination of Indonesia and Turkey which was founded on August 15 2019. This school always ensures that its students are safe from going to school to leaving school, but currently the school only carries out supervision by waiting and ensuring that only parents students who are allowed to pick up students. This method is less effective because there is no accurate documentation or records, besides that many crimes occur, such as kidnapping, which means that security must be improved. In this research, an Android-based school children pick-up and drop-off monitoring application was built using the WhatsApp API with the QR Code feature. The application that was built is equipped with the main feature of Whatsapp Information, namely a feature that allows parents to receive detailed information about the person who picked up their child via Whatsapp messages sent to the parents' Whatsapp number by the application automatically. The type of WhatsApp that will be used is the WhatsApp API (Application Program Interface). The message will be sent after the school confirms it using a scan of the QR Code that each parent has. To ensure security the generated QR Code will always be different and can only be created through the application. The application built can also validate invalid QR-Code
Penerapan Metode Backpropagation Neural Network untuk Klasifikasi Penyakit Stroke Azhima, Mohd; Afrianty, Iis; Budianita, Elvia; Gusti, Siska Kurnia
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 6 (2024): Juni 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i6.1956

Abstract

Stroke is a non-communicable disease that can occur suddenly due to local or global disruption of brain function. The early symptoms of stroke are often difficult to recognize, causing many sufferers not to realize or feel the signs, so the death rate is quite high. This research aims to determine the ability of the Backpropagation Neural Network (BPNN) method in classifying stroke. The dataset used consists of 4891 medical records with stroke and non-stroke classes which include ten relevant variables (gender, age, hypertension, history of heart disease, BMI, blood sugar levels, and so on). This research runs three scenarios with the BPNN architecture model [19:25:1], [19:29:1], and [19:35:1] using a certain combination of variables, namely the comparison of training and testing data (90:10, 80 :20, 70:30), and learning rate 0.1; 0.01; 0.001. Test results with the highest average accuracy level of 96.14% were achieved with an architectural model of [19:29:1], a learning rate of 0.001, and a training and testing data distribution of 80:20. Based on testing, it can be concluded that BPNN is considered capable of classifying stroke
Rancang Bangun Sistem Informasi Mesjid Al-Jami’ah Berbasis Web Dengan Menggunakan Framework CI Abdullah, Abdullah; Norhiza, Fitra Lestari; Gusti, Siska Kurnia; Umam, Isnaini Hadiyul; Yola, Melfa
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i2.2174

Abstract

Technological advancements in information systems have introduced new methods that impact how we live our lives. These developments enhance efficiency and enable various activities to be carried out more precisely and accurately, ultimately positively affecting productivity. Masjid Al Jami'ah is a mosque located on the UIN Suska Riau campus. Some of the issues at Masjid Al Jami'ah include the lack of an information system, resulting in manual financial management using books or spreadsheets, frequent loss of financial records, and torn notes. This research focuses on developing an information system aimed at facilitating more effective data management at Masjid Al-Jami'ah, assisting mosque administrators in organizing and managing related information. The development method used in this research is Rapid Application Development (RAD). The result of the research is the creation of a web and Android-based information system for Masjid Al-Jami'ah. Based on testing using User Acceptance Testing (UAT), the system achieved an accuracy level of 74%.Keywords: Information Systems; Rapid Application Development; User Acceptance Testing AbstrakKemajuan teknologi dalam sistem informasi saat ini telah memperkenalkan metode-metode baru yang mempengaruhi cara kita menjalani kehidupan. Perkembangan ini meningkatkan efisiensi dan memungkinkan berbagai aktivitas dengan lebih tepat, dan akurat, hingga pada akhirnya berdampak positif pada produktivitas. Mesjid Al Jami’ah adalah masjid yang terletak di kampus UIN Suska Riau. Beberapa permasalahan yang terjadi di masjid Al Jami’ah ini belum memiliki sistem informasi, dan sehingga Pengelolaan keuangan masjid masih manual menggunakan buku/lembar kerja, sering terjadinya kehilangan catatan keungan, catatan sobek. Penelitian ini difokuskan pada pengembangan sistem informasi yang bertujuan untuk memfasilitasi pengelolaan data secara lebih efektif di Masjid Al-Jami'ah, sehingga membantu pengelola masjid dalam mengatur dan mengelola informasi terkait. Metode pengembangan yang digunakan adalah Rapid Application Development (RAD). Hasil dari penelitian adalah terciptanya informasi sistem menggunakan web dan android untuk Masjid Al-Jami'ah. Berdasarkan pengujian menggunakan User Acceptance Testing (UAT), sistem ini mencapai tingkat akurasi sebesar 74%. 
Klasifikasi Tingkat Keparahan Korban Kecelakaan Lalu Lintas Menggunakan Naïve Bayes Abdullah, Said Noor; Kurnia Gusti, Siska; Wulandari, Fitri; Syafria, Fadhilah
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1348

