Garuda - Garba Rujukan Digital

Pengembangan Media Animasi Kartun berbasis Model 4D untuk Meningkatkan Pemahaman Algoritma Pengurutan Antula, Nur Savira; Bouty, Abd. Aziz; Suhada, Sitti; Amali, Lanto Ningrayati; Pakaja, Jemmy; Bau, Rahmat Taufik R. L.
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.26966

Students often face difficulties in understanding sorting algorithm material due to its abstract nature and the lack of engaging and interactive learning media. This study aims to develop cartoon animation-based learning media as an innovative solution to improve students' understanding of sorting algorithm material. The research method used was Research and Development (R&D) with the 4D model (Define, Design, Develop, Disseminate). The developed media was evaluated by subject matter experts, media experts, and students to assess its feasibility, practicality, and effectiveness. The results showed that the media is highly feasible, with a feasibility score of 99% from subject matter experts, 85% from media experts, and a practicality response of 96% from students. Additionally, the media effectively enhanced students' understanding, with an average learning outcome improvement of 75%. This cartoon animation-based media not only facilitates students in comprehending complex algorithm concepts but also provides a significant contribution to the development of technology-based learning. Kesulitan siswa dalam memahami materi algoritma pengurutan sering kali disebabkan oleh sifatnya yang abstrak dan minimnya media pembelajaran yang menarik dan interaktif. Penelitian ini bertujuan untuk mengembangkan media pembelajaran berbasis animasi kartun sebagai solusi inovatif untuk meningkatkan pemahaman siswa terhadap materi algoritma pengurutan. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model 4D (Define, Design, Develop, Disseminate). Media yang dikembangkan dievaluasi oleh ahli materi, ahli media, dan siswa untuk menilai kelayakan, kepraktisan, dan efektivitasnya. Hasil penelitian menunjukkan bahwa media ini sangat layak digunakan, dengan skor kelayakan 99% dari ahli materi, 85% dari ahli media, dan respons kepraktisan sebesar 96% dari siswa. Selain itu, media ini terbukti efektif dalam meningkatkan pemahaman siswa dengan rata-rata peningkatan hasil belajar sebesar 75%. Media animasi kartun ini tidak hanya mempermudah siswa dalam memahami konsep algoritma yang kompleks, tetapi juga memberikan kontribusi penting dalam pengembangan pembelajaran berbasis teknologi.

Evaluasi Kinerja Algoritma AdaBoost dan XGBoost Menggunakan Dataset Penyakit Obesitas Pada Populasi Dewasa Sukmawati, Cici Emilia; Nur Masruriyah, Anis Fitri; Juwita, Ayu Ratna; Tejayanda, Rigger Damaiarta; Nurmayanti, Trisya
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.27342

Penelitian ini membahas terkait evaluasi kinerja AdaBoost dan XGBoost pada penyakit obesitas . Penelitian tersebut menggunakan dataset yang diperoleh dari sumber kaggle dengan jumlah data 2111 dengan 17 atribut. Selanjutnya, data tersebut dilakukkan preprocessing data sehingga berkurang menjadi 591 data. Kemudian, data tersebut dilakukan split data dengan perbandingan 70:30 dengan rincian data uji 119 dan data training sebanyak 472. Pengujian dilakukan menggunakan accuracy, precision dan recall. Berdasarkan hasil penelitian yang telah dilakukan, bahwa metode XGBoost terbukti lebih unggul dibandingkan dengan AdaBoost. Adapun accuracy, precision dan recall sebesar 92%. Sedangkan untuk accuracy dan recall untuk metode AdaBoost sebesar 40% sertaa precision 39%.

Integrasi Model VAK dan Case Method untuk Meningkatkan Efektivitas Praktikum Jaringan Komputer Ristanto, Riska Dami; Nashiroh, Putri Khoirin; Ekarini, Fitria
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.27580

