Garuda - Garba Rujukan Digital

Sistem Informasi Manajemen Persediaan Menggunakan Metode Economic Order Quantity Dan Reorder Point Sumaryanto, Sumaryanto; Susanti, Nani Irma; Wahyuningsih, Hartati Dyah
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i2.3804

Untuk meraih keuntungan dalam bisnis, perlu menetapkan keputusan yang tepat agar dapat menghasilkan produk yang sesuai dengan perencanaan. Persediaan adalah kegiatan untuk memenuhi permintaan barang dalam proses bisnis yang dapat berupa penyediaan barang baku, setengah jadi dan barang yang sudah jadi sepenuhnya. Persediaan berfungsi untuk mengantisipasi kondisi yang dapat menimbulkan kerugian karena terjadi kelebihan atau kekurangan barang sehingga perlu dilakukan pengendalian terhadap persediaan. Kontrol persediaan adalah fungsi utama manajemen pasokan dalam menjaga keseimbangan kebutuhan inventaris dan kebutuhan permintaan. Untuk menentukan pengendalian persediaan seperti yang diharapkan, tiga prinsip dasar yang harus dipenuhi adalah pengendalian jenis, jumlah pemesanan dan waktu pemesanan kembali. Penetapan keputusan dalam menentukan kebijakan sistem persediaan berfungsi untuk memantau tingkat persediaan dan menentukan persediaan yang harus disimpan, waktu menambah persediaan lagi dan jumlah yang harus dipesan ulang. Toko bangunan Estella merupakan bisnis yang bergerak dibidang penjualan berbagai kebutuhan bangunan termasuk bahan dan alat bangunan yang berada di Kota Surakarta. Pengelolaan data dan transaksi serta pengolahan persediaan masih menerapkan cara konvesional dengan menggunakan buku catatan dan pengolahan data dengan microsoft office. Pemilik maupun pegawai bagian admin selama ini masih kesulitan dalam melakukan perhitungan persediaan serta kapan seharusnya melakukan pembelian ulang sebab terdapat banyak jenis barang yang dimilliki. Kesulitanpun juga dialami saat memantau persediaan barang yang mengakibatkan sulit untuk mengambil keputusan. Agar pengelolaan persediaan barang juga penyimpanannya dapat dikelola dan tersistem dengan baik, maka dibutuhkan suatu aplikasi berupa sistem informasi manajemen untuk mengelola persediaan barang. Penelitian ini bertujuan mengembangkan sistem informasi manajemen persediaan untuk membantu toko Estella dalam mengontrol persediaan. Dua metode yaitu Economic Order Quantity (EOQ) dan reorder point dipilih untuk mengoptimalkan persediaan barang sehingga dapat menghindari kelebihan atau kekurangan persediaan, dapat memenuhi pesanan pelanggan dengan tepat waktu, terjadi efisiensi biaya serta mencegah timbulnya masalah yang mungkin terjadi. Sistem berbasis web yang dikembangkan memiliki fitur untuk mengelola data barang, kategori pemasok, mengolah transaksi pembelian juga penjualan serta dapat menghasilkan informasi dari perhitungan EOQ, safety stock dan reorder point. Dari hasil pengujian perhitungan kedua metode yang digunakan dengan 15 sample varian cat catylac didapat rerata penghematan biaya persediaan pada bulan Juni 2023 sebesar 65,71%.

Identifikasi Parasit Malaria Berbasis Web Menggunakan CNN pada Citra Sel Darah Pristiani, Baiq Dwi Ningrum; Prasetya, M. Riko Anshori; Hidayat, Ahmad; Naparin, Husni
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4563

