Garuda - Garba Rujukan Digital

Sistem Informasi Data Acara Kegiatan PROKOPIM (Protokol dan Komunikasi Pimpinan) Berbasis Mobile Di Pemkab Bondowoso Irma Siftiana; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4671

Kemajuan teknologi informasi saat ini menekan organisasi dan instansi agar mampu merespon perubahan dengan cepat, bekerja secara efisien, serta mengelola proses operasional secara terintegrasi. PROKOPIM Bondowoso memiliki beragam aktivitas yang membutuhkan pengelolaan data secara sistematis dan tepat waktu. Namun, proses pencatatan kegiatan masih dilakukan secara manual melalui Microsoft Office Excel, sehingga berpotensi menimbulkan ketidakakuratan data serta membutuhkan durasi yang cukup panjang. Oleh karena itu, penelitin ini diarahkan pada perancangan sistem informasi data acara kegiatan PROKOPIM berbasis mobile, Proses pencatatan dan pengelolaan data dapat dilakukan secara real-time, sehingga memudahkan efisiensi kerja, serta memperkuat transparansi dan akuntabilitas dalam pelaksanaan kegiatan pemerintahan. Hasil perancangan menunjukkan bahwa sistem berbasis mobile ini dapat meningkatkan efisiensi kerja, memperbaiki alur komunikasi antar bagian, serta mendukung transparansi dan akuntabilitas kegiatan di lingkungan Pemkab Bondowoso. Dengan adanya sistem ini, diharapkan pelayanan pemerintahan dapat berjalan lebih modern, efisien, serta sejalan dengan perkembagan teknologi informasi masa kini. Sistem informasi berbasis mobile yang di rancang untuk PROKOPIM Pemerintah Kabupaten Bondowoso diharapkan mampu meningkatkan efektivitas pengelolaan data acara dan kegiatan, sekaligus mendukung koordinasi antar pihak terkait secara lebih terintegrasi. Kata Kunci: Sistem Informasi, Mobile, PROKOPIM, Pemerintah Daerah, Efisiensi Kerja.Currently, the advancement of information technology requires every institution to operate more quickly, efficiently, and in an integrated manner. The Protocol and Leadership Communication Division (PROKOPIM) of the Bondowoso Regency Government manages various activities that demand systematic and timely data management. However, the recording of activities is still carried out manually using Microsoft Office Excel, which often leads to data inaccuracies and consumes considerable time.This study focuses on designing a mobile-based Information System for PROKOPIM events and activities, aimed at supporting more effective, faster, and integrated management processes. The system is designed to store, display, and update activity data in real time, enabling all stakeholders to access information more conveniently through smartphones. The design results indicate that the mobile-based system can improve work efficiency, streamline communication across divisions, and enhance transparency and accountability in the Bondowoso Regency Government’s activities. With the implementation of this system, government services are expected to become more modern, efficient, and aligned with current technological developments. The mobile information system developed for PROKOPIM is anticipated to increase the effectiveness of event and activity data management while strengthening coordination among related parties. Keywords: Information System, Mobile, PROKOPIM, Local Government, Work Efficiency.

Klasifikasi Sentimen Komentar Youtube tentang Tagar #KaburAjaDulu dengan Algoritma Naïve Bayes untuk Menggambarkan Persepsi Gen Z Indonesia Nauradhia Shofarianti Putri; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4672