The era of disruption demands that graduates possess future skills to meet the current needs of the workforce. The urgency to train graduates with future skills lies in the development of technology and learning innovation, especially at the higher education level. The lack of integration of knowledge, skills, and attitudes, as well as differences in students' learning styles, are the main factors that affect the achievement of learning in computer networking courses. The aim of this study is to integrate the VAK (Visualization Auditory Kinesthetic) Model and Case Method to improve the effectiveness of practical learning in computer networking courses. The Research and Development (R&D) method with the Dick and Carey model approach was used in this study, which includes analysis, design, development, and testing stages. Initial identification is needed to determine the needs of students' learning styles. A field test was conducted on 60 students taking computer networking courses to determine the achievement of learning in the cognitive, skill, and attitude domains for each learning style. The results of the development of practical computer networking learning media with the integration of the VAK Model and Case Method were declared feasible based on the assessment of material experts at 96.7% and media experts at 95%. The results of the test show that this learning media can meet the learning outcomes of the computer networking course in the cognitive domain with a N-Gain value of 0.78 in the high category, as well as the skill and attitude domains with an effectiveness level of 83.2%. The application of the VAK Model and Case Method is effective in practical learning to improve students' future skills, particularly in terms of communication, collaboration, critical thinking and problem-solving across all learning styles.

Implementasi Markerless Location-based dalam Aplikasi Konstruksi Augmented Reality Berbasis Web Prayitno, Kintung; Sunardi, Sunardi; Yuliansyah, Herman
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.25194

Augmented Reality (AR) technology is becoming increasingly popular and holds great potential for application in various fields, including construction. Utilizing AR technology can mitigate problems faced by construction project workers. Construction workers often encounter numerous challenges that hinder the smoothness and efficiency of their work. Common issues include difficulty in design visualization, lack of collaboration, errors in tasks, safety deficiencies, and inefficiency. This study aims to develop a web-based AR application that uses markerless location-based technology to assist construction workers in project visualization and collaboration. The application uses Global Positioning System (GPS) sensors and location data in the form of longitude and latitude to activate and display 3D construction models at actual locations. Users can interact with the 3D model to view detailed information, measure distances, and conduct simulations. The research demonstrates that a web-based AR application using markerless location-based technology can significantly enhance the efficiency and effectiveness of construction work. AR.js enables developers to create web-based AR applications directly in mobile browsers without the need for special app installations. This plugin operates by leveraging the device's camera and recognizing markers such as location, images, or other 2D objects. Once recognized, digital content like 3D models, animations, videos, or other web pages can be displayed on or near the object. Teknologi Augmented Reality (AR) semakin populer dan memiliki potensi besar untuk diaplikasikan dalam berbagai bidang, termasuk bidang konstruksi. Memanfaatkan teknologi AR bisa mengurangi masalah para pekerja proyek konstruksi. Pekerja konstruksi seringkali dihadapkan dengan berbagai tantangan yang dapat menghambat kelancaran dan efisiensi pekerjaan. Masalah umum yang dihadapi pekerja konstruksi adalah kesulitan visualisasi desain, kurangnya kolaborasi, kesalahan dalam pekerjaan, kurangnya keamanan dan kurangnya efisiensi. Penelitian ini bertujuan untuk mengembangkan aplikasi AR berbasis website yang menggunakan teknologi markerless location-based untuk membantu pekerja konstruksi dalam visualisasi dan kolaborasi proyek. Aplikasi ini menggunakan sensor Global Positioning System (GPS) dan data lokasi berupa garis bujur (longitude) dan garis lintang (latitude) untuk aktivasi menampilkan model 3D elemen konstruksi di lokasi yang sebenarnya. Pengguna dapat berinteraksi dengan model 3D untuk melihat informasi detail, mengukur jarak, dan melakukan simulasi. Penelitian ini menunjukkan bahwa aplikasi web AR berbasis web dengan teknologi markerless location-based dapat membantu meningkatkan efisiensi dan efektivitas pekerjaan konstruksi. AR.js memungkinkan developer untuk membuat aplikasi web AR langsung di browser handphone, tanpa perlu instalasi aplikasi khusus. Plugin AR.js ini bekerja dengan memanfaatkan kamera perangkat pengguna dan mengenali penanda berupa lokasi, gambar, lokasi, atau objek 2D lainnya. Setelah dikenali, konten digital seperti model 3D, animasi, video, atau halaman web lain dapat ditampilkan di atas atau dekat objek tersebut.