Malaria adalah penyakit menular yang umum di daerah tropis dan subtropis, yang disebabkan oleh infeksi parasit plasmodium melalui gigitan nyamuk Anopheles. Penyakit ini berisiko tinggi menyebabkan kematian, terutama pada kelompok rentan seperti bayi, balita, dan ibu hamil. Data Kementerian Kesehatan Indonesia menunjukkan peningkatan signifikan kasus malaria dari 304.607 kasus pada tahun 2021 menjadi 443.530 kasus pada tahun 2022. Meskipun pemeriksaan mikroskopis akurat dan murah, namun membutuhkan tenaga medis yang berpengalaman dan memakan waktu yang cukup lama. Oleh karena itu, pengembangan metode deteksi otomatis parasit malaria menjadi penting untuk mempercepat diagnosis dan meningkatkan akurasi. Penelitian ini bertujuan untuk membangun sistem deteksi malaria menggunakan citra sel darah dengan algoritma Convolutional Neural Network (CNN) berbasis web. Data citra sel darah diambil dari situs kaggle.com, setelah itu dilakukan data preprocessing berupa image resizing dan data augmentation. Dataset dibagi menjadi data training dan validation dengan rasio 80% untuk data training dan 20% untuk data validation. Model CNN ini terdiri dari beberapa lapisan seperti Conv2D, MaxPooling2D, Flatten, dan Dense, digunakan untuk klasifikasi citra sel darah. Model yang sudah dibuat dilatih menggunakan optimizer adam dan loss function categorical_crossentropy mencapai akurasi sebesar 96.93%. Penerapan teknik augmentasi data terbukti meningkatkan akurasi model. Web berbasis Flask dirancang untuk memungkinkan pengguna mengunggah citra sel darah dan menerima hasil deteksi secara cepat dan akurat. Sistem ini diharapkan membantu tenaga medis dan masyarakat di daerah endemik malaria dalam mendapatkan diagnosis yang cepat dan tepat, terutama di wilayah dengan akses terbatas terhadap fasilitas laboratorium dan tenaga ahli. Penelitian ini menunjukkan bahwa integrasi teknologi deep learning dan aplikasi web memiliki potensi besar dalam meningkatkan efisiensi diagnosis malaria di dunia nyata.

Pemeringkatan Popularitas Dompet Digital dengan Pendekatan SNA-OCRA Al Amin, Imam Husni; Amin, Fatkhul; Wibisono, Setyawan; Lestariningsih, Endang; Wahyudi, Eko Nur
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3616

Abstrak−Penelitian ini mengkaji popularitas produk dompet digital berdasarkan percakapan Twitter dengan pendekatan hibrid Social Network Analysis (SNA) dan Operational Competitiveness Ratings Analysis (OCRA). SNA menganalisis interaksi pengguna dalam percakapan dompet digital, sementara OCRA memberikan pemeringkatan berdasarkan kriteria yang berasal dari network properties pada SNA. Dalam konstruksi SNA akan diperoleh banyak network properties yang tercatat, namun dalam penelitian ini network properties yang digunakan sebagai kriteria adalah Node, Edges, Average Degree, Modularity, Diameter, Density, Average Path Length, Connected Component. Kemudian OCRA memberikan perhitungan pemeringkatan popularitas dompet digital berdasarkan kriteria. Hasil dari penelitian ini menyatakan bahwa dompet digital dengan kode alternatif A2 menduduki peringkat tertinggi dengan nilai indeks seleksi preferensi 603.3993893. Dompet digital dengan kode alternatif A3 menduduki peringkat terendah dengan nilai indeks seleksi preferensi 4.903316045.Hasil ini mencerminkan popularitas merek dompet digital berdasarkan percakapan Twitter dan analisis jaringan sosial. Validasi hasil penelitian ini dilakukan dengan membandingkan peringkat popularitas penelitian ini dengan nilai properti aplikasi dompet digital pada playstore. Apabila popularitas di playstore didasarkan pada jumlah download aplikasi dompet digital, maka dompet digital paling populer pada playstore adalah A2 dengan jumlah download 100 juta lebih. Hasil ini mengindikasikan hasil yang sama dengan penelitian ini yang menempatkan dompet digital dengan kode A2 sebagai yang terpopuler. Apabila popularitas di playstore didasarkan pada jumlah ulasan aplikasi dompet digital, maka dompet digital paling populer pada playstore adalah A2 dengan jumlah ulasan sekitar 13 juta. Hasil ini mengindikasikan hasil yang sama dengan penelitian ini yang menempatkan dompet digital dengan kode A2 sebagai yang terpopuler. Apabila popularitas di playstore didasarkan pada rating dompet digital, maka dompet digital paling populer pada playstore adalah A3 dengan rating 4,7 sedangkan A2 menduduki peringkat kedua dengan rating sebesar 4,6. Hasil ini mengindikasikan hasil yang sedikit berbeda dengan penelitian ini yang menempatkan dompet digital dengan kode A2 sebagai yang terpopuler. Berdasarkan hasil validasi ini dapat disimpulkan bahwa apabila dicari dompet digital yang menempati peringkat pertama pada sisi popularitas, maka antara hasil penelitian ini dengan nilai properti aplikasi pada playstore hanya terdapat sedikit perbedaan saja, namun variasi perbedaan akan muncul pada peringkat-peringkat di bawahnya.Kata Kunci: pemeringkatan, popularitas, dompet digital, Twitter, SNA, OCRA

