Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer
Risky Harahap
Universitas Sains dan Teknologi Indonesia
Computer Science & IT

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

Found 2 Documents
Search

 1 
Implementasi Algoritma Regresi Linear Untuk Memprediksi Harga Laptop Risky Harahap; Karpen,; Helda Yenni; Muhamad Jamaris
BETRIK Vol. 16 No. 02 (2025): Jurnal Ilmiah BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : PPPM Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/rnnp7x70

Abstract

The development of laptop technology has driven the need for accurate price predictions to assist consumers in making purchasing decisions appropriately and efficiently. This study implements a Linear Regression algorithm to predict laptop prices based on 4 main features including Brand, Processor, RAM, and GPU. The dataset used consists of 11,768 data obtained from the Kaggle platform which is processed through preprocessing, feature transformation, and model evaluation stages with various performance metrics. The analysis results show that the RAM feature has the most significant influence on laptop prices, followed by Processor, Brand, and GPU. The developed Linear Regression model successfully achieved an R-squared value of 0.6453, which indicates that the model is able to explain 64.53% of the variation in laptop prices based on the analyzed features. This study contributes to the development of an accurate laptop price prediction system and provides a practical tool to support data-based purchasing decisions effectively and efficiently.
PERBANDINGAN ALGORITMA RANDOM FOREST DAN XGBOOST UNTUK KLASIFIKASI PENYAKIT PARU-PARU BERDASARKAN DATA DEMOGRAFI PASIEN Risky Harahap; M. Irpan; M. Azzuhri Dinata; Lusiana Efrizoni; Rahmaddeni
BETRIK Vol. 15 No. 02 (2024): Jurnal Ilmiah BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : PPPM Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/3v3xwn06

Abstract

Dalam penelitian ini, algoritma Random Forest dan XGBoost dibandingkan dalam klasifikasi penyakit paru-paru menggunakan data demografi pasien. Dataset yang digunakan terdiri dari 30.000 data pasien dengan 9 atribut dan 1 label yang diambil dari Kaggle. Tahapan penelitian termasuk pengumpulan data, Preprocessing, pembagian data, dan klasifikasi data menggunakan kedua algoritma. Hasil menunjukkan bahwa algoritma XGBoost memiliki akurasi 94% dan AUC 0.98, sedangkan algoritma Random Forest memiliki akurasi 91% dan AUC 0.97. Meskipun Random Forest lebih cepat dan lebih mudah diinterpretasikan, XGBoost bekerja lebih baik dengan data yang kompleks dengan hasil yang lebih konsisten. Melalui penggunaan teknik regularisasi dan penanganan outliers yang lebih baik, XGBoost juga dapat mengatasi masalah overfitting dengan lebih baik. Studi ini memberikan panduan untuk peneliti dan praktisi dalam memilih algoritma terbaik untuk tugas klasifikasi medis, terutama yang berkaitan dengan penyakit paru-paru.
Co-Authors Helda Yenni Karpen, Lusiana Efrizoni M. Azzuhri Dinata M. Irpan Muhamad Jamaris Rahmaddeni