Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Yasyfi Imran, Athallah
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS PENGARUH KEBIASAAN MEROKOK DAN AKTIVITAS BEGADANG TERHADAP RISIKO PENYAKIT PARU-PARU MENGGUNAKAN SUPPORT VECTOR MACHINE Yasyfi Imran, Athallah; Rafli Maulana, Muhammad; Lifiano Jamot Munthe, Gabriel; Athallah Ubaid, Deni; Yasir Alghifari, Muhammad; Adriansyah, Rizki; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14030

Abstract

Penelitian ini bertujuan menganalisis pengaruh kebiasaan merokok dan aktivitas begadang terhadap risiko penyakit paru-paru menggunakan Support Vector Machine (SVM). Kebiasaan merokok dan kurang tidur telah diidentifikasi sebagai faktor risiko gangguan paru-paru, namun interaksi kompleks antara keduanya sering diabaikan dalam penelitian konvensional. Metode statistik tradisional cenderung tidak mampu menangani hubungan nonlinier atau efek pengacau tersembunyi. Dataset terdiri dari 30.001 sampel dengan 10 atribut, termasuk usia, jenis kelamin, kebiasaan merokok, dan aktivitas begadang. Data diproses melalui tahapan Knowledge Discovery in Database meliputi seleksi data, praproses dengan label encoding dan scaling, transformasi data, pemodelan SVM, dan evaluasi. Hasil penelitian menunjukkan model SVM mencapai akurasi 89,28%, dengan presisi 0,83 dan recall 1,00 untuk kelas tidak berisiko, serta presisi 1,00 dan recall 0,78 untuk kelas berisiko. Temuan ini menegaskan kombinasi kebiasaan merokok dan pola tidur irregular signifikan meningkatkan risiko penyakit paru-paru, serta memberikan rekomendasi berbasis bukti bagi praktisi kesehatan dalam merancang intervensi preventif.
ANALISIS SENTIMEN ULASAN DEEPSEEK AI DI GOOGLE PLAYSTORE MENGGUNAKAN NAÏVE BAYES Rafli Maulana, Muhammad; Yasyfi Imran, Athallah; Fathoni, Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14070

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi DeepSeek AI di Google Play Store menggunakan algoritma Naïve Bayes. Dengan meningkatnya penggunaan kecerdasan buatan, khususnya model bahasa besar (LLM), penting untuk memahami persepsi publik terhadap teknologi tersebut. Dataset berisi 15.124 ulasan dianalisis melalui tahapan preprocessing, seperti case folding, penghapusan angka dan tanda baca, stopword removal, tokenisasi, serta transformasi TF-IDF. Model Naïve Bayes yang digunakan mampu mengklasifikasikan sentimen menjadi kategori positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 87,77%, dengan performa terbaik pada sentimen positif. Meskipun demikian, model masih mengalami kesulitan dalam mengidentifikasi sentimen netral secara akurat. Penelitian ini menunjukkan efektivitas Naïve Bayes dalam analisis teks tidak terstruktur, serta pentingnya pengembangan lebih lanjut melalui pendekatan hybrid atau penggunaan fitur linguistik kontekstual. Temuan ini diharapkan dapat memberikan wawasan bagi pengembang aplikasi dalam meningkatkan kualitas layanan dan respons terhadap kebutuhan pengguna.
Co-Authors Adriansyah, Rizki Allsela Meiriza, Allsela Athallah Ubaid, Deni Fathoni Fathoni Ken Ditha Tania Lifiano Jamot Munthe, Gabriel Rafli Maulana, Muhammad Yasir Alghifari, Muhammad