Claim Missing Document
Check
Articles

Found 39 Documents
Search

Klasifikasi Penyakit Hipertensi Menggunakan Metode Random Forest Novianti Novianti; Syarifah Putri Agustini Alkadri; Izhan Fakhruzi
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1663

Abstract

This study discusses the classification of hypertension using the Random Forest method with a focus on age as the main factor. Given the serious impact of hypertension on health, research aims to simplify understanding of the problem, identify treatment gaps, and propose algorithm-based solutions. Using the PPG-BP Database, research methods involve problem identification, data collection, preprocessing, Random Forest modeling, hyperparameter tuning, and model evaluation. The findings show a high level of accuracy, 98% on training data and 95% on testing data, with the model being able to predict hypertension classification based on the variables age, blood pressure, heart rate and body mass index. Despite data imbalance, the preprocessing steps proved to be effective. The research conclusions contribute to the understanding of disease classification, especially hypertension, as well as practical guidance in efforts to prevent and treat it.Keywords: Classification; Data Mining; Hypertension; Random Forest AbstrakPenelitian ini membahas klasifikasi penyakit hipertensi menggunakan metode Random Forest dengan fokus pada usia sebagai faktor utama. Dengan dampak serius hipertensi terhadap kesehatan, penelitian bertujuan untuk menyederhanakan pemahaman masalah, mengidentifikasi celah penanganan, dan mengusulkan solusi berbasis algoritma. Menggunakan PPG-BP Database, metode penelitian melibatkan identifikasi masalah, pengumpulan data, preprocessing, permodelan Random Forest, tuning hyperparameter, dan evaluasi model. Hasil temuan menunjukkan tingkat akurasi tinggi, 98% pada data training dan 95% pada data testing, dengan model mampu memprediksi klasifikasi hipertensi berdasarkan variabel usia, tekanan darah, detak jantung, dan indeks massa tubuh. Meskipun ada ketidakseimbangan data, langkah-langkah preprocessing terbukti efektif. Simpulan penelitian memberikan kontribusi pada pemahaman klasifikasi penyakit, khususnya hipertensi, serta panduan praktis dalam upaya pencegahan dan penanganannya.Kata kunci: Klasifikasi; Data Mining; Hypertension; Random Forest
The Development of Android Based on Legal Protection System for Women and Children Hazilina Hazilina; Syarifah Putri Agustini Alkadri
International Journal of Law Reconstruction Vol 8, No 1 (2024): International Journal of Law Reconstruction
Publisher : UNISSULA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26532/ijlr.v8i1.36235

Abstract

The issue of protecting women and children is becoming a concern in many parts of the world, including Indonesia. Applications can help women and children face dangerous conditions, increase public awareness, and empower them in handling cases of sexual harassment, requiring alternative technology-based solutions. The research method is juridical-empirical using a positivism paradigm, with a population of Pontianak city. Data was collected through literature study, documentation, and questionnaires. The legal protection for women and children in Pontianak City in terms of overcoming violence was found to be good, The community believed that the government was not adequately addressing incidences of abuse against women and children. Supporting factors suggest that the public can be helped by reporting acts of violence online.
Penerapan Metode Collaborative Filtering untuk Rekomendasi Tempat Kos di Sekitar Kampus UM Pontianak Agustian, Agustian; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5085

Abstract

Rekomendasi tempat kos merupakan salah satu kebutuhan bagi pelajar, namun menemukan kos yang sesuai dengan kebutuhan dan preferensi siswa bukanlah hal yang mudah. Hal ini disebabkan oleh banyaknya faktor yang perlu dipertimbangkan seperti lokasi, harga, fasilitas dan reputasi. Oleh karena itu, penelitian ini dilakukan untuk membangun sistem rekomendasi tempat kos menggunakan metode Collaborative Filtering yang dapat membantu mahasiswa menemukan kos yang sesuai dengan kebutuhan dan preferensi mereka. Data yang digunakan dalam penelitian ini adalah data penilaian kos-kosan dari pengguna, data tersebut dianalisis menggunakan metode Collaborative Filtering untuk menghasilkan model rekomendasi. Hasil Evaluasi menunjukkan bahwa sistem rekomendasi yang dibangun memiliki tingkat akurasi yang cukup baik. Berdasarkan nilai Mean Absolute Error (MAE) dengan akurasi 29.68%, sistem ini dapat memprediksi penilaian kos-kosan dengan kesalahan rata-rata yang sangat rendah. Selain itu, hasil pengujian User Acceptance Testing (UAT) dengan persentase respon positif 83.2% menunjukkan bahwa sistem rekomendasi ini diterima dengan baik oleh pengguna. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa metode Collaborative Filtering efektif dalam membangun sistem rekomendasi tempat kos yang akurat dan berguna bagi pengguna.
Klasifikasi Tingkat Kepuasan di Maskapai Penerbangan: Studi Komparasi Algoritma K-NN dan Adaboost Maysa, Ade; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5166

