Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Sinaga, Leonardo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics Other

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

Found 2 Documents
Search

 1 
Property Price Prediction Using the Random Forest Regression Algorithm Utami, Putri; Jundi, Muhamad; Rahmaddeni, Rahmaddeni; Sinaga, Leonardo
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 22, No 2 (2025): June 2025
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v22i2.35804

Abstract

This study uses an innovative approach to predicting property prices using machine learning with the Random Forest Regression method. The dataset was obtained from Kaggle and consists of 500 rows with 12 attributes, comprising 10 numerical attributes and 2 categorical attributes. The evaluation results, calculated using the R² score on the test dataset, show strong performance, achieving the highest R² score of 81.88% with a dataset split ratio of 90:10. The scatter plot visualization indicates shows the model's predictions often correspond closely with the actual values, showing strong accuracy, despite a tiny gap between the anticipated and real values. The graph comparing the training data and the actual data shows no significant signs of overfitting or underfitting, demonstrating the Random Forest Regression model's strong accuracy in predicting house prices and its capacity to effectively capture the relationship between independent and dependent variables.
Klasifikasi Pengaduan Kekerasan Berbasis Bidirectional Encoder Representations from Transformers (BERT) pada Kementrian Pemberdayaan Perempuan dan Perlindungan Anak Kementrian (PPPA) Jundi, Muhammad; Rahmaddeni, Rahmaddeni; Utami, Putri; Perdana Arifin, Satria; Sinaga, Leonardo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1109

Abstract

Kekerasan terhadap perempuan dan anak merupakan isu serius di Indonesia, dengan ribuan laporan masuk setiap tahun ke lembaga perlindungan. Sebagian besar laporan disampaikan dalam bentuk narasi bebas, yang menyulitkan proses identifikasi jenis kekerasan dan respon yang cepat. Penelitian ini mengembangkan model klasifikasi otomatis berbasis IndoBERT untuk mendeteksi jenis kekerasan dan sentimen pelapor secara simultan. Model dilatih menggunakan pendekatan multi-task learning dengan dua label keluaran: kategori kekerasan (multi-label) dan sentimen (biner). Dataset terdiri dari laporan berbahasa Indonesia yang telah dianotasi manual. Evaluasi dilakukan pada data uji (20%) menggunakan metrik F1-score, precision, dan recall. Hasil menunjukkan bahwa model mencapai F1-score sebesar 0,8528 untuk klasifikasi kekerasan dan 0,8375 untuk sentimen. Pengujian pada narasi fiktif juga membuktikan ketepatan model dalam menangkap konteks semantik dan ekspresi emosional pelapor. Model ini menunjukkan potensi signifikan untuk mendukung lembaga pemerintah dalam mempercepat analisis dan tindak lanjut laporan kekerasan secara digital.
Co-Authors Jundi, Muhamad Jundi, Muhammad Perdana Arifin, Satria Putri Utami, Putri Rahmaddeni Rahmaddeni