Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Sapitri, Riska Mela
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Perbandingan Algoritma K-Nearest Neighbors dan Random Forest untuk Rekomendasi Gaya Hidup Sehat dalam Mencegah Penyakit Jantung: Comparison of K-Nearest Neighbors and Random Forest Algorithms for Recommendations for a Healthy Lifestyle in Prevent Heart Disease Sahelvi, Elza; Cikita, Putri; Sapitri, Riska Mela; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1972

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian yang disebabkan oleh faktor gaya hidup tidak sehat. Untuk mengatasi permasalahan ini, penelitian ini membandingkan algoritma K-Nearest Neighbors (KNN) dan Random Forest (RF) dalam memberikan rekomendasi gaya hidup sehat guna mencegah penyakit jantung. Dataset yang digunakan terdiri dari 1.025 entri dengan 14 fitur, yang telah melalui tahap preprocessing, termasuk normalisasi, seleksi fitur, dan pembagian data 80:20 serta 70:30. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi (99% pada skenario 80:20 dan 98% pada skenario 70:30) dibandingkan KNN (83% dan 86%), serta lebih stabil dalam mengklasifikasikan risiko penyakit jantung. Analisis fitur menunjukkan bahwa Chest Pain Type (CP) atau nyeri dada merupakan faktor paling berpengaruh. Berdasarkan hasil ini, direkomendasikan pola makan sehat, aktivitas fisik teratur, manajemen stres, serta pemeriksaan kesehatan rutin. Kesimpulannya, Random Forest lebih efektif dalam sistem rekomendasi gaya hidup sehat, dan penelitian selanjutnya dapat menggunakan dataset lebih besar dengan variabel tambahan guna meningkatkan akurasi prediksi.
Model Klasifikasi Tingkat Kerusakan Jalan Berbasis Algoritma Random Forest di Kabupaten Kuantan Singingi: A Classification Model for Road Damage Severity Using the Random Forest Algorithm in Kuantan Singingi Regency Sapitri, Riska Mela; Yenni, Helda; Rahmaddeni, Rahmaddeni; Agustin, Agustin
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2765

Abstract

Kerusakan jalan merupakan salah satu permasalahan infrastruktur yang dapat menghambat mobilitas masyarakat serta mempengaruhi efektivitas transportasi. Penilaian kondisi jalan yang masih dilakukan secara manual membutuhkan waktu yang cukup lama dan berpotensi menghasilkan penilaian yang kurang konsisten. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat kerusakan jalan menggunakan algoritma Random Forest pada data infrastruktur jalan Kabupaten Kuantan Singingi. Data yang digunakan berasal dari Dinas Pekerjaan Umum dan Penataan Ruang (PUPR) Kabupaten Kuantan Singingi sebanyak 1.240 data dengan 13 variabel. Tahapan penelitian meliputi preprocessing data, data cleaning, pembagian data dengan rasio 80:20, seleksi fitur menggunakan feature importance, serta pembangunan model klasifikasi Random Forest. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan kondisi jalan ke dalam empat kategori, yaitu baik, sedang, rusak ringan, dan rusak berat dengan nilai accuracy sebesar 83%, precision sebesar 78%, recall sebesar 83%, dan F1-score sebesar 80%. Hasil tersebut menunjukkan bahwa tujuan penelitian berhasil dicapai, yaitu menghasilkan model klasifikasi yang mampu melakukan penilaian kondisi jalan secara otomatis dengan performa yang baik. Model yang dihasilkan diharapkan dapat membantu pemerintah daerah dalam melakukan penilaian kondisi jalan secara lebih objektif, cepat, dan efisien sebagai dasar dalam perencanaan pemeliharaan infrastruktur jalan
Co-Authors Agustin Agustin Cikita, Putri Efrizoni, Lusiana Helda Yenni, Helda Rahmaddeni Rahmaddeni Sahelvi, Elza