Abstract

Dalam persaingan bisnis yang ketat, kepuasan pelanggan menjadi kunci utama dalam meningkatkan kinerja perusahaan, terutama di industri penerbangan. Faktor-faktor seperti bagasi tertinggal di bandara keberangkatan, air conditioning (AC) pesawat yang tidak berfungsi selama penerbangan, dan keterlambatan penerbangan hingga 2 jam berpotensi besar mempengaruhi kepuasan penumpang. Untuk meningkatkan efisiensi layanan, perusahaan harus melakukan survei guna memahami faktor-faktor yang memengaruhi kepuasan pelanggan dan mencapai keunggulan kompetitif. Dalam mengukur kualitas layanan, indikator kepuasan penumpang menjadi penting sebagai pandangan bisnis. Dengan menggunakan teknik data mining, khususnya model klasifikasi dalam menganalisis data kepuasan pelanggan, perusahaan dapat menemukan komponen utama yang berkontribusi terhadap kepuasan atau ketidakpuasan pelanggan, seperti kualitas makanan, ketepatan waktu penerbangan, dan layanan di dalam pesawat. Penelitian ini mengkomparasi algoritma K-Nearest Neighbors (K-NN) dan Adaptive Boosting (Adaboost) yang bertujuan untuk mengetahui algoritma mana yang memiliki performa yang baik, untuk mengukur performa dari kedua algoritma maka akan digunakan teknik confusion matrix. Hasil akurasi algoritma K-NN sebesar 86%, dengan nilai precision 85% dan recall 78%. Sementara itu, algoritma Adaboost berhasil mencapai akurasi 90%, dengan nilai precision 90% dan recall 84%. Dengan akurasi, precision, dan recall yang lebih tinggi, Adaboost menjadi pilihan terbaik, dengan mencatat score true positive (TP) 3.199 dan true negative (TN) 5.550.
INOVASI PEMBELAJARAN DIGITAL: WORKSHOP MEDIA PEMBELAJARAN VIDEO CANVA UNTUK GURU SMA MUHAMMADIYAH 1 PONTIANAK Alkadri, Syarifah Putri Agustini; Sucipto; Muhammad Dwi Ramadhianto
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol. 8 No. 1 (2024): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v8i1.7131

Abstract

Kurikulum Merdeka berfokus pada pengembangan kemandirian siswa. SMA Muhammadiyah 1 Pontianak menghadapi tantangan integrasi teknologi yang minim, materi monoton, dan partisipasi siswa rendah. Solusi diusulkan adalah meningkatkan integrasi teknologi melalui media pembelajaran video yang menarik dan interaktif. Tujuan pengabdian adalah membekali guru dengan keterampilan membuat video pembelajaran kreatif untuk merangsang kemandirian dan semangat belajar siswa di luar kelas. Metode kegiatan mencakup ceramah dan praktek, dengan fokus pada perencanaan video, penggunaan Canva, dan teknik pengambilan gambar menggunakan smartphone. Berdasarkan hasil pretest dan posttest yang dilakukan dapat disimpulkan bahwa kegiatan pelatihan pengembangan media ajar dikategorikan berhasil dengan adanya peningkatan pemahaman guru sebesar 80% dan peningkatan kompetensi diatas 50% dalam menggunakan Canva sebagai media pembelajaran. Hasil survey pelatihan menunjukkan bahwa sebagian besar peserta setuju bahwa pelatihan bermanfaat dan meningkatkan pengetahuan peserta.
Sistem Prediksi Kebutuhan Obat di Puskesmas Berbasis Website Menggunakan Metode Regresi Linear Medi, Medi; Alkadri, Syarifah Putri Agustini; Octariadi, Barry Ceasar
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1543

