Claim Missing Document
Check
Articles

Found 21 Documents
Search

IMPLEMENTASI CORRELATION BASED FEATURE SELECTION (CFS) UNTUK PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI PERFORMA AKADEMIK MAHASISWA BERBASIS LEARNING MANAGEMENT SYSTEM Rizky Aspiah; Taghfirul Azhima Yoga Siswa
JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer Vol 13 No 2 (2022): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : LPPM Sekolah Tinggi Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v13i2.523

Abstract

The COVID-19 pandemic in the education aspect has an impact on the learning system. Muhammadiyah University of East Kalimantan utilizes the OpenLearning platform as a medium to support online learning. In this study, predictions of the performance of UMKT students in online lectures were carried out using a data mining approach. The dataset used comes from the OpenLearning platform and the Academic Administration Section which contains 2,663 data. This study aims to identify the best attributes, implement the C4.5 algorithm modeling, and search for modeling searches using a confusion matrix. The results showed that the influential indicators included time spent on courses, completed courses, assignments, quizzes, uts and labels. The implementation of the C4.5 algorithm produces a decision tree at the initial node of the quiz variable with a rank of -0.80 which is included in the true group, but if the rank is -0.80 it is included in the false group. The results of the accuracy using the distribution data of 80% training data and 20% testing data are 97.22%.
Penguatan Keterampilan Office dan Desain Grafis bagi Anak-Anak Panti Asuhan Uswatun Hasanah Samarinda Taghfirul Azhima Yoga Siswa; Arbansyah Arbansyah; Santi Yatnikasari
Jurnal Abdimas Mahakam Vol. 6 No. 02 (2022): Juli
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24903/jam.v6i02.1558

Abstract

Peran technopreneurship dalam perkembangan teknologi dan industri di Indonesia yang mulai beradaptasi pada era revolusi industri 4.0 ke era society 5.0 saat ini sangat mempengaruhi pertumbuhan ekonomi di Indonesia. Technopreneurship sendiri terdiri dari mengidentifikasi teknologi modern dan bahkan menciptakan peluang teknologi dengan menyajikan produk dan layanan komersial. Dalam perkembangannya, technopreneurship membutuhkan teknologi pendukung untuk menunjang kebutuhan kewirausahaan berbasis teknologi saat ini. Kemampuan dan keterampilan dasar individu tentang implementasi teknologi informasi pendukung seperti microsoft office dan desain grafis sangat diperlukan untuk dapat bersaing dan menciptakan peluang baru dalam perkembangan technopreneurship. Metode yang digunakan pada kegiatan pengabdian kepada masyarakat ini dimulai dengan melakukan survei lokasi, yang dilanjutkan dengan persiapan materi, pelaksanaan, dan evaluasi kegiatan. Kegiatan pengabdian dilakukan selama 1 hari yang dilangsungkan pada ruang pertemuan, dan kegiatan dihadiri sebanyak 8 anak Panti Asuhan Uswatun Hasanah. Dengan adanya pengabdian kepada masyarakat ini, diharapkan nantinya anak-anak panti asuhan mendapatkan pembekalan untuk meningkatkan keterampilan mereka dalam kewirausahaan berbasis teknologi informasi (digital). Selain itu kegiatan ini juga dilakukan dalam rangka mendorong pertumbuhan technopreneurship di kalangan usia produktif di Kota Samarinda.
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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (364.122 KB) | DOI: 10.26798/jiko.v6i2.651

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (556.346 KB) | DOI: 10.26798/jiko.v6i2.648

Abstract

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.
PERBANDINGAN KINERJA ALGORITMA C4.5, NAÏVE BAYES, K-NEAREST NEIGHBOR, LOGISTIC REGRESSION, DAN SUPPORT VECTOR MACHINES UNTUK MENDETEKSI PENYAKIT KANKER PAYUDARA Taghfirul Azhima Yoga Siswa; Prihandoko Prihandoko
JURTIK:Jurnal Penelitian dan Pengembangan Teknologi Informasi dan Komunikasi Vol 7 No 2 (2018): JURTIK : Jurnal Teknologi Informasi dan Komunikasi
Publisher : LPPM STMIK BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (792.339 KB) | DOI: 10.58761/jurtikstmikbandung.v7i2.105