Tagar #KaburAjaDulu mencerminkan keresahan yang dirasakan Generasi Z di Indonesia mengenai dinamika sosial, ekonomi, dan politik saat ini. Fenomena ini sekaligus menggambarkan dorongan kuat untuk mencari peluang hidup yang dinilai lebih menjanjikan di luar negeri. Penelitian ini bertujuan mengidentifikasi kecenderungan sentimen masyarakat yang terekam dalam komentar YouTube, dengan memanfaatkan metode klasifikasi Multinomial Naive Bayes. Sebanyak 2.667 komentar dari 15 video dikumpulkan. Penelitian ini menganalisis sentimen dari komentar dengan melalui beberapa tahapan preprocessing (pemrosesan awal) data, yaitu normalisasi (penyeragaman format), tokenisasi (pemecahan teks menjadi kata-kata), penghapusan stopword (kata-kata umum yang tidak relevan), dan stemming (pengembalian kata ke bentuk dasar). Selanjutnya, semua komentar diberi label sentimen secara manual menjadi positif, negatif, atau netral. Untuk mengatasi masalah ketidakseimbangan jumlah data antar kelas sentimen, digunakan teknik Random Oversampling. Setelah itu, data dibagi menjadi set pelatihan dan pengujian. Algoritma yang dipilih untuk klasifikasi adalah Multinomial Naive Bayes, karena dianggap paling sesuai untuk menangani karakteristik teks yang singkat dan tidak formal. Hasil penilaian menggunakan berbagai indikator seperti akurasi, presisi, recall, dan F1-score menunjukkan bahwa model bekerja secara konsisten, dengan akurasi yang mencapai 89,3%. Temuan ini memberikan gambaran mengenai ekspresi digital Generasi Z sekaligus memperlihatkan efektivitas pendekatan klasifikasi teks dalam analisis opini berbasis media sosial. Kata Kunci: Analisis sentimen, YouTube, Naive Bayes, Generasi Z, klasifikasi teks. The hashtag #KaburAjaDulu reflects the anxiety felt by Generation Z in Indonesia regarding current social, economic, and political dynamics. This phenomenon also illustrates a strong urge to seek out opportunities for a better life abroad. This study aims to identify trends in public sentiment recorded in YouTube comments, using the Multinomial Naive Bayes classification method. A total of 2,667 comments from 15 videos were collected. This study analyzes sentiment from comments through several stages of data preprocessing, namely normalization (format standardization), tokenization (breaking text into words), stopword removal (irrelevant common words), and stemming (returning words to their basic form). Next, all comments were manually labeled as positive, negative, or neutral. To overcome the problem of data imbalance between sentiment classes, the Random Oversampling technique was used. After that, the data is divided into training and testing sets. The algorithm chosen for classification is Multinomial Naive Bayes, as it is considered the most suitable for handling short and informal text characteristics. Evaluation through metrics such as accuracy, precision, recall, and F1-score indicates that the model performs consistently, achieving an accuracy of 89.3%. These findings provide an overview of Generation Z's digital expressions while demonstrating the effectiveness of the text classification approach in social media-based opinion analysis. Keywords: Sentiment analysis, YouTube, Naive Bayes, Generation Z, text classification

Sistem Informasi Pelayanan (SKTM) Berbasis Web di Desa Banyuputih Tilawatus Syarqiyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4676

Penyediaan Layanan penerbitan Surat Keterangan Warga Tidak Mampu (SKTM) di Desa Banyuputih masih bersifat manual, sehingga sering mengalami keterlambatan dan kurang efisien. Penelitian ini Membangun Sistem Informasi Berbasis Web dalam rangka meningkatkan efisiensi pendataan warga tidak mampu memberikan kemudahan warga dalam mengajukan SKTM secara online. Pengembangan sistem menggunakan kombinasi PHP dan MySQL sebagai teknologi back-end utama, dan dirancang untuk meningkatkan kecepatan, efesiensi, serta akurasi dalam pelayanan administrasi desa. Hasil implementasi menunjukkan sistem mampu mempercepat proses layanan, mengurangi beban kerja Aparatur desa, serta mempercepat proses akses untuk warga. Kata Kunci: SKTM, Sistem layanan masyarakat desa, Website,PHP. MySQL "The provision of services for issuing the Certificate of Indigence (Surat Keterangan Tidak Mampu / SKTM) in Banyuputih Village is still manual, which often leads to delays and inefficiency. This research aims to develop a Web-Based Information System to enhance the efficiency of data collection for indigent residents and provide convenience for citizens to submit their SKTM applications online. The system development utilizes a combination of PHP and MySQL as the primary back-end technologies, and is designed to improve the speed, efficiency, and accuracy of village administrative services. The results of the implementation demonstrate that the system is capable of accelerating the service process, reducing the workload of village officials (Aparatur Desa), and speeding up the access process for citizens." Keywords: SKTM, Village Community Service System, Website,PHP,MySQL

