Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Journal of Artificial Intelligence and Digital Business
Lubis, Fadhlan Ihsan
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Kinerja Algoritma Decision Tree dan Random Forest dalam Prediksi Kelulusan Siswa Nur Azizah Harahap; Andika Syahdewa; Lubis, Fadhlan Ihsan; Hengki Gunawan; Marsini Sibuea; Darma Juang; Muhammad Amin
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12469

Abstract

Kelulusan siswa merupakan salah satu indikator penting dalam evaluasi proses pembelajaran di bidang pendidikan. Pemanfaatan teknik data mining dapat membantu memprediksi kelulusan siswa secara lebih objektif berdasarkan data akademik dan non-akademik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Decision Tree dan Random Forest dalam memprediksi kelulusan siswa. Dataset yang digunakan adalah Student Performance Dataset yang diperoleh dari UCI Machine Learning Repository dengan jumlah 649 data dan 33 variabel. Proses penelitian meliputi tahap prapemrosesan data, pembentukan model klasifikasi, serta evaluasi kinerja model menggunakan metrik accuracy, precision, recall, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki nilai akurasi dan precision yang lebih tinggi dibandingkan Decision Tree, sedangkan Decision Tree menunjukkan nilai recall yang lebih baik dalam mendeteksi siswa yang tidak lulus. Temuan ini mengindikasikan bahwa Random Forest lebih unggul dalam menghasilkan prediksi yang tepat, sementara Decision Tree lebih efektif dalam mengenali seluruh kasus ketidaklulusan. Dengan demikian, pemilihan algoritma terbaik perlu disesuaikan dengan kebutuhan analisis dan tujuan penerapan sistem prediksi kelulusan siswa.
Analisis Waktu Optimal Unggah Instagram Menggunakan K-Means Clustering pada Data Sintetis Lubis, Fadhlan Ihsan; Iqbal, Muhammad
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.6042

Abstract

Instagram merupakan salah satu platform media sosial yang banyak dimanfaatkan dalam strategi pemasaran digital karena kemampuannya dalam menjangkau audiens secara luas dan cepat. Efektivitas suatu unggahan pada Instagram dipengaruhi oleh berbagai faktor, salah satunya adalah waktu publikasi, yang berperan penting dalam menentukan tingkat jangkauan (reach) dan interaksi (engagement) pengguna. Penelitian ini bertujuan untuk menganalisis waktu unggah optimal Instagram berdasarkan performa reach dan engagement menggunakan metode K-Means Clustering pada data sintetis. Dataset yang digunakan terdiri dari 29.999 data posting sintetis yang merepresentasikan aktivitas unggahan media sosial, dengan variabel waktu unggah, jenis konten, reach, dan engagement. Tahapan penelitian mengacu pada kerangka Knowledge Discovery in Databases (KDD) yang meliputi proses seleksi data, pembersihan data, transformasi data, serta proses clustering untuk menemukan pola tersembunyi dalam data. Penentuan jumlah cluster dilakukan menggunakan Elbow Method dan menghasilkan tiga cluster yang merepresentasikan tingkat performa rendah, sedang, dan tinggi. Hasil analisis menunjukkan bahwa metode K-Means mampu mengelompokkan data posting Instagram secara efektif berdasarkan kesamaan karakteristik performanya. Berdasarkan analisis centroid, diperoleh satu cluster dengan nilai reach dan engagement tertinggi yang merepresentasikan waktu unggah paling optimal, yaitu hari Sabtu pukul 09.00 WIB. Temuan ini menunjukkan bahwa faktor hari memiliki pengaruh signifikan terhadap performa unggahan. Hasil penelitian ini diharapkan dapat menjadi dasar rekomendasi strategis bagi pengelola media sosial dalam menentukan waktu unggah yang optimal berbasis analisis data serta mendukung pengembangan strategi pemasaran digital yang lebih efektif.
Co-Authors Andika Syahdewa Darma Juang Hengki Gunawan Marsini Sibuea Muhammad Amin Muhammad Iqbal Nur Azizah Harahap