Prediksi Kebakaran Hutan Ibu Kota Nusantara Menggunakan Produk MODIS dengan Algoritma Regresi Linear, Gradient Boosting dan Decision Tree Mangun, Syamsul Syahab; Kusrini, Kusrini
Jambura Journal of Informatics VOL 7, N0 1: APRIL 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i1.30926

Forest Fires in the Capital City of the Archipelago (IKN) threaten environmental sustainability and sustainable development, but accurate predictions are still hampered by the complexity of trigger factors such as weather variability and data uncertainty, so this study aims to develop a machine learning-based forest fire prediction model by utilising MODIS (Moderate Resolution Imaging Spectroradiometer) data, including surface temperature and thermal anomalies, by comparing three algorithms namely Linear Regression, Gradient Boosting Regressor (GBR), and Decision Tree Regressor (DTR). Performance evaluation using RMSE (Root Mean Square Error) and accuracy metrics showed GBR as the best model with 98.84% accuracy followed by DTR 96.39%, while R² values close to 1.0 in both models indicated the ability to explain data variability optimally, in contrast to linear regression which showed significant limitations. Thus, these findings prove the superiority of ensemble algorithms such as GBR in handling non-linearity of forest fire data and have practical implications on its potential integration into early warning systems to improve the effectiveness of fire mitigation around the IKN region.Kebakaran Hutan di Ibu Kota Nusantara (IKN) mengancam kelestarian lingkungan dan pembangunan berkelanjutan, namun prediksi akurat masih terhambat oleh kompleksitas faktor pemicu seperti variabilitas cuaca dan ketidakpastian data, sehingga penelitian ini bertujuan mengembangkan model prediksi kebakaran hutan berbasis machine learning dengan memanfaatkan data MODIS (Moderate Resolution Imaging Spectroradiometer), termasuk suhu permukaan dan anomali termal, dengan membandingkan tiga algoritma yaitu Regresi Linear, Gradient Boosting Regressor (GBR), dan Decision Tree Regressor (DTR). Evaluasi performa menggunakan metrik RMSE (Root Mean Square Error) dan akurasi yang menunjukan GBR sebagi model terbaik dengan akurasi 98,84% diikuti DTR 96,39%, sementara nilai R² mendekati 1.0 pada kedua model mengindikasikan kemampuan menjelaskan variabilitas data secara optimal, berbeda dengan regresi linear yang menunjukkan keterbatasan signifikan, sehingga temuan ini membuktikan keunggulan algoritma seperti GBR dalam menangani non-linearitas data kebakaran hutan dan berimplikasi praktis pada potensi integrasinya ke dalam sistem peringatan dini untuk meningkatkan efektivitas mitigasi kebakaran di sekitar wilayah IKN.

Pengaruh Power Distance Terhadap Adopsi SIMRS: Tinjauan Literatur Naratif Olilingo, Fadhilah Linti; Paputungan, Irving Vitra; Setiaji, Hari
Jambura Journal of Informatics VOL 7, N0 1: APRIL 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i1.30561

The implementation of the Hospital Management Information System (SIMRS) is a strategic step to enhance efficiency and service quality in hospitals. However, many hospitals, especially in high power distance countries like Indonesia, face challenges in optimizing SIMRS adoption. This study explores how power distance within hospital organizational culture affects the acceptance and adoption of SIMRS by hospital staff. Using a narrative review approach, the study integrates literature discussing the cultural, technical, and managerial factors that influence the technology acceptance process. The synthesis results show that high power distance organizational structures hinder staff involvement in technology-related decision-making, leading to resistance against SIMRS adoption. Open managerial support and effective staff training can reduce these barriers, increase staff involvement, and accelerate SIMRS adoption. The conclusion of this study suggests that hospitals with high power distance should adopt a more inclusive and open approach in managerial communication and SIMRS implementation. Recommendations for future quantitative research include further investigating the impact of power distance on SIMRS acceptance in hospitals using a broader research model, and comparing these findings with countries with low power distance, such as Scandinavian countries.Penerapan Sistem Informasi Manajemen Rumah Sakit (SIMRS) merupakan langkah strategis untuk meningkatkan efisiensi dan kualitas pelayanan di rumah sakit. Namun, banyak rumah sakit, terutama di negara dengan power distance tinggi seperti Indonesia, menghadapi tantangan dalam mengoptimalkan penerapan SIMRS. Penelitian ini membahas bagaimana power distance dalam budaya organisasi rumah sakit mempengaruhi penerimaan dan adopsi SIMRS oleh staf. Dengan menggunakan pendekatan narrative review, penelitian ini mengintegrasikan literatur yang membahas faktor budaya, teknis, dan manajerial yang berperan dalam proses penerimaan teknologi. Hasil sintesis menunjukkan bahwa struktur organisasi dengan power distance tinggi menghambat keterlibatan staf dalam pengambilan keputusan terkait teknologi, yang menyebabkan resistensi terhadap SIMRS. Dukungan manajerial yang terbuka dan pelatihan staf yang efektif dapat mengurangi hambatan ini, meningkatkan keterlibatan staf, dan mempercepat adopsi SIMRS. Kesimpulan penelitian ini menyarankan agar rumah sakit dengan power distance tinggi mengadopsi pendekatan lebih inklusif dan terbuka dalam komunikasi manajerial dan implementasi SIMRS. Rekomendasi untuk penelitian kuantitatif berikutnya adalah untuk menguji lebih dalam pengaruh power distance terhadap penerimaan SIMRS di rumah sakit dengan model penelitian yang lebih luas, serta membandingkan temuan ini dengan negara dengan power distance rendah, seperti negara-negara Skandinavia.

