Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JISKa (Jurnal Informatika Sunan Kalijaga) Cendikia: Jurnal Pendidikan dan Pengajaran
Pratama, Naufal Adhi
Unknown Affiliation
Computer Science & IT Education Electrical & Electronics Engineering Library & Information Science

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

Found 2 Documents
Search

 1 
PENGARUH LINGKUNGAN KELUARGA DAN EFIKASI DIRI TERHADAP MINAT BERWIRAUSAHA SISWA SMK KRISTEN 1 SURAKARTA Pratama, Naufal Adhi; M.Si., Dr. Tri Murwaningsih,
Cendikia: Jurnal Pendidikan dan Pengajaran Vol. 2 No. 7 (2024): Cendikia: Jurnal Pendidikan dan Pengajaran
Publisher : Cendikia: Jurnal Pendidikan dan Pengajaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.572349/cendikia.v2i7.1904

Abstract

Penelitian ini bertujuan untuk mengetahui: (1) pengaruh lingkungan keluarga terhadap minat berwirausaha siswa SMK Kristen 1 Surakarta, (2) pengaruh efikasi diri terhadap minat berwirausaha siswa SMK Kristen 1 Surakarta, (3) pengaruh lingkungan keluarga dan efikasi diri terhadap minat berwirausaha siswa SMK Kristen 1 Surakarta. Penelitian ini merupakan penelitian kuantitatif dengan populasi yang digunakan dalam penelitian ini merupakan siswa kelas XI dan XII SMK Kristen 1 Surakarta. Adapun penentuan jumlah sampel dilakukan dengan rumus yamane dengan jumlah sampel 139 siswa. Pengumpulan data dilakukan dengan menyebar kuesioner penelitian. Teknik analisis data menggunakan metode regresi linear berganda dengan bantuan software SPSS version 26.0 for windows. Hasil penelitian menunjukkan bahwa: (1) terdapat pengaruh yang positif dan signifikan lingkungan keluarga terhadap minat berwirausaha siswa SMK Kristen 1 Surakarta dibuktikan dengan nilai thitung (4,714) > ttabel (1,97756) dan nilai signifikansi 0,00 < 0,05, (2) terdapat pengaruh yang positif dan signifikan efikasi diri terhadap minat berwirausaha siswa SMK Kristen 1 Surakarta dibuktikan dengan nilai thitung (7,088) > ttabel (1,97756) dan nilai signifikansi 0,00 < 0,05, (3) terdapat pengaruh yang positif dan signifikan bersama-sama lingkungan keluarga dan efikasi diri terhadap minat berwirausaha siswa SMK Kristen 1 Surakarta dibuktikan dengan nilai Fhitung (61,982) > Ftabel (3,06). Hasil penelitian ini menunjukkan lingkungan keluarga dan efikasi diri secara bersama-sama mempengaruhi minat berwirausaha sebesar 48%, sedangkan sisanya 52% dipengaruhi faktor atau variabel lain yang tidak diteliti dalam penelitian ini.
Deteksi Diabetes Mellitus dengan Menggunakan Teknik Ensemble XGBoost dan LightGBM Pratama, Naufal Adhi; Utomo, Danang Wahyu
JISKA (Jurnal Informatika Sunan Kalijaga) Early Access
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.4908

Abstract

Diabetes mellitus is a metabolic disease characterized by elevated blood sugar levels due to impaired insulin secretion, insulin action, or both. The disease has a major impact on public health and contributes to high morbidity and mortality rates in many countries. Prevention and early detection are essential to reduce the adverse effects of this disease. This study aims to analyze and apply machine learning algorithms in detecting diabetes mellitus, focusing on the use of XGBoost and LightGBM algorithms. The dataset used in this study includes various features related to diabetes risk factors, such as age, gender, body mass index (BMI), hypertension, smoking history, and HbA1c and blood glucose levels. Preprocessing was performed to clean and balance the data using the SMOTE-Tomek technique. Next, the model was built and evaluated using the K-Fold cross-validation method to measure the accuracy and stability of the model. The results showed that the XGBoost model achieved 97.31% accuracy, while the LightGBM model produced 97.26% accuracy. Combining the two models through blending techniques resulted in an accuracy of 97.51%, indicating that the combination of models can improve prediction performance. This study shows the great potential of machine learning algorithms, especially XGBoost and LightGBM, in detecting diabetes mellitus accurately and efficiently. Hopefully, the results of this study can contribute to the development of decision support systems for more effective early diagnosis of diabetes.
Co-Authors M.Si., Dr. Tri Murwaningsih, Utomo, Danang Wahyu