Abstract

A traffic accident is an unpredictable and unintentional event between other road users that results in human victims experiencing minor injuries, serious injuries, loss of property, and death. Accidents in the city of Pekanbaru tend to increase every year, based on data obtained from the Polresta in the city of Pekanbaru from 2015 to March 2021. Further analysis is needed regarding the severity of traffic accident victims, so use the data mining method using the naïve Bayes classification technique. The research was carried out through cleaning, transformation, and feature selection processes. Attributes that influence determining the severity of traffic accident victims in Pekanbaru City are time, age, vehicle, type of accident, and crash opponent. Then the testing process was carried out and the results obtained an accuracy of 57%.Keywords: Data Mining; Classification; Naïve Bayes; Accident; Traffic. AbstrakKecelakaan lalu lintas merupakan suatu peristiwa yang tidak dapat diprediksi dan tidak disengaja antara pemakai jalan lainnya yang mengakibatkan korban manusia mengalami luka ringan, luka berat, mengalami kerugian harta benda hingga meninggal dunia. Kecelakaan di kota Pekanbaru setiap tahunnya cenderung semakin bertambah, berdasarkan data yang diperoleh dari Polresta di kota Pekanbaru dari tahun 2015 hingga maret 2021. Diperlukan analisis lebih lanjut mengenai tingkat keparahan korban kecelakaan lalu lintas maka penggunakan metode data mining dengan menggunakan teknik klasifikasi naïve bayes. Penelitian dilakukan melalui proses cleaning, transformasi dan feature selection. Atribut yang berpengaruh dalam menentukan tingkat keparahan korban kecelakaan lalu lintas di Kota Pekanbaru adalah waktu, usia, kendaraan, jenis kecelakaan dan lawan tabrak. Kemudian dilakukan proses pengujian dan didapatkan hasil akurasi sebesar 57%.Kata kunci: Data Mining; Klasifikasi; Kecelakaan; Lalu Lintas; Naïve Bayes.
Co-Authors Abdul Wahid Abdullah Abdullah Abdullah, Said Noor Abdussalam Al Masykur Adi Mustofa Al Rasyid, Nabila Alfaiza, Raihan Zia Alfin Hernandes Alwaliyanto Alwis Nazir Alwis Nazir Alwis Nazir Amelia, Felina Anggi Vasella Azhima, Mohd Baehaqi Beni Basuki Cut Lira Kabaatun Nisa Destri Putri Yani Devi Julisca Sari Dina Septiawati efni humairah Eka Pandu Cynthia Eka Pandu Cynthia Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elvia Budianita Erni Rouza, Erni Fadhilah Syafria Faska, Ridho Mahardika Febi Yanto Fitri Insani Fitri Insani Fitri Wulandari Fitri, Anisa Gusti, Gogor Putra Hafi Puja Hamwar, Syahbudin Iis Afrianty Iis Afrianty Iqbal Salim Thalib Irsyad (Scopus ID: 57204261647), Muhammad Iwan Iskandar Jasril Jasril Jasril Jasril Khair, Nada Tsawaabul Kurniansyah, Juliandi Lestari Handayani M Wandi Dwi Wirawan Maemonah, Maemonah Morina Lisa Pura Muhammad Affandes Muhammad Fauzan Muhammad Irsyad Muhammad Khairy Dzaky Muhammad Rifaldo Al Magribi Nazir, Alwis Norhiza, Fitra Lestari Novriyanto Novriyanto Nurul Ikhsan Okfalisa Okfalisa Pizaini Pizaini Prima Yohana Rahmah Miya Juwita Raja Indra Ramoza Ramadhani, Astrid Risfi Ayu Sandika Robbi Nanda Robby Azhar Sardi, Hajra Satria Bumartaduri Sayyid Muhammad Habib Siti Ramadhani Siti Ramadhani Siti Ramadhani Surya Agustian Suwanto Sanjaya Syafira, Fadhilah Syafria, Fadhillah Syaputra, Muhammad Dwiky Umam, Isnaini Hadiyul Vusuvangat, Imam Wulandari, Fitri Yayuk Wulandari Yelfi Yelfi Yola, Melfa Yusra Yusra, - Yusra, Yusra