Article Per Year (5 Year)
p-Index From 2019 - 2024
3.264
P-Index
This Author published in this journals
All Journal Informatika Mulawarman JIKO (Jurnal Informatika dan Komputer) Jurnal Ilmiah Matrik Jurnal Teknologi Sistem Informasi dan Aplikasi Jurnal Abdimas Mahakam METIK JURNAL Progresif: Jurnal Ilmiah Komputer JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Reswara: Jurnal Pengabdian Kepada Masyarakat Teknika Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Bangkit Indonesia Jurtik STMIK Bandung
Taghfirul Azhima Yoga Siswa, Taghfirul Azhima Yoga
Universitas Muhammadiyah Kalimantan Timur
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Social Sciences

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Informatika Mulawarman

 1 
Komparasi Optimasi Chi-Square, CFS, Information Gain dan ANOVA dalam Evaluasi Peningkatan Akurasi Algoritma Klasifikasi Data Performa Akademik Mahasiswa Taghfirul Azhima Yoga Siswa
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 18, No 1 (2023): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v18i1.11330

Abstract

Telah banyak penelitian implementasi data mining pada perfoma akademik mahasiswa yang dilakukan untuk mencari kinerja terbaik dari algoritma klasifikasi, namun penelitian yang menguji hubungan atribut-atribut dengan dimensi data yang tinggi pada pemodelan terhadap label data yang digunakan masih rendah. Penelitian ini bertujuan untuk mengkomparasi peningkatan akurasi algoritma klasifikasi yakni Naive Bayes, C4.5, Random Forest, dan Logistic Regression yang telah dioptimasi dengan beberapa algoritma seleksi fitur seperti Chi-Square, CFS, Information Gain dan ANOVA. Dataset yang digunakan berjumlah 2663 record, dengan membagi data menggunakan metode 5-fold cross validation kemudian dilakukan evaluasi kinerja algoritma menggunakan confusion matrix. Hasil penelitian yang diperoleh adalah optimasi Chi-square memiliki nilai tertinggi dalam meningkatkan akurasi pemodelan algoritma klasifikasi, dengan rata-rata peningkatan akurasi sebesar 2.45%. Sementara, hasil perbandingan algoritma klasifikasi dalam menangani data prediksi performa mahasiswa menghasilkan algoritma Random Forest sebagai algoritma klasifikasi tertinggi dengan persentase accuracy sebesar 94.5%, precision 95%, recall 94, f1-score 94%.
Seleksi Fitur Information Gain dan Teknik Pruning Untuk Memperbaiki Akurasi Algoritma C4.5 dalam Kasus Keterlambatan Biaya Kuliah Taghfirul Azhima Yoga Siswa; Gubtha Mahendra Putra; Anton Prafanto
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 17, No 2 (2022): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v17i2.11794

Abstract

Penerapan biaya kuliah memiliki peranan yang sangat penting di suatu universitas untuk dapat meningkatkan mutu dan infrastruktur pendidikan khususnya di Universitas Muhammadiyah Kalimantan Timur (UMKT). Namun, dalam pelaksanaannya masih banyak mahasiswa yang terlambat dalam melakukan pembayaran biaya kuliah. Hal ini dapat mengganggu UMKT dalam sisi operasional dan pelaksanaan peningkatan mutu serta infrastruktur. Pada penelitian ini akan dilakukan penentuan fitur, penerapan algoritma C4.5, dan evaluasi kinerja algoritma C4.5 dengan menggunakan confusion matrix pada pembagian data 90% data training dan 10% data testing. Untuk mengoptimasi kinerja algoritma C4.5, pada penelitian ini akan diterapkan seleksi fitur menggunakan metode information gain dan pruning. Penelitian ini menggunakan data yang diperoleh dari Biro Administrasi Keuangan dan Biro Administrasi Akademik UMKT dengan jumlah data sebanyak 12.408. Hasil pengujian kinerja algoritma C4.5 tanpa menggunakan seleksi fitur information gain dan teknik pruning memperoleh nilai akurasi sebesar 61,40%. Adapun hasil pengujian kinerja algoritma C4.5 dengan menggunakan seleksi fitur information gain dan teknik pruning memperoleh hasil sebesar 64,86%. Hasil pengujian kinerja algoritma C4.5 dengan menggunakan seleksi fitur information gain dan teknik pruning terbukti mampu meningkatkan kinerja algoritma sebesar 3,45% pada kasus keterlambatan biaya kuliah.
Co-Authors Agustya Nanda Pratiwi Anggiq Karisma Aji Restu Anis Nurrohkayati Anton Prafanto Anton Saputra Arbansyah Arbansyah Asnur Karima Darmawan Setiya Budi Gubtha Mahendra Putra Heri Abijono Ilham Taufiq Jubaidi Jubaidi Mardiana Mardiana Muhammad Najeri Al Syahrin Muhammad Norhalimi Muhammad Rhosyid Akhmad Naufal Azmi Verdikha Paula Mariana Kustiawan Pitoyo Pitoyo Prihandoko, Prihandoko Raenald Syaputra Renaldi Panji Wibowo Rizky Aspiah Santi Yatnikasari Siti Muawwanah Wawan Joko Pranoto Wawan Joko Pranoto Yoga Priantama