Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal Computer Science (ijcs) Jurnal Ilmu Komputer dan Sistem Informasi
Fazrin, Bintang Maulana
Unknown Affiliation
Computer Science & IT Library & Information Science

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

Found 2 Documents
Search

 1 
A Meningkatkan Akurasi KNN Menggunakan Metode Particle Swarm Optimization pada Klasifikasi Kualitas Buah Apel Amelia, Mutiara Mega; Harafani, Hani; Maarif, Muhammad Rafa; Fazrin, Bintang Maulana
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 4 No. 1 (2025): Januari 2025
Publisher : LKP Unity Academy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70340/jirsi.v4i1.173

Abstract

Apple quality is a crucial aspect in the agriculture and food processing industry, quality assessment is essential to meet consumer standards and ensure customer satisfaction. This research explores the use of K-nearest Neighbor (KNN) algorithm optimized with Particle Swarm Optimization (PSO) for apple quality classification based on the attributes of size, weight, sweetness, crispness, juiciness, ripeness, and acidity. The dataset used contains 4000 apple samples that have been measured and evaluated based on these attributes. The results showed that setting the population size and inertia weights in the PSO algorithm successfully optimized the performance of KNN in apple quality classification. The combination of population size and inertia weight in the PSO algorithm can increase KNN's accuracy to 91.15% with a recall value of 89.53% and precision of 92.59%. This research also has a better accuracy value than previous research on apple quality classification.
Implementasi Naive Bayes Untuk Klasifikasi Gangguan Tidur Amelia, Mutiara Mega; Fazrin, Bintang Maulana; Panjaitan, Yogi Yosua; Kurniawan, Muhamad Dicky; Khasanah, Nurul
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/t18ryp42

Abstract

Kualitas tidur yang baik merupakan aspek penting dari gaya hidup sehat, dengan dampak signifikan terhadap kesejahteraan fisik dan mental individu. Tidur yang cukup dan berkualitas telah terbukti meningkatkan fungsi kognitif, memperkuat sistem kekebalan tubuh, dan mengurangi risiko terkena berbagai penyakit kronis. Namun, gangguan tidur seperti insomnia dan sleep apnea dapat mengganggu pola tidur dan berpotensi menyebabkan dampak negatif pada kesehatan seseorang. Dalam konteks ini, penelitian ini bertujuan untuk menyelidiki dan mengklasifikasikan gangguan tidur berdasarkan sejumlah atribut yang berkaitan dengan gaya hidup dan kesehatan tidur. Dataset yang digunakan terdiri dari 374 entri, yang mencakup beragam atribut tentang gaya hidup dan kesehatan tidur. Metode Naive Bayes digunakan untuk melakukan klasifikasi, dengan melakukan empat proporsi pembagian data training dan testing: 60:40, 70:30, 80:20, dan 90:10. Tahapan penelitian meliputi pengumpulan data, preprocessing, pemodelan menggunakan algoritma Naive Bayes, evaluasi model, dan analisis hasil. Hasil penelitian menunjukkan adanya peningkatan akurasi seiring dengan peningkatan proporsi data training, dengan akurasi tertinggi mencapai 92.11% pada pembagian data 90:10. hasil tersebut termasuk dalam kategori excellent classification, menunjukkan keberhasilan model dalam mengidentifikasi dan mengklasifikasikan gangguan tidur berdasarkan atribut yang diberikan.
Co-Authors Amelia, Mutiara Mega Hani Harafani, Hani Kurniawan, Muhamad Dicky Maarif, Muhammad Rafa Nurul Khasanah, Nurul Panjaitan, Yogi Yosua