Analisis Sentimen Komentar Youtube Terkait Vidio Demo DPR Menggunakan Algoritma Naïve Bayes Khoiriyah Agustin Ulumiyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4677

mengekspresikan pandangan dan reaksi mereka terhadap berbagai isu, termasuk peristiwa sosial dan politik seperti demonstrasi DPR. Dalam studi ini, metode Naïve Bayes digunakan untuk mengategorikan komentar teks berbahasa Indonesia pada video terkait dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasilnya menunjukan bahwa mayoritas komentar bersifat netral (88,1%), dengan 9,3% negatif dan hanya 2,4% positif, yang menunjukan bahwa pengguna umumnya mengekspresikan reaksi non-emosional atau umum tanpa dukungan atau kritik eksplisit. Selain itu, efektivitas algoritma dalam mengklasifikasikan sentimen teks Bahasa Indonesia telah dibuktikan, terutama setelah Langkah-langkah pra proses yang tepat diterapkan. Studi ini berkontribusi pada literatur dengan mengkaji opini public terhadap isu-isu demonstrasi publik, menawarkan temuan yang dapat digunakan oleh pemangku kepentingan dalam memahami reaksi public yang cepat. Kata Kunci: Analisis Sentimen, Naïve Bayes, Demo DPR, Youtube YouTube has grown in popularityas a social networking site for the public to express their views and reactions toward various issues, including social and political events such as the DPR demonstrations. In this study, the Nave Bayes algorithm was used to classify Indonesian-language text comments on DPR-related videos devided positive, negative, and neutral. The findings indicate that the majority of comments are neutral (88.1%), with 9.3% negative and only 2.4% positive, indicating that users generally expressed non-emotional or general reactions without explicit support or criticism. Moreover, the effectiveness of the algorithm in classifying Indonesian text sentiment has been demonstrated, especially after proper preprocessing steps are applied. This research of literature looking into public opinions toward political demonstration issues, offering conclusions that might be used as a guide for stakeholders in understanding rapid public reactions Keywords: Sentiment Analysis, Naïve Bayes, DPR Demo, YouTube.

Implementasi Algoritma C4.5 untuk Mendiagnosis Penyakit Jantung Koroner pada RapidMiner Mayla Dini Zakkia; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4678

Penyakit kardoivaskular, khususnya penyakit jantung koroner, menjadi alasan utama terjadinya kematian di seluruh dunia dan menduduki posisi kedua di Indonesia setelah stroke. Tingginya angka kematian akibat penyakit ini menuntut inovasi dalam proses diagnosis yang lebih cepat dan akurat. Studi ini mengaplikasikan metode penggalian data untuk menemukan faktor risiko utama yang terkait dengan penyakit jantung koroner, dengan menerapkan metode klasifikasi Decision Tree menggunakan algoritma C4.5. Algoritma C4.5 dipilih karena kemampuannya untuk memproses data berkelanjutan dengan efisiensi tinggi dan dapat menghasilkan model prediksi yang mudah dipahami. Proses analisis dilakukan dengan memanfaatkan perangkat lunak RapidMiner, yang menawarkan visualisasi terstruktur untuk membantu memahami hasil. Temuan dari penelitian ini diharapkan bisa menjadi pedoman dalam pengembangan sistem yang mendukung keputusan untuk tenaga medis, baik dalam meningkatkan mutu diagnosis maupun penanganan penyakit jantung. Kata Kunci: Algritma C4.5, Data Mining, Penyakit Jantung, Klasifikasi Cardiovascular disease, particularly coronary heart disease, is the leading cause of death worldwide and ranks second in Indonesia after stroke. The high mortality rate from this disease demands innovation in faster and more accurate diagnostic processes. This study applies data mining methods to identify key risk factors associated with coronary heart disease, using the Decision Tree classification method using the C4.5 algorithm. The C4.5 algorithm was chosen for its ability to process continuous data with high efficiency and can produce easy-to-understand predictive models. The analysis process was carried out using RapidMiner software, which offers structured visualizations to aid in understanding the results. The findings of this study are expected to guide the development of decision-support systems for medical personnel, both in improving the quality of diagnosis and treatment of heart disease. Keywords: C4.5 Algorithm, Data Mining, Heart Disease, Classification

Mendeteksi Curah Hujan Ekstrem sebagai Upaya Mitigasi Banjir Menggunakan Algoritma K-Means Rendi Aldiansyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4683

