Garuda - Garba Rujukan Digital

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

Author-ID : 3868511

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

Articles

Title

Optimasi Correlation-Based Feature Selection Untuk Perbaikan Akurasi Random Forest Classifier Dalam Prediksi Performa Akademik Mahasiswa Yoga Priantama; Taghfirul Azhima Yoga Siswa
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Kegiatan pembelajaran sejak pandemi covid-19 melanda Indonesia mengharuskan institusi pendidikan melaksakanan kegiatan pembelajaran secara online atau daring. Learning Management System (LMS) menjadi salah satu solusi untuk mendukung proses pembelajaran daring. Universitas Muhammadiyah Kalimantan Timur (UMKT) memanfaatkan plat-form LMS OpenLearning sebagai upayanya untuk menjaga agar kegiatan pembelajaran tetap berlangsung dimasa pan-demi. Tujuan penelitian ini adalah untuk mengidentifikasi indikator atau atribut yang berpengaruh menggunakan metode correlation-based feature selection dan mengevaluasi kinerja algoritma Random Forest Classifier untuk memprediksi per-forma akademik mahasiswa UMKT dalam pembelajaran daring berbasis LMS OpenLearning. Pada penelitian ini, data diperoleh dari bagian administrasi akademik dan LMS OpenLearning sebanyak 2.663 data. Hasil penelitian menunjukan identifikasi korelasi atribut terbaik menggunakan correlation-based feature selection (CFS) adalah pada atribut time spent on course, course completed, tugas, uts, dan quiz. Hasil pemodelan Random Forest Classifier menggunakan optimasi CFS terbukti dapat memperbaiki akurasi pemodelan sebesar 97,22%, sedangkan pemodelan tanpa menggunakan optimasi CFS menghasilkan akurasi sebesar 91,66%.

OPTIMASI CHI SQUARE DAN PERBAIKAN TEKNIK PRUNNING UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM MODEL KASUS PREDIKSI KETERLAMBATAN BIAYA KULIAH Anton Saputra; Taghfirul Azhima Yoga Siswa
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Universitas Muhammadiyah Kalimantan Timur menerapkan biaya kuliah yang mempunyai peranan penting dalam meningkatkan mutu pendidikan dan pembangunan infrastruktur, namun masih banyak mahasiswa yang terlambat dalam melakukan pembayaran biaya kuliah yang dapat berpengaruh pada biaya operasional. Penelitian ini bertujuan menentukan fitur, implementasi algoritma C4.5, dan mengevelauasi kinerja algoritma C4.5 dengan membagi 90% data training dan 10% data testing menggunakan confusion matrix. Pada penelitian ini dilakukan penerapan seleksi fitur menggunakan metode chi square dan teknik prunning dalam meningkatkan akurasi algoritma C4.5. Data yang digunakan berasal dari bagian Biro Administrasi Keuangan dan Biro Administrasi Akademik dengan jumlah 12.408. Pengujian algoritma C4.5 dilakukan tanpa menggunakan seleksi fitur chi square dan teknik prunning memperoleh nilai akurasi sebesar 61,40%. Sedangkan pengujian algoritma C4.5 dengan seleksi fitur chi square dan teknik prunning memperoleh nilai akurasi sebesar 65,53%. Dengan demikian adanya seleksi fitur chi square dan teknik prunning dapat meningkatkan akurasi algoritma C4.5 dalam prediksi keterlambatan pembayaran 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

Title Search

Found 2 Documents Search Journal : JIKO (Jurnal Informatika dan Komputer)

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : JIKO (Jurnal Informatika dan Komputer)