Sentiment Analysis of Indonesian Citizen Tweets Using Support Vector Machine on the Rebranding of Twitter to X Hakim, Bhustomy; Kinasih, Putri Rindu
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i2.4293

How other people see the world and assess it affects their opinions, their understanding of it, and the choices they make. As a result, when we need to make a choice, we frequently ask for other people's opinions. Sentiment analysis, also known as opinion mining, is a cost-effective way for businesses and individuals to gather information about public sentiment. In this research, the writers aimed to study Indonesian netizen’s sentiment towards the rebranding of Twitter to X. Obviously, it is impossible to ignore the name and logo changes. The blue and white bird logo on Twitter has become a symbol of the network's culture and lexicon for over ten years. The verb "tweet" has evolved to refer to a post. With 14.75 million Twitter users, which ranks Indonesia sixth in the world, the writer is intrigued to study more about how Indonesian citizens see the rebranding issue. The data scrapping which collects the tweets about Twitter rebranding into X is collected from July 23rd, 2023, when the rebranding news appeared, and July 31st, 2023, which focuses on the day of rebranding that occurred. And, for the feature extraction, we will be using the TD-IDF method and Support Vector Machine using Gaussian Radial Basis Function Kernel as the model. Afterward, in the evaluation phase, we are using Confusion Matrix to find accuracy, f1-score. Lastly, the sentiment will also be analyzed by using rebranding theory. The result of this research shows that the Indonesian netizens' neutral sentiments. This result is also strengthened by the word cloud results which mostly show general words such as rebranding, twitter, https, jadi, yang, and X.

Analisis Perancangan Sistem Informasi Pelayanan Perbaikan Hardware Komputer Berbasis Website Menggunakan Metode Backward Chaining Miechael, Miechael; Daniawan, Benny
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3441

Perkembangan sistem informasi (SI) dan teknologi informasi (TI) sangat pesat. Kemajuan SI dan TI berperan penting terhadap kinerja suatu organisasi atau perusahaan menjadi lebih efektif dan efisien. Kegiatan yang sebelumnya mengharuskan bertatap muka, saat ini dituntut agar dapat dilakukan tanpa harus bertemu secara langsung. Layanan berbasis online saat ini benyak bermunculan, layanan tersebut dapat menjangkau pelanggan secara langsung dan mempermudah setiap aktifitas yang dilakukan. Kecepatan dan kehandalan proses layanan menjadi hal utama yang diperhatikan penuh oleh organisasi atau perusahaan karena berpengaruh pada kepuasan pelanggan. Oleh karena itu untuk dapat meningkatkan kualitas layanan yang dimiliki CV. ONG COMPUTER khususnya dalam proses konsultasi, tracking progres pengerjaan, dan pemberian informasi mengenai status unit. Maka dibuat sebuah sistem usulan berbasis website yang menggunakan metode Backward Chaining agar sistem bisa mengenali kerusakan berdasarkan keluhan pelanggan, dan dapat membantu teknisi dalam proses pemberian informasi kepada pelanggan, serta tracking progres pengerjaan unit yang diperbaiki. Hasil dari pengujian sistem menggunakan metode Technology Acceptance Model (TAM) terhadap 76 responden dengan nilai standar t-table sebesar 1,994 menunjukan hasil bahwa variabel Perceived Usefulness (PU) tidak berpengaruh terhadap Attitude Toward Using (ATU) sebesar 1,443, PU berpengaruh terhadap Behavioral Intention to Use (BITU) sebesar 4,650, Perceived Ease of Use (PEOU) berpengaruh terhadap ATU sebesar 2,829, ATU bepengaruh terhadap BITU sebesar 6,785, sedangkan BITU berpengaruh terhadap Actual System Use (ASU) sebesar 15,326.Kata Kunci: Sistem Informasi Perbaikan, Sistem Rekomendasi Perbaikan Hardware Komputer, Backward Chaining, Technology Acceptance Model, Behavior Intention to Use

Aplikasi Sistem Pakar Guna Mendiagnosa Defisiensi Nutrisi Tanaman Hidroponik Dengan Menggunakan Metode Certainty Factor Nugraha, Dadan; Mirantika, Nita; Renaldi, Aldi
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i2.3993

