Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Produksi Tanaman Jurnal Komputer dan Teknologi (JUKOMTEK)
Rasendriya, Rafi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Library & Information Science

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

Found 2 Documents
Search

 1 
Evaluasi Tingkat Kenyamanan Ruang Terbuka Hijau (RTH) Taman Kota Wisata dan Taman Permata Kabupaten Bogor Rasendriya, Rafi; Herlina, Ninuk
Produksi Tanaman Vol. 10 No. 4 (2022)
Publisher : Jurusan Budidaya Pertanian Fakultas Pertanian Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.protan.2022.010.04.01

Abstract

Bogor merupakan bagian dari wilayah Jawa Barat yang memiliki pertumbuhan penduduk meningkat tiap tahunnya. Pertumbuhan penduduk yang terjadi akan berpengaruh terhadap ketersediaan lahan terbuka khususnya lahan terbuka hijau. Berkurangnya lahan tersebut dapat memberikan dampak negatif seperti tingkat kenyamanan suatu kota menurun, polusi udara meningkat dan bencana alam. Ruang terbuka hijau merupakan bagian dari ruang-ruang terbuka di suatu wilayah perkotaan yang diisi oleh vegetasi (endemik maupun introduksi) guna mendukung manfaat ekologis, sosial-budaya dan arsitektur yang dapat memberikan manfaat ekonomi bagi masyarakat. Tujuan dari penelitian ini adalah untuk mengetahui dan mengevaluasi tingkat kenyamanan berdasarkan iklim mikro, tingkat kebisingan, dan vegetasi di Taman Kota Wisata dan Taman Permata Kabupaten Bogor. Penelitian ini dilaksanakan pada bulan April hingga Juni 2021 di Taman Kota Wisata dan Taman Permata. Alat dan bahan yang digunakan antara lain alat tulis, kamera digital, peta Taman Kota Wisata dan Taman Permata dari Citra Google Earth, Sound Level Meter dan Thermohygrometer HTC-1 digital. Berdasarkan penelitian yang telah dilaksanakan didapatkan nilai Thermal Humidity Index (THI) termasuk kedalam kategori tidak nyaman. Hal ini disebabkan vegetasi yang masih rendah sehingga mempengaruhi iklim mikro seperti suhu dan kelembaban udara. Suhu udara, kelembaban dan nilai THI Taman Kota Wisata dan Taman Permata tidak berbeda nyata, akan tetapi Taman Permata mempunyai tingkat kebisingan 69.73 dB, lebih tinggi dibandingkan Taman Kota Wisata yang mempunyai tingkat kebisingan 63.97 dB.
KOMPARASI DECISION TREE, RANDOM FOREST, DAN K-NN MEMPREDIKSI KELULUSAN SISWA MENGGUNAKAN ORANGE Rasendriya, Rafi; Fahrian; Marundrury, Aberahamo Onoma; Jumadi, Yakobus Linus; Sumanto; Kuswanto, Andi Diah
Jurnal Komputer dan Teknologi Vol 4 No 2 (2025): JUKOMTEK JULI 2025
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64626/jukomtek.v4i2.414

Abstract

Predicting student graduation is one of the challenges in the field of education that requires a data-driven approach. Not only final grades play a role, but also other factors such as attendance rate, weekly study hours, previous exam scores, and extracurricular activities. This study compares the performance of three classification algorithms—Decision Tree, Random Forest, and k-Nearest Neighbor (k-NN)—in predicting student graduation status based on the Student Performance dataset from Kaggle, which contains 708 student records. The modeling process was conducted using Orange Data Mining through a visual workflow approach. The models were evaluated using 20-fold cross-validation and assessed with performance metrics including AUC, accuracy, precision, recall, F1-score, and MCC. The results show that the Random Forest algorithm achieved the best performance, with an AUC of 97.1%, accuracy of 94.1%, F1-score of 94.2%, precision of 94.2%, recall of 94.1%, and MCC of 79.7%. While Decision Tree and k-NN also performed well, their results were still below those of Random Forest. These findings indicate that Random Forest is the most accurate and stable model for classifying student graduation and demonstrate that Orange Data Mining is an effective tool for applying data mining techniques in the educational field.
Co-Authors Fahrian Jumadi, Yakobus Linus Kuswanto, Andi Diah Marundrury, Aberahamo Onoma Ninuk Herlina Sumanto, Sumanto