Pengelompokan informasi cuaca berdasarkan variasi suhu dan curah hujan melalui pendekatan K-Means Clustering merupakan suatu langkah krusial untuk memahami perubahan iklim di daerah Bogor. Dalam konteks perubahan iklim dan peningkatan risiko bencana hidro-meteorologi, identifikasi pola iklim menjadi sangat diperlukan untuk mendukung perencanaan mitigasi dan adaptasi. Dataset yang digunakan dalam penelitian ini mencakup atribut-atribut seperti suhu maksimum, suhu minimum, curah hujan harian, jumlah hari hujan, serta parameter temporal seperti bulan dan tahun pengamatan. Data tersebut melalui proses pembersihan, normalisasi, dan transformasi agar siap dianalisis menggunakan algoritma K-Means. Hasil pengelompokan menunjukkan adanya dua kelompok utama kondisi iklim dengan karakteristik yang berbeda. Kelompok pertama menggambarkan periode dengan curah hujan tinggi dan suhu relatif rendah, sedangkan kelompok kedua menunjukkan pola curah hujan lebih rendah disertai suhu udara yang lebih hangat. Temuan ini memberikan wawasan penting mengenai variasi iklim lokal, serta dapat dimanfaatkan oleh pihak terkait untuk menyusun strategi mitigasi bencana, pengelolaan ruang terbuka hijau. Dengan adanya pengelompokan ini, diharapkan pemerintah daerah maupun lembaga terkait dapat memahami struktur pola iklim secara lebih komprehensif dan meningkatkan kesiapsiagaan terhadap potensi kejadian iklim ekstrem. Kata Kunci: Algoritma K-Means Clustering, RapidMiner, Curah Hujan, Pembelajaran Mesin. Clustering climate data based on air temperature and rainfall variation patterns using the K-Means Clustering method is a crucial step in understanding climate dynamics in the Bogor region. Regarding climate change and the increasing risk of hydro-meteorological disasters, identifying climate patterns is crucial to support mitigation and adaptation planning. The dataset used in this study includes attributes such as maximum temperature, minimum temperature, daily rainfall, number of rainy days, and temporal parameters such as month and year of observation. The data underwent a cleaning, normalization, and transformation process to prepare it for analysis using the K-Means algorithm. The clustering results indicate two main clusters of climate conditions with distinct characteristics. The first cluster describes periods with high rainfall and relatively low temperatures, while the second cluster shows a pattern of lower rainfall accompanied by warmer air temperatures. These findings provide important insights into local climate variations and can be utilized by relevant parties to develop disaster mitigation strategies, manage green open spaces, and develop More climate-adaptive spatial planning. With this clustering, it is hoped that local governments and related institutions can understand the structure of climate patterns more comprehensively and improve preparedness for potential extreme climate events. Keywords: K-Means Algorithm, RapidMiner, rainfall, Machine learning.

Analisis Kinerja dan Akurasi Algoritma K-Nearest Neighbor Pada Dataset Heart Disease Mohammad Hadi Sujatmiko; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4684

Since heart disease is the world's largest cause of mortality, early identification is crucial. This research assesses how effectively the KNN algorithm classifies data on heart disease. With k = 3 and an 80:20 split between training and test data, supervised learning was employed. The target function served as the classification label for the Heart Disease Dataset, which includes characteristics associated with heart disease. RapidMiner software was used for the analytical procedure, which included data splitting, normalization, application of the KNN model, and making use of a confusion matrix to assess the model's performance. According to the findings, the KNN algorithm produced a weighted mean recall of 95.00%, a weighted mean precision of 96.15%, a classification error of 4.55%, and an accuracy of 95.45%. These findings support the notion that the KNN algorithm is highly accurate and dependable in identifying possible cardiac problems. Keywords: heart disease, K-Nearest Neighbor, data mining, accuracy, classification. Penyakit jantung, penyebab kematian tertinggi di dunia, memerlukan diagnosis cepatTujuan dari studi ini adalah untuk mengevaluasi tingkat akurasi algoritma KNN. dalam mengklasifikasikan data yang berkaitan dengan penyakit jantung. Metode pengajaran supervisi digunakan, dengan parameter k = 3, dan rasio pembagian data pengajaran dan pengujian sebesar 80:20. Dataset yang digunakan berasal dari Dataset Penyakit Jantung, yang mengandung atribut terkait diagnosis penyakit jantung dengan label klasifikasi target. Proses analisis dilakukan melalui perangkat lunak RapidMiner. Ini mencakup proses split data, normalisasi fase, penerapan model KNN, dan evaluasi kinerja model confusion matriks kekacauan. Menurut hasil penelitian, algoritma KNN memiliki nilai akurasi 95,45%. kesalahan klasifikasi sebesar 4,55%, keakuratan rata-rata rata-rata sebesar 95,00%, dan keakuratan rata-rata rata-rata sebesar 96,15%. Hasil ini menunjukkan algoritma KNN memiliki tingkat akurasi hampir sempurna dan cukup andal untuk deteksi potensi dari dataset yang digunakan. Kata Kunci: klasifikasi, penyakit jantung, data mining, K-Nearest Neighbor, akurasi.

Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma KNN Asvic Baid Anbala; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4685

Penyakit diabetes mellitus merupakan salah satu Deabetes lronis meningkat setiap tahun di banyak negara, termasuk Indonesia. Sangat penting untuk mendeteksi diabetes dini untuk mencegah komplikasi serius dan meningkatkan kualitas hidup pasien. Berdasarkan data medis pasien diabetes, penelitian ini menggunakan algoritma K-NN untuk mengklasifikasikan pasien diabetes. kumpulan data csv. Penelitian meliputi tahapan preprocessing data seperti penanganan nilai hilang, normalisasi, pembagian data (split data), serta implementasi algoritma K-NN pada RapidMiner Studio. Berdasarkan hasil pengujian dengan nilai k tertentu, diperoleh akurasi sebesar 71,43%, weighted mean recall sebesar 66,50%, dan weighted mean precision sebesar 68,41%. Hasil Ini menunjukkan bahwa algoritma K-NN dapat mengklasifikasikan dengan baik. data penderita diabetes, meskipun masih terdapat ruang untuk peningkatan performa melalui pengaturan parameter k dan metode optimasi jarak. Kata Kunci: Klasifikasi, Diabetes Mellitus, K-Nearest Neighbor, Data Mining, RapidMiner Diabetes mellitus is a long-term condition that is becoming prevalent across the world, especially in Indonesia. To avoid serious problems and enhance patients' quality of life, early identification of possible diabetes is essential. The K-Nearest Neighbor (K-NN) method was used in this investigation. was used to classify diabetes patients based on medical data obtained from the diabetes.csv dataset. The research process included data preprocessing steps such as handling missing values, normalization, data splitting, and implementing the K-NN algorithm using RapidMiner Studio. Based on the test results with a specific k value, the obtained accuracy was 71.43%, weighted mean recall 66.50%, and weighted mean precision 68.41%. These findings show that the K-NN algorithm does a respectable job at identifying diabetic data; however, there is still an opportunity for improvement: parameter tuning and distance optimization methods. Keywords: Klasifikasi, Diabetes Mellitus, K-Nearest Neighbor, Data Mining, RapidMiner

Penerapan Algoritma Apriori untuk menghasilkan pola penjualan produk bangunan Angga Saputra; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4691

Tujuan dari penelitian ini adalah menganalisis kecenderungan konsumen dalam melakukan pembelian material bangunan dengan memanfaatkan algoritma Apriori, yang diterapkan pada proses analisis asosiasi dalam data mining. Dalam dunia toko bahan bangunan, pengertian tentang perilaku belanja konsumen sangat krusial untuk memperbaiki strategi penjualan dan penataan barang. Penelitian ini menggunakan 500 transaksi penjualan yang telah melewati proses prapengolahan dan kemudian diubah ke dalam format biner melalui teknik one-hot encoding. Pada tahap analisis, algoritma Apriori diterapkan dengan menentukan batas minimum dukungan sebesar 10% dan batas minimum kepercayaan sebesar 50%. Temuan dari analisis ini mengindikasikan bahwa kombinasi produk seperti Semen dan Pasir serta Batu Bata dan Semen menunjukkan nilai dukungan dan kepercayaan yang signifikan. Temuan pola tersebut menyediakan informasi berharga yang dapat digunakan oleh pemilik toko material bangunan untuk menata ulang posisi produk secara lebih efektif, mengelola persediaan dengan lebih terencana, serta merancang strategi promosi yang lebih tepat sasaran. Representasi visual dari pola asosiasi juga digunakan untuk memberikan gambaran visual tentang interaksi antar produk. Hasil penelitian ini menunjukkan bahwa algoritma Apriori dapat berfungsi sebagai sarana yang efisien dalam mendukung proses pengambilan keputusan di dunia bisnis yang berlandaskan pada catatan data penjualan. Kata kunci: Apriori, Penambangan Data, Pola Belanja, Bahan Konstruksi, Aturan Asosiasi. This study seeks to identify trends in how building materials are bought, using the Apriori algorithm within association-based data mining techniques. Grasping how customers buy things at building supply stores is really important for making better sales plans and arranging products in a smart way. This study looks at 500 sales records that have been cleaned up and changed into a one-hot encoded format. The Apriori method was implemented utilizing a support threshold of at least 10% and a confidence threshold of at least 50%. The study revealed that certain sets of products, like Cement with Sand and Bricks with Cement, showed strong support and confidence levels. These relationships give helpful information that can help building supply store owners create better product placement strategies, handle inventory better, and make more focused sales offers. Visual representations of these patterns are also used to visually show the links between different products. This study indicates that the Apriori approach serves as a valuable tool for informing business decisions by utilizing patterns derived from past sales data. Keywords: Apriori Algorithm, Data Mining, Sales Patterns, Building Products, Association Rules