Hidroponik PBIO merupakan organisasi yang bergerak di bidang pertanian, meskipun menjanjikan, terdapat masalah dalam meningkatkan kewaspadaan terhadap kekurangan unsur hara, khususnya pada tanaman hidroponik yang rentan terhadap defisiensi nutrisi. Defisiensi nutrisi pada tanaman hidroponik dapat diidentifikasi dengan menggunakan sistem pakar yang didasarkan pada pengetahuan langsung dari seorang pakar dan studi literatur. Implementasi sistem pakar dalam suatu organisasi bertujuan untuk meningkatkan nilai, produktivitas, dan efisiensi manajerial untuk pengambilan keputusan yang cepat. Manfaat dari sistem pakar yang dapat mendiagnosis gejala defisiensi nutrisi dengan cepat, tepat, dan akurat diharapkan dapat membantu untuk mengantisipasi kerugian akibat kekurangan unsur hara pada tanaman. Dengan menggunakan metode certainty factor dalam menghitung tingkat keahlian sistem pakar ini, data penelitian mencakup gejala, defisiensi tanaman, dan aturan. Oleh karena itu, pentingnya akurasi dan ketepatan perhitungan dalam mendiagnosis gejala penyakit menggunakan metode certainty factor sangat ditekankan. Dalam penelitian ini, tingkat keakuratan sistem pakar yang diberikan dalam mendiagnosa mencapai 86.6%. Kesimpulannya, implementasi sistem pakar berbasis certainty factor pada organisasi Hidroponik PBIO dapat meningkatkan deteksi dan diagnosis defisiensi nutrisi pada tanaman hidroponik dengan tingkat keakuratan yang memuaskan, memberikan kontribusi positif terhadap nilai, produktivitas, dan efisiensi manajerial.

Model Prediksi Harga Penutupan di Bursa Efek Indonesia dengan Menggunakan Bidirectional LSTM dan HIVE-COTE Julian, Matthew; Bunyamin, Hendra
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4599

Memprediksi harga penutupan saham merupakan masalah yang menantang karena natur bursa saham yang volatil dan tidak linier. Adanya teknologi machine learning telah mendorong metode prediksi yang lebih akurat untuk data deret waktu, terutama dalam konteks prediksi harga saham. Prediksi yang akurat memberikan manfaat dalam bidang finansial, yaitu memudahkan investor dalam menganalisis pasar dan meminimalisir risiko. Model Bidirectional Long Short-Term Memory (Bi-LSTM) yang merupakan perkembangan dari Long Short-Term Memory (LSTM) dan Hierarchical Vote Collective of Transformation-based Ensembles 2.0 (HIVE-COTE 2.0) merupakan dua pendekatan yang digunakan dalam penelitian untuk memprediksi klasifikasi harga penutupan saham. Dataset yang digunakan adalah dataset harga saham yang berisikan informasi-informasi, seperti tanggal, harga pembukaan, harga tertinggi, harga terendah, harga penutupan, harga penutupan yang disesuaikan, dan volume penjualan. Kemudian, informasi-informasi ini dikenakan proses features engineering untuk memperoleh date/time features, lag features, rolling-window features, dan expanding-window features. Training model Bi-LSTM dan HIVE-COTE 2.0 dari fitur-fitur tersebut dan proses hyperparameter tuning dua model tersebut memberikan hasil evaluasi bahwa model HIVE-COTE 2.0 dengan performa F1-score 98.7% lebih baik dalam memprediksi klasifikasi harga saham dibandingkan dengan Bi-LSTM. Selanjutnya, analisis model untuk mencari fitur yang paling berpengaruh dengan dan tanpa feature engineering dilakukan dan fitur yang paling berpengaruh adalah persentase perubahan harga pada akhir transaksi pada satu hari. Hasil penelitian ini merekomendasikan HIVE-COTE 2.0 sebagai model prediksi karena keakuratannya dan fitur persentase perubahan harga sebagai fitur yang paling mempengaruhi hasil prediksi.