Pengembangan Media Pembelajaran Augmented Reality untuk Materi Sistem Pencernaan Manusia Karentius, Maret Rista; Hardiyantari, Oktavia
Jambura Journal of Informatics VOL 7, N0 1: APRIL 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i1.29708

The rapid development of information technology, particularly in mobile devices, has opened new opportunities for educational innovation. This study aims to develop Augmented Reality (AR)-based learning media for eighth-grade junior high school students on the topic of the human digestive system. The research employed a Research and Development (RD) methodology using the Multimedia Development Life Cycle (MDLC) model, which includes the stages of concept, design, material collecting, assembly, testing, and distribution. The resulting application features interactive elements, including quizzes and 3D Augmented Reality visualizations of digestive organs to enhance students' understanding of complex concepts. Feasibility testing involved assessments by media experts, material experts, and students, achieving feasibility percentages of 75%, 91%, and 89%, respectively, classifying the media as "very feasible." Effectiveness testing, based on the gain score from pre-test and post-test results, yielded an N-Gain value of 0.80, categorized as "high." These findings indicate that the developed learning media are both feasible and effective for use in supporting the teaching and learning process, particularly in enhancing student engagement and comprehension of the human digestive system.Perkembangan teknologi informasi yang pesat, khususnya pada perangkat mobile, telah membuka peluang baru dalam inovasi pendidikan. Penelitian ini bertujuan mengembangkan media pembelajaran berbasis Augmented Reality untuk siswa kelas VIII SMP pada materi sistem pencernaan manusia. Penelitian ini menggunakan metode Research and Development (RD) dengan model Multimedia Development Life Cycle (MDLC) yang meliputi tahap konsep, desain, pengumpulan bahan, pembuatan, pengujian, dan distribusi. Produk yang dihasilkan adalah aplikasi pembelajaran interaktif yang dilengkapi dengan kuis serta visualisasi 3D organ pencernaan manusia berbasis Augmented Reality untuk meningkatkan pemahaman konsep yang kompleks. Uji kelayakan dilakukan melalui penilaian ahli media, ahli materi, dan siswa, dengan hasil persentase kelayakan berturut-turut sebesar 75%, 91%, dan 89%, sehingga masuk dalam kategori "sangat layak." Uji efektivitas berdasarkan nilai N-Gain dari hasil pre-test dan post-test memperoleh nilai 0,80 yang termasuk dalam kategori "tinggi." Hasil tersebut menunjukkan bahwa media pembelajaran yang dikembangkan layak dan efektif digunakan untuk mendukung proses pembelajaran, khususnya dalam meningkatkan keterlibatan dan pemahaman siswa terhadap materi sistem pencernaan manusia.