Abstract

Community Health Centers (Puskesmas) are one of the most important public health service facilities in Indonesia. Subi sub-district health center is a health facility that prioritizes quality of service to the people of Subi sub-district. Medicines are a major factor for health agencies. With the availability of sufficient medicines, we can provide maximum service, thereby avoiding negative risks for patient safety. The data analysis process can be carried out using the Linear Regression method by determining the independent variables. Predictions made using the Linear Regression method can be measured using the Mean Absolute Percentage Error (MAPE) calculation. Predictions that have been stiffened and measured so that they can be used with future data can quickly develop a Prediction System. Prediction system design using Unifield Modeling Language (UML) and Balsamic Mockup as user interface design. This research produces a prediction system that can predict the number of drugs dispensed and predict drug orders. With a MAPE value of 12.4% and testing for acceptance of this prediction system of 89.5%. This means that the prediction system is very good and meets your needs.Keywords: Prediction; Drug Stock Availability; Linear Regression AbstrakPusat Kesehatan Masyarakat (Puskesmas) adalah salah satu sarana pelayanan Kesehatan masyarakat yang amat penting di Indonesia. Puskesmas kecamatan subi merupakan fasilitas Kesehatan yang mengutamakan kualitas pelayanan terhadap masyarakat kecamatan subi. Obat merupakan faktor utama bagi instansi kesehatan. Dengan ketersediaan obat yang cukup dapat memberikan pelayanan yang maksimal, sehingga terhindar dari resiko buruk bagi keselamatan pasien. Proses Analisis data yang bisa dilakukan dengan menggunakan metode Regresi Linear dengan menentukan variable bebas. Prediksi yang dilakukan dengan metode Regresi Linear dapat diukur menggunakan perhitungan Mean Absolute Percentage Error (MAPE). Prediksi yang telah dikakukan dan diukur agar dapat digunakan dengan data kedepannya secara cepat dibangunkan sebuah Sistem Prediksi. Perancangan Sistem prediksi menggunakan Unifield Modelling Language (UML) dan Balsamic Mockup sebagai perancangan user interface. Penelitian ini menghasilkan sebuah sistem prediksi yang dapat memprediksi jumlah obat keluar dan memprediksi pemesan obat. Dengan nilai MAPE sebesar 12.4% dan pengujian terhadap penerimaan sistem prediksi ini sebesar 89,5%. artinya sistem prediksi sudah sangat baik dan sesuai dengan kebutuhan. 
PREDIKSI HARGA SMARTPHONE BERDASARKAN FITUR SMARTPHONE DENGAN RANDOM FOREST REGRESSION Wiguna, Seftyan; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Kohesi: Jurnal Sains dan Teknologi Vol. 6 No. 9 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v6i9.10382

Abstract

Kemajuan teknologi telekomunikasi selama beberapa dekade terakhir telah secara drastis mengubah gaya hidup manusia di seluruh dunia. Penentuan harga yang tepat untuk ponsel pintar merupakan faktor kritis dalam strategi pemasaran dan penjualan yang sukses. Harga yang terlalu tinggi dapat mengurangi minat konsumen, sementara harga yang terlalu rendah dapat mengurangi potensi pendapatan perusahaan. Dalam konteks ini, banyak fitur penting yang perlu dipertimbangkan dalam memperkirakan harga ponsel, seperti prosesor, kapasitas baterai, ukuran layar, ketebalan, memori internal, resolusi kamera, dan kualitas video. Penelitian ini bertujuan untuk memprediksi harga smartphone berdasarkan fitur-fitur tersebut menggunakan metode Random Forest Regression, sebuah teknik machine learning yang dikenal mampu menangani data yang kompleks dan non-linear. Dalam penelitian ini sebuah aplikasi dikembangkan untuk memprediksi harga smartphone dengan menggunakan algoritma Random Forest. Hasil pengujian menunjukkan bahwa model prediktif ini memiliki performa yang cukup baik, dengan nilai MAPE sebesar 35,6%, MAE sebesar Rp. 760,969, MSE sebesar 3.023, dan RMSE sebesar Rp. 1,745,144. Hasil ini menunjukkan bahwa metode Random Forest Regression mampu memberikan prediksi yang mendekati nilai aktual. Aplikasi ini diharapkan dapat membantu produsen ponsel pintar dalam menentukan strategi harga yang lebih tepat dan mengoptimalkan keputusan bisnis. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan alat prediksi harga berbasis fitur smartphone yang dapat digunakan secara praktis oleh pelaku industri teknologi.
Implementation of Data Mining to Predict Dengue Prone Areas Using C4.5 Algorithm (Case Study: Sanggau Regency) Kalsum, Dayang Nur; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7540

