Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Journal of Data Science Theory and Application
Maharani, Masti Fatchiyah
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI DEPRESI PADA PELAJAR BERSDASARKAN GAYA HIDUP MENGGUNAKAN METODE TREE-BASED Haq, Dina Zatusiva; Bagus, Yerezqy; Maharani, Masti Fatchiyah; Dica Fitrani, Laqma; Pratama, Moch Deny
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/enqnkx98

Abstract

Depresi pada mahasiswa merupakan salah satu masalah kesehatan mental yang berdampak signifikan terhadap kualitas pendidikan dan produktivitas. Penelitian ini bertujuan untuk mengklasifikasikan depresi berdasarkan faktor gaya hidup menggunakan metode tree-based machine learning, yaitu Decision Tree, Random Forest, XGBoost, dan LightGBM. Data yang digunakan adalah Depression Student Dataset dengan 502 sampel yang mencakup atribut demografis, akademik, dan gaya hidup. Proses penelitian meliputi preprocessing data, pembagian data latih dan uji, pembangunan model, serta evaluasi menggunakan metrik akurasi, sensitivitas, dan spesifisitas. Hasil pengujian menunjukkan bahwa XGBoost memberikan performa terbaik dengan akurasi 94%, sensitivitas 100%, dan spesifisitas 87%, diikuti oleh LightGBM dengan akurasi 92%. Temuan ini menegaskan bahwa algoritma berbasis boosting lebih unggul dibandingkan metode pohon tunggal maupun bagging, sehingga dapat dimanfaatkan sebagai alat bantu deteksi dini depresi pada mahasiswa. Penelitian ini berkontribusi pada pengembangan model prediktif berbasis data yang mendukung pencapaian Sustainable Development Goals (SDG) terkait pendidikan berkualitas dan pekerjaan layak.
ANALISIS KUALITAS PERANGKAT LUNAK LEARNING MANAGEMENT SYSTEM BERBASIS WEB DALAM MENDUKUNG SDG’S 4 (QUALITY EDUCATION) MENGGUNAKAN ISO/IEC 25010 BAGUS, YEREZQY; Haq, Dina Zatusiva; Fitrani, Laqma Dica; Maharani, Masti Fatchiyah
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/z69ayx52

Abstract

Sustainable Development Goals (SDGs) Goal 4 emphasizes the importance of inclusive and equitable quality education. The utilization of information technology, particularly web-based Learning Management Systems (LMS), plays a significant role in supporting sustainable and accessible education. This study aims to analyze the software quality of a web-based LMS in supporting SDGs 4 (Quality Education) using the ISO/IEC 25010 standard. A quantitative research method with a survey approach was employed. Data were collected through questionnaires distributed to 40 LMS users consisting of students and lecturers. The software quality aspects analyzed include functional suitability, usability, reliability, and maintainability. The results indicate that the LMS demonstrates good overall software quality, with functional suitability and usability achieving very good ratings. However, reliability and maintainability aspects still require improvement to ensure long-term system sustainability. This study is expected to serve as a reference for the development and evaluation of sustainable educational software systems.
PERBANDINGAN LSTM DAN PROPHET DALAM PREDIKSI TREN BAJU LEBARAN 2026 BERBASIS GOOGLE TRENDS Maharani, Masti Fatchiyah; Laqma Dica Fitrani; Yerezqy Bagus; Dina Zatusiva Haq
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/tgeq5784

Abstract

Tren busana Lebaran di Indonesia menunjukkan pola musiman yang kuat dan berulang setiap tahun, sehingga prediksi yang akurat menjadi penting bagi perencanaan produksi dan strategi bisnis industri fesyen. Penelitian ini bertujuan membandingkan kinerja metode Prophet dan Long Short-Term Memory (LSTM) dalam memprediksi tren busana Lebaran tahun 2026 menggunakan data Google Trends periode 2018–2025. Model dilatih menggunakan data hingga Desember 2024 dan dievaluasi pada periode pengujian tahun 2025 menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa LSTM memiliki akurasi numerik yang lebih baik, sedangkan Prophet lebih konsisten dalam menangkap pola musiman tahunan. Temuan ini menunjukkan bahwa pemilihan metode prediksi perlu disesuaikan dengan tujuan analisis. Penelitian ini berkontribusi dalam mendukung pengambilan keputusan berbasis data pada industri fesyen serta selaras dengan Sustainable Development Goals (SDGs) 8 terkait pertumbuhan ekonomi yang inklusif dan berkelanjutan.
Co-Authors Bagus, Yerezqy Dica Fitrani, Laqma Dina Zatusiva Haq Fitrani, Laqma Dica Haq, Dina Zatusiva Laqma Dica Fitrani Pratama, Moch Deny Yerezqy Bagus