Penerapan CPI dan ROC dalam Sistem Pendukung Keputusan Perguruan Tinggi Komputer Swasta di Semarang Sadewa, Nindya Yanuar; Rif’at, Estiawan; Fratama, Dimas Putra; Pinem, Agusta Praba Ristadi
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3918

Abstrak Pemilihan perguruan tinggi menjadi keputusan krusial dalam perjalanan akademis, khususnya di bidang teknologi informasi di Kota Semarang. Pesatnya perkembangan teknologi mempengaruhi preferensi lulusan SMA, dan banyak perguruan tinggi komputer swasta bersaing dalam menghasilkan lulusan berkualitas. Hal ini membuat banyak calon mahasiswa yang kesulitan memilih perguruan tinggi, khususnya perguruan tinggi swasta (PTS) yang menawarkan mata kuliah di bidang teknologi informasi (komputer). Penelitian ini akan membahas tentang Sistem Pendukung Keputusan (SPK) untuk menentukan ranking perguruan tinggi yang terbaik. Untuk menentukan perankingan akan ada 5 kriteria yang dijadikan sebagai penilaian, yaitu akreditas perguruan tinggi, SPI, UKT, jumlah mahasiswa, dan jumlah dosen. Untuk data yang digunakan berasala dari situs resmi PPDikti Pangkalan Data Pendidikan Tinggi. Metode yang digunakan dalam penelitian ini adalah Composite Performance Indeks (CPI) dan Rank Order Centroid (ROC). Rank Order Centroid (ROC) digunakan untuk memberikan nilai dari setiap kriteria. Sementara Composite Performance Indeks (CPI) digunakan untuk mengehitung berbagai alternatif dan membuat perankingan alternatif. Melalui analisis kriteria-kriteria yang relevan, pembobotan menggunakan metode ROC, dan perhitungan menggunakan metode CPI, penelitian ini berhasil menghasilkan peringkat perguruan tinggi komputer swasta yang terbaik. Dari hasil penelitian, UDINUS menduduki peringkat tertinggi dengan nilai indeks 3266,88, diikuti oleh USM, dan UNISBANK. Kesimpulan ini menunjukkan bahwa UDINUS merupakan alternatif terbaik bagi calon mahasiswa yang tertarik untuk melanjutkan studi di bidang teknologi informasi di Kota Semarang. Secara keseluruhan, penelitian ini memberikan kontribusi yang signifikan dalam pengembangan metode SPK untuk pemilihan perguruan tinggi komputer. Diharapkan hasil penelitian ini dapat memberikan panduan yang berharga bagi calon mahasiswa dalam membuat keputusan pendidikan yang lebih informan dan sesuai dengan kebutuhan mereka, serta menjadi sumbangan dalam literatur penelitian terkait pengambilan keputusan di bidang pendidikan tinggi.

Analisis Sentimen Jersey Erspo Timnas Indonesia Menggunakan Model Klasifikasi dan Algoritma Naïve Bayes Fauzi, Syahrul; Siswono, Andika Prayoga; Prayitno, An-Nisa Firardiansyah
Jurnal Tekno Kompak Vol 19, No 1 (2025): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i1.4397

Penelitian ini menganalisis sentimen publik terhadap desain jersey baru Tim Nasional (Timnas) Indonesia menggunakan metode klasifikasi Naive Bayes pada platform Twitter. Latar belakang penelitian adalah ketidakpuasan penggemar terhadap desain jersey yang tidak sesuai dengan ekspektasi, serta desainer yang tidak menerima kritik atau masukan dari berbagai pihak. Data diambil melalui proses crawling dari Twitter menggunakan kata kunci "timnas Indonesia," menghasilkan 1229 tweet yang dikategorikan sebagai positif, negatif, atau netral. Proses preprocessing mencakup cleansing, case folding, tokenization, stopword removal, stemming, dan TF-IDF. Setelah preprocessing, data diberi label sentimen. Hasil klasifikasi menggunakan Naive Bayes menunjukkan akurasi sebesar 99%, presisi dan recall mencapai nilai maksimum 1.00 untuk sebagian besar kelas, dengan F1-score 1.00 untuk kelas 1 dan 2, serta 0.98 untuk kelas 2 dengan sebagian besar tweet bersentimen netral, disusul oleh sentimen positif dan negatif. Visualisasi data melalui word cloud dan grafik batang menunjukkan topik utama yang dibicarakan terkait jersey, seperti "jersey," "timnas," "Indonesia," "harga," dan "beli." Penelitian ini menyimpulkan bahwa jersey Erspo Timnas Indonesia secara umum diterima dengan baik di komunitas online, dengan mayoritas sentimen netral dan sebagian kecil positif. Hal ini menunjukkan bahwa meskipun sebagian besar respon bersifat netral, jersey tersebut tetap tidak menimbulkan sentimen negatif yang signifikan, sehingga secara keseluruhan dianggap diterima dengan baik. Model Naive Bayes terbukti efektif dalam mengklasifikasikan sentimen dari tweet, memberikan wawasan yang berharga untuk peningkatan produk dan layanan terkait jersey Timnas Indonesia.

Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Paru-Paru Menggunakan Algoritma C4.5 Rofiani, Riska; Oktaviani, Luluk; Vernanda, Dwi; Hendriawan, Tri
Jurnal Tekno Kompak Vol 18, No 1 (2024): FEBRUARI
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i1.3525

Abstrak− Penelitian ini bertujuan untuk memprediksi kanker paru-paru menggunakan teknik Data Mining dengan algoritma Decision Tree, terutama algoritma C4.5. Dataset yang digunakan merupakan kumpulan data dari Kaggle yang mencakup atribut seperti usia, jenis kelamin, kebiasaan merokok, konsumsi alkohol, aktivitas, dan faktor lainnya yang diduga berperan dalam risiko terkena kanker paru-paru. Hasil klasifikasi dari model yang dibangun menunjukkan tingkat akurasi yang tinggi dalam memprediksi kemungkinan seseorang terkena kanker paru-paru. Analisis mendalam terhadap model mengindikasikan bahwa kebiasaan merokok adalah faktor dominan yang sangat memengaruhi prediksi penyakit ini. Faktor usia juga memainkan peran penting dalam penentuan risiko terkena kanker paru-paru, di mana individu dengan usia tertentu cenderung memiliki risiko lebih tinggi. Model klasifikasi yang dikembangkan dalam penelitian ini telah memberikan hasil yang konsisten dan dapat diandalkan dalam mengidentifikasi risiko kanker paru-paru. Keberhasilan model ini dalam memprediksi dengan tingkat akurasi yang tinggi menunjukkan potensi besar untuk mendeteksi dini penyakit ini. Penekanan yang besar pada kebiasaan merokok sebagai faktor risiko utama kanker paru-paru disorot dalam hasil penelitian ini. Model berhasil menggambarkan bahwa individu yang memiliki kebiasaan merokok memiliki kemungkinan lebih tinggi terkena kanker paru-paru daripada individu yang tidak merokok. Diharapkan model prediksi ini dapat digunakan sebagai alat penting dalam mengidentifikasi individu dengan risiko tinggi terkena kanker paru-paru secara dini. Dengan demikian, perawatan yang tepat dapat diberikan pada tahap awal penyakit, meningkatkan peluang kesembuhan dan memperbaiki prognosis. Namun, penelitian ini juga menunjukkan bahwa ada beberapa atribut lain yang mungkin memiliki pengaruh yang signifikan dalam risiko terkena kanker paru-paru. Oleh karena itu, penelitian lebih lanjut diperlukan untuk menggali lebih dalam atribut-atribut lain yang berkontribusi terhadap prediksi penyakit ini secara lebih komprehensif. Hasil klasifikasi yang kuat dari model ini menunjukkan bahwa analisis data menggunakan teknik Data Mining dan algoritma C4.5 dapat menjadi solusi efektif dalam deteksi dini dan pencegahan penyakit kanker paru-paru. Model ini dapat memberikan kontribusi yang signifikan dalam upaya penyelamatan nyawa dan perbaikan kualitas hidup bagi individu yang berisiko terkena penyakit ini. Kata Kunci: Kanker Paru-Paru, Prediksi, Data Mining, Algoritma C4.5, Pohon Keputusan.

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Zaenal Abidin, S.Kom., M.T.

Contact Email
teknokompak@teknokrat.ac.id

Phone
-

Journal Mail Official
teknokompak@tekokrat.ac.id

Editorial Address
-

Location
Kota bandar lampung,

Lampung

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Zaenal Abidin, S.Kom., M.T.

Contact Email teknokompak@teknokrat.ac.id

Phone -

Journal Mail Official teknokompak@tekokrat.ac.id

Editorial Address -

Location Kota bandar lampung, Lampung INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Zaenal Abidin, S.Kom., M.T.

Contact Email
teknokompak@teknokrat.ac.id

Phone
-

Journal Mail Official
teknokompak@tekokrat.ac.id

Editorial Address
-

Location
Kota bandar lampung,

Lampung

INDONESIA