Abstract

Penerapan data mining untuk memprediksi daerah rawan demam berdarah adalah hal yang tepat. Algoritma C4.5 atau dikenal juga dengan algoritma pohon keputusan merupakan salah satu teknik data mining yang dapat digunakan untuk membuat model prediktif berdasarkan data historis. Penelitian ini bertujuan untuk mengembangkan model prediksi daerah rawan penyakit DBD (Demam Berdarah Dengue) di Kabupaten Sanggau menggunakan algoritma C4.5 dengan metodologi penelitian seperti identifikasi masalah, pengumpulan data, analisis kebutuhan data, perancangan sistem, pengembangan sistem, pengujian sistem, analisis hasil pengujian sistem, penarikan kesimpulan. Penulis dapat membangun aplikasi website untuk mmebantu memprediksi daerah rawan penyakit DBD. aplikasi yang dibangun dapat membantu Dinas kesehatan dalam memprediksi penyakit DBD walaupun ada kekurangan dalam tingkat akurasi. Dalam konteks ini, data historis mengenai kasus DBD, faktor risiko dan karakteristik daerah di Kabupaten Sanggau dapat dimanfaatkan untuk membuat prediksi yang akurat terkait dengan daerah rawan penyakit DBD. Pembuatan aplikasi prekdiksi daerah rawan DBD dengan mengambil data di dinas Kabupaten sanggau dari tahun 2018-2023 diharapkan akan lebih banyak membantu dalam menyanpaikan informasi khususnya untuk daerah-daerah yang mengalami penyakit demam berdarah di masa akan datang.
Implementasi Unit Testing Dan End-To-End Testing Pada Sistem Informasi Akademik Teknik Informatika Alkhairi, Muhammad Ghozy; Alkadri, Syarifah Putri Agustini; Utami, Putri Yuli
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5626

Abstract

Pengujian perangkat lunak bertujuan untuk mengidentifikasi bug, kesalahan logika, atau potensi masalah lainnya yang dapat memengaruhi kinerja dan keamanan perangkat lunak. Sistem Informasi Manajemen Akademik Teknik Informatika (SIMATIK) adalah salah satu sistem informasi yang digunakan di Universitas Muhammadiyah Pontianak yang digunakan untuk memfasilitasi penilaian kerja praktik dan tugas akhir. Penting untuk memastikan bahwa SIMATIK beroperasi dengan baik dan bebas dari bug yang dapat mengganggu proses penggunaan sistem oleh mahasiswa maupun dosen. Oleh karena itu, diimplementasikan end-to-end testing dan unit testing pada pengujian SIMATIK. Teknik yang digunakan pada unit testing yaitu basis path yang dimulai dari membuat flowgraph, menghitung cyclomatic complexity untuk menentukan jalur pengujian dan melakukan unit test. Tahapan yang dilakukan dalam end-to-end testing dimulai dari menyusun skenario pengujian yang mencakup daftar fitur yang dipilih dan melakukan end-to-end test. Setelah dilakukan pengujian aplikasi menggunakan metode unit testing dan end-to-end testing tidak ditemukan kesalahan, maka pengujian dipastikan berhasil.
Uji Sensitivitas Metode AHP dan Fuzzy AHP dalam Pemilihan Universitas Swasta di Kota Pontianak Setiaji, Wanda Primadita; Alkadri, Syarifah Putri Agustini; Sucipto, Sucipto
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 1 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i1.83394

Abstract

Semakin meningkat angka kebutuhan primer, yaitu pendidikan, disertai peningkatan minat calon mahasiswa pada perguruan tinggi memberikan peluang bagi Universitas Swasta. Pemilihan Universitas Swasta di Kota Pontianak membutuhkan keputusan yang tepat, ditambah banyak Universitas Swasta yang dibangun membuat calon mahasiswa sulit menentukan pilihan. Penelitian ini bertujuan untuk membandingkan hasil sensitivitas dua metode terhadap perubahan bobot kriteria dan merekomendasikan Universitas Swasta di Kota Pontianak, maka digunakan sistem pendukung keputusan dengan uji sensitivitas pada metode Fuzzy AHP dan AHP. Metode Fuzzy AHP mampu mengatasi ambiguitas dalam penilaian subjektif dengan konsep himpunan Fuzzy dan analisa struktur AHP. Sedangkan metode AHP menyediakan skala pengukuran konsistensi dan membagi masalah kompleks menjadi hierarki penyelesaian, sehingga kedua metode dapat mempermudah proses analisis. Hasil penelitian menunjukkan alternatif “Universitas Muhammadiyah Pontianak” merupakan Universitas Swasta terbaik dengan nilai AHP sebesar 0,093 dan Fuzzy AHP sebesar 0,822. Terdapat perbedaan rangking kedua metode, yaitu peringkat kedua pada AHP adalah “Sekolah Tinggi Agama Kristen Abdi Wacana Pontianak" dengan nilai 0,092 dan peringkat kedua Fuzzy AHP adalah “Universitas OSO” dengan nilai 0,693. Berdasarkan hasil uji sensitivitas metode Fuzzy AHP lebih relevan digunakan dengan perubahan nilai 8,861% dan metode AHP sebesar 1,197%. Sehingga, menunjukkan bahwa metode Fuzzy AHP paling sensitif terhadap perubahan bobot dengan nilai sensitivitas yang lebih tinggi dan terpilih untuk digunakan pada penelitian yang dilakukan.