Analisis Sentimen Omnibus Law di Twitter dengan Machine Learning dan Teknik Resampling Syafutra, Arif Dwi; Kusrini, Kusrini
Jambura Journal of Informatics VOL 7, N0 1: APRIL 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i1.30935

The Omnibus Law has been controversial in Indonesia since its enactment in 2020, sparking widespread public debate on social media platforms, particularly Twitter. This study aims to classify public sentiment toward the Omnibus Law using machine learning algorithms and resampling techniques to address data imbalance. Twenty thousand tweets were collected via web scraping, processed using Natural Language Processing (NLP) methods, and automatically labeled through a lexicon-based approach. The final dataset consisted of 17,184 tweets categorized into positive and negative sentiments. Sentiment classification models were developed using Support Vector Machine (SVM), Random Forest, and Multinomial Naïve Bayes, with Synthetic Minority Oversampling Technique (SMOTE) and Random Undersampling applied to enhance model performance. Evaluation results show that SVM combined with SMOTE achieved the highest performance with an accuracy of 93.08%, a recall of 92.85%, and a precision of 92.44%, outperforming other algorithms. These findings highlight that resampling techniques, particularly SMOTE, significantly improve classification performance in handling imbalanced datasets. This study emphasizes the importance of selecting appropriate algorithms and balancing strategies to enhance sentiment analysis accuracy based on social media data. Furthermore, the results open opportunities for future research to explore deep learning-based approaches for more complex public opinion analysis.Omnibus Law telah menjadi isu kontroversial di Indonesia sejak pengesahannya pada tahun 2020 yang mendorong perdebatan luas di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik terhadap Omnibus Law menggunakan algoritma machine learning dan teknik resampling untuk mengatasi ketidakseimbangan data. Data sebanyak 20.000 tweet dikumpulkan melalui web scraping, diproses dengan metode Natural Language Processing (NLP), dan dilabeli secara otomatis menggunakan pendekatan berbasis lexicon. Dataset akhir terdiri atas 17.184 tweet dengan kategori sentimen positif dan negatif. Model klasifikasi dikembangkan menggunakan Support Vector Machine (SVM), Random Forest, dan Multinomial Naïve Bayes, dengan penerapan teknik Synthetic Minority Oversampling Technique (SMOTE) dan Random Undersampling untuk meningkatkan performa. Hasil evaluasi menunjukkan bahwa SVM dengan SMOTE menghasilkan akurasi tertinggi sebesar 93,08%, recall 92,85%, dan precision 92,44%, mengungguli algoritma lainnya. Temuan ini menunjukkan bahwa teknik resampling, khususnya SMOTE, secara signifikan memperbaiki performa klasifikasi dalam skenario data tidak seimbang. Penelitian ini menegaskan pentingnya kombinasi antara pemilihan algoritma yang tepat dan strategi balancing data untuk meningkatkan akurasi analisis sentimen berbasis media sosial. Studi ini juga membuka peluang penelitian lanjutan menggunakan pendekatan deep learning untuk klasifikasi opini publik yang lebih kompleks.

Faktor-faktor Penentu Kepuasan Pengguna I-SimPeg: Pendekatan Model UTAUT-EUCS dengan PLS-SEM Panigoro, Nurlia; Katili, Muhammad Rifai; Lahay, Sri Nilawaty
Jambura Journal of Informatics VOL 7, N0 1: APRIL 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i1.31159

Understanding user satisfaction determinants in government information systems is essential for successful digital transformation. This study examines factors influencing users' satisfaction with the Integrated Personnel Management Information System (I-SimPeg) in Bone Bolango Regency through an integrated UTAUT-EUCS model using PLS-SEM. Data collected from 358 government employees revealed that performance expectancy, effort expectancy, content, ease of use, facilitating conditions, and behavioral intention significantly influence user satisfaction. In contrast, social influence, accuracy, format, and timeliness were not significant contributors. The research demonstrates the complementary value of combining technology acceptance and end-user satisfaction models in assessing government information systems. Practical recommendations include comprehensive user training, intuitive interface development, routine maintenance protocols, automated data validation, and enhanced backup systems to improve I-SimPeg implementation in regional government agencies.Memahami faktor-faktor penentu kepuasan pengguna dalam sistem informasi pemerintahan sangat penting untuk keberhasilan transformasi digital. Penelitian ini mengkaji faktor-faktor yang mempengaruhi kepuasan pengguna Sistem Informasi Manajemen Kepegawaian Terintegrasi (I-SimPeg) di Kabupaten Bone Bolango melalui model terintegrasi UTAUT-EUCS menggunakan PLS-SEM. Data yang dikumpulkan dari 358 pegawai pemerintahan menunjukkan bahwa ekspektasi kinerja, ekspektasi usaha, isi, kemudahan penggunaan, kondisi memfasilitasi, dan minat perilaku secara signifikan mempengaruhi kepuasan pengguna, sementara pengaruh sosial, akurasi, bentuk, dan ketepatan waktu tidak berpengaruh signifikan. Penelitian ini mendemonstrasikan nilai komplementer dari penggabungan model penerimaan teknologi dan kepuasan pengguna akhir dalam mengevaluasi sistem informasi pemerintahan. Rekomendasi praktis meliputi pelatihan komprehensif bagi pengguna, pengembangan antarmuka intuitif, protokol pemeliharaan rutin, validasi data otomatis, dan peningkatan sistem backup untuk menyempurnakan implementasi I-SimPeg di instansi pemerintah daerah.

