Article Per Year (5 Year)
p-Index From 2021 - 2026
1.819
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Ilmiah Edutic : Pendidikan dan Informatika DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Jurnal Manajemen Informatika dan Bisnis Digital J-ENSITEC (Journal of Engineering and Sustainable Technology) SISFOTENIKA Akademika Media Elektrik
Alghifari, Hamzah
Unknown Affiliation
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Neuroscience Transportation

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Klasifikasi Risiko Gempa Bumi menggunakan metode Decision Tree Akbar, Niko; Alghifari, Hamzah; Abdillah, Nurul; Dahwanu, Oki
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol. 6 No. 2: DESEMBER 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v6i2.7843

Abstract

Gempa bumi merupakan salah satu bencana alam yang sulit diprediksi namun memiliki dampak besar terhadap kehidupan manusia. Oleh karena itu, diperlukan suatu pendekatan analitis yang mampu mengidentifikasi pola dan hubungan antarparameter gempa untuk mendukung sistem peringatan dini. Penelitian ini bertujuan untuk melakukan Klasifikasi Dampak akan kejadian gempa bumi menggunakan metode Data Mining berbasis Decision Tree. Data yang digunakan berasal dari katalog gempa yang memuat atribut seperti Tanggal Kejadian (timestamp), magnitudo, kedalaman, serta koordinat lokasi (latitude dan longitude). Proses analisis meliputi tahap pembersihan data (data cleaning), transformasi, dan pembuatan model klasifikasi Decision Tree untuk menentukan tingkat potensi dan dampak gempa serta mengetahui keakuratan gempa bumi berdasarkan data dari tahun ketahun. Hasil penelitian menunjukkan bahwa atribut magnitudo memiliki pengaruh signifikan terhadap tingkat risiko gempa. Model Decision Tree yang dibangun mampu menghasilkan aturan klasifikasi seperti “Jika magnitudo <5 maka berpotensi Risiko gempa bumi rendah, sedangkan magnitudo antara 5-7 berisiko gempa bumi sedang, dan magnitudo ≥ 7 maka berpotensi Risiko Gempa Bumi Tinggi”, yang dapat digunakan untuk mendukung pengambilan keputusan dalam mitigasi bencana. Dengan demikian, metode Decision Tree terbukti efektif dalam mengungkap pola tersembunyi dari data gempa bumi dan dapat menjadi dasar bagi sistem prediksi serta peringatan dini gempa di masa mendatang. Disimpulkan bahwa akurasi masing – masing sebesar 100 %, sedangkan recall sebesar 100 % tapi hasil precision menunjukkan statistik yang berbeda yakni Prediksi Tidak Berpotensi Gempa Bumi  Besar sebesar 100%, sedangkan Prediksi Tidak berpotensi Gempa Bumi sedang sebesar 99,67%, dan terakhir prediksi Tidak berpotensi Gempa Bumi Kecil sebesar 96 %. Hasil pengujian ternyata menghasilkan magnitude rendah dengan ukuran >5,350 tergolong rendah, sedangkan magnitude rendah dengan ukuran <5,350 mempunyai frekuensi yang banyak. Dan Beberapa data berdasarkan statistik Magnitudo >5.350 ukuran sedang dari data sebanyak 16 data. Sedangkan magnitudo ≤ 5.350 Ukuran Rendah sebanyak 6716 Data yang ditemukan dan sudah dianalisis.
KLASIFIKASI DAN PREDIKSI KELUARGA BERISIKO STUNTING DI PROVINSI JAMBI MENGGUNAKAN METODE KNN DAN NAIVE BAYES Akbar, Niko; Alghifari, Hamzah; Abdillah, Nurul; Dahwanu, Oki
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol. 7 No. 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8522

Abstract

Di Indonesia Prevalensi stunting sebesar 37,2%, naik dari 35,6% pada tahun 2019 dan 36,8%, dengan mayoritas dipengaruhi oleh penduduk setempat. Kementerian Kesehatan Indonesia memperkirakan bahwa prevalensi stunting akan mencapai 38,9% pada tahun 2020. Permasalahannya Beberapa Data yang diambil dan dipakai berupa data sekunder yang di ada diwebsite opendata provinsi jambi yang berjudul Faktor Penapisan Keluarga Berisiko Stunting di Provinsi Jambi. Dengan menggunakan algoritma KNN dan Naïve Bayes, maka didapatkan hasilnya berupa kedua algoritma cocok untuk pengklasteran dan Scoring dari algoritma menunjukkan hasil yang berbeda. Karena keakurasiannya sesuai dengan perhitungan manual yang telah dijabarkan pada bagian pengolahan data. Beberapa hasil dari cross-validasi menyatakan bahwa nilai accuracy 85,29%, nilai precision berupa 83,33%, nilai recall 85,29%.
Co-Authors Andre Rabiula Azral Ahmad Rajasa Benedika Ferdinan Hutabarat Edi Saputra Fatih, Muhammad Damas Khalis Fikri, Muhammad Mohammad Alfiza Rayesa Niko Akbar Niko Akbar Niko Akbar Nurul Abdillah Oki Dahwanu Pariyadi Raihan Irawan Ramadhani, Salisa 'Asyarina Sajjad Mishi, Salmuna Wirasapta , Andicho Haryus Yandi Anzari