Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Sarah Barbara
Unknown Affiliation
Computer Science & IT Mathematics Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Indonesia Hans Santoso; Sabrina Phalosa Phai; Sarah Barbara; Maryanto
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/vqd3yd53

Abstract

Penelitian ini bertujuan untuk menentukan model machine learning paling efektif untuk klasifikasi lingkungan tektonik (tectonic setting) berdasarkan komposisi geokimia. Menggunakan dataset dari database GEOROC, tiga algoritma gradient boosting XGBoost, LightGBM, dan CatBoost diuji melalui beberapa skenario, termasuk pembagian data 70:30 dan 80:20. Model dengan kinerja terbaik kemudian dioptimalkan menggunakan Grid Search Cross-Validation (GridSearchCV). Hasil menunjukkan bahwa model LightGBM, setelah melalui proses hyperparameter tuning pada skenario 80:20, mencapai performa tertinggi dengan akurasi 80,87%. Analisis kepentingan fitur (feature importance) lebih lanjut mengidentifikasi bahwa Al₂O₃ (Aluminium Oksida), Na₂O (Natrium Oksida), dan FeOT (Besi Oksida Total) merupakan tiga prediktor paling signifikan. Studi ini membuktikan bahwa LightGBM adalah pendekatan yang superior dan andal untuk tugas klasifikasi geokimia otomatis.
Co-Authors Hans Santoso Maryanto Sabrina Phalosa Phai