Perbandingan Algoritma C4.5, Naive Bayes, dan K- Nearest Neighbors untuk Prediksi Penyakit Jantung Tuloli, Mohamad Syafri; Kinanti, Titin Seh; Amali, Lanto Ningrayati
Jambura Journal of Informatics VOL 7, N0 1: APRIL 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i1.31158

Heart disease is one of the leading causes of death worldwide, making early detection crucial to reducing fatality risks. This study aims to compare the performance of three classification algorithms, namely C4.5, Naïve Bayes, and K-Nearest Neighbors (KNN), in predicting heart disease. The Heart Failure Prediction Dataset is obtained from Kaggle and the UCI Repository, comprising 1,211 patient records. After preprocessing, the data was split into training and testing sets with a 70:30 ratio. Model performance was evaluated using accuracy, precision, and recall metrics based on the confusion matrix. The results indicate that the C4.5 algorithm achieved the best performance with an accuracy of 81.07%, outperforming Naïve Bayes (79.10%) and KNN (75.68%). C4.5 also demonstrated a higher recall rate in detecting positive heart disease cases, suggesting its effectiveness in handling clinical datasets with characteristics similar to those used in this study. The main contribution of this research is providing a recommendation for utilizing the C4.5 algorithm in developing decision support systems for early heart disease detection. These findings are expected to help improve early diagnostic accuracy and support faster and more accurate medical decision-making.Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga deteksi dini menjadi sangat penting untuk mengurangi risiko fatalitas. Penelitian ini bertujuan membandingkan kinerja tiga algoritma klasifikasi, yaitu C4.5, Naïve Bayes, dan K-Nearest Neighbors (KNN), dalam memprediksi penyakit jantung. Dataset yang digunakan adalah Heart Failure Prediction Dataset yang diperoleh dari Kaggle dan UCI Repository, dengan total 1211 data pasien. Setelah dilakukan preprocessing, data dibagi dengan rasio 70:30 untuk pelatihan dan pengujian. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, dan recall berbasis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma C4.5 memiliki performa terbaik dengan akurasi 81,07%, mengungguli Naïve Bayes (79,10%) dan KNN (75,68%). C4.5 juga menunjukkan nilai recall yang lebih tinggi dalam mendeteksi kasus positif penyakit jantung, mengindikasikan efektivitasnya dalam menangani data dengan karakteristik klinis seperti dataset yang digunakan. Kontribusi utama penelitian ini adalah memberikan rekomendasi pemanfaatan algoritma C4.5 dalam pengembangan sistem pendukung keputusan untuk deteksi dini penyakit jantung. Temuan ini diharapkan dapat membantu meningkatkan akurasi diagnosis awal dan mendukung pengambilan keputusan medis secara lebih cepat dan tepat

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Muhammad Rifai Katili

Contact Email
mrifaikatili@ung.ac.id

Phone
-

Journal Mail Official
syafri.tuloli@ung.ac.id

Editorial Address
-

Location
Kota gorontalo,

Gorontalo

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Muhammad Rifai Katili

Contact Email mrifaikatili@ung.ac.id

Phone -

Journal Mail Official syafri.tuloli@ung.ac.id

Editorial Address -

Location Kota gorontalo, Gorontalo INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Muhammad Rifai Katili

Contact Email
mrifaikatili@ung.ac.id

Phone
-

Journal Mail Official
syafri.tuloli@ung.ac.id

Editorial Address
-

Location
Kota gorontalo,

Gorontalo

INDONESIA