Klasifikasi Kemiskinan Menggunakan Metode Decision Tree Pada Rapidminer Muhammad Nur Alif Haqiqi; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4695

Kemiskinan adalah salah satu isu sosial yang masih menjadi tantangan di Indonesia, khususnya dalam hal pembagian bantuan sosial yang seharusnya diterima dengan layak menjadi tidak tepat. Penelitian ini memiliki tujuan untuk mengategorikan kondisi kemiskinan isi rumah dengan metode Pohon Keputusan yang dihasilkan dari pengolahan data. Prosedur dilakukan melalui serangkaian langkah pengolahan data, pemilihan atribut dengan menggunakan algoritma genetika, pengembangan model klasifikasi, serta penilaian hasil menggunakan perangkat lunak Rapidminer Studio. Data yang digunakan dari berbagai atribut sosial ekonomi seperti pendidikan, jumlah tanggungan, kepemilikan aset, dan kondisi tempat tinggal. Hasil penelitian membuktikan bahwa algoritma Decision Tree mampu menghasilkan model klasifikasi yang sangat akurat serta mudah dipahami melalui representasi pohon keputusan. Atribut energocinar2 dan overcrowding memiliki kontribusi signifikan terhadap hasil klasifikasi, sementara itu klasifikasi atribut seperti hacapo menampakkan pengaruh yang lebih rendah. Temuan ini membuktikan bahwa metode Decision Tree sangat efektif dalam mengelompokkan data serta mengidentifikasi variabel-variabel penting. Model ini berguna diterapkan sebagai penolong dalam mengambil keputusan final saat penentuan penerima bantuan sosial agar lebih menguntungkan kepada khalayak umum yang memang berhak untuk menerima Kata Kunci: Klasifikasi , Kemiskinan , Data Mining , Decision Tree , Seleksi Atribut Poverty is a social issue that remains a challenge in Indonesia, particularly in terms of the inaccurate distribution of social assistance. This study aims to categorize household poverty using the Decision Tree method, which is generated from data processing. The procedure involves a series of data processing steps, attribute selection using a genetic algorithm, classification model development, and evaluation of the results using Rapidminer Studio software. The data used were from various socioeconomic attributes such as education, number of dependents, asset ownership, and housing conditions. The results demonstrate that the Decision Tree algorithm is capable of producing a highly accurate and easily understood classification model through a decision tree representation. The energocinar2 and overcrowding attributes significantly contributed to the classification results, while classification attributes such as hacapo showed a lesser influence. These findings demonstrate that the Decision Tree method is highly effective in grouping data and identifying important variables. This model is useful for assisting in making final decisions when determining social assistance recipients to better benefit the general public who are truly entitled to receive it. Kata Kunci: Classification, Poverty, Data Mining, Decision Tree, Attribute Selection

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Universitas Ngudi Waluyo

Contact Email
ekonurhermansyah@unw.ac.id

Phone
+628561717901

Journal Mail Official
abdulrohman15@gmail.com

Editorial Address
Jl. Diponegoro no 186 Gedanganak - Ungaran Timur, Kab. Semarang Jawa Tengah

Location
Kab. semarang,

Jawa tengah

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Universitas Ngudi Waluyo

Contact Email ekonurhermansyah@unw.ac.id

Phone +628561717901

Journal Mail Official abdulrohman15@gmail.com

Editorial Address Jl. Diponegoro no 186 Gedanganak - Ungaran Timur, Kab. Semarang Jawa Tengah

Location Kab. semarang, Jawa tengah INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Universitas Ngudi Waluyo

Contact Email
ekonurhermansyah@unw.ac.id

Phone
+628561717901

Journal Mail Official
abdulrohman15@gmail.com

Editorial Address
Jl. Diponegoro no 186 Gedanganak - Ungaran Timur, Kab. Semarang Jawa Tengah

Location
Kab. semarang,

Jawa tengah

INDONESIA