Abstract

Evaluate the best performance comparison of C4.5, Naïve Bayes, K-Nearest Neighbor, Logistic Regression, and Support Vector Machines classification methods for detecting breast cancer using a 10 fold Cross Validation test by comparing the values of accuracy, precision, and recall using confusion matrix . The breast cancer dataset used was 699 records with 11 indicator parameters consisting of Code Number, Clump Thickness, Uniformity of Cell Size, Uniformity of Cell Shape, Marginal Adhesion, Single Epithelial Cell Size, Bare Nuclei, Bland Chromatin, Normal Nucleoli, Mitoses, and Classes obtained from http://archive.ics.uci.edu. The data was processed using Rapid Miner Version 9 software. The results of this study found that the percentage of performance of each classification algorithm analyzed, that is C4.5 Algorithm (accuracy 93.70%, precision 94.26%, recall 87.86%), Naïve Bayes Algorithm (accuracy 96.19 %, precision 92.25%, recall 97.50%), K-Nearest Neighbor Algorithm (95.61% accuracy, precision 94.99%, recall of 92.43%), Logistic Regression Algorithm (accuracy 96.77%, precision 95.93%, recall 94.98%), and Support Vector Machines algorithm (accuracy 96.78%, precision 94.83%, recall 96.20%). The best performance results tested using T-Test found that the Logistic Regression and Support Vector Machines algorithm has the same highest accuracy value that is equal to 0.968.
Komparasi Metode Seleksi Fitur Dalam Prediksi Keterlambatan Pembayaran Biaya Kuliah Taghfirul Azhima Yoga Siswa; Renaldi Panji Wibowo
Teknika Vol 12 No 1 (2023): Maret 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i1.601

Abstract

Penelitian data mining pada keterlambatan pembayaran SPP telah banyak dilakukan namun mayoritas penelitian memiliki dataset yang berdimensi rendah. Hal ini dapat menjadi bahan kajian bagi para peneliti selanjutnya dikarenakan penelitian terkait dataset keterlambatan biaya SPP yang berdimensi tinggi hanya mendapatkan akurasi dibawah 60%. Ditambah lagi penelitian klasifikasi data mining yang menguji hubungan antar atribut-atribut yang digunakan pada pemodelan terhadap label data relatif masih minim. Penelitian ini bertujuan untuk menganalisis peningkatan akurasi algoritma klasifikasi yakni K-Nearest Neighbor, Naive Bayes, C4.5, Random forest, dan Logistic Regression dalam memprediksi keterlambatan biaya kuliah yang dioptimasi dengan beberapa perbandingan algoritma seleksi fitur diantaranya Mutual Information, Forward Selection, Backward, dan Recursive Elimination. Data yang digunakan adalah data pembayaran SPP mahasiswa dari tahun 2019 - 2021 dengan teknik pembagian data menggunakan metode 5-fold cross validation. Hasil dari penelitian ini ditemukan bahwa algoritma Backward Elimination memberikan peningkatan akurasi tertinggi dengan nilai rata-rata 0,52%, sedangkan algoritma klasifikasi yang memiliki akurasi tertinggi terdapat pada random forest dan C4.5 dengan nilai akurasi sebesar 62,6%, precision 65%, recall 63% dan f1-score 61%.
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%.
Pencegahan Abrasi dan Peningkatan Sektor Wisata melalui Penanaman Mangrove di Pesisir Pantai Kecamatan Muara Badak Taghfirul Azhima Yoga Siswa; Nur Fithriyanti Imamah; Paula Mariana Kustiawan; Anis Siti Nurrohkayati; Mardiana Mardiana; Jubaidi Jubaidi
Jurnal Abdimas Mahakam Vol. 7 No. 02 (2023): Juli
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24903/jam.v7i02.2293

Abstract

Posisi daerah pesisir pantai rentan terhadap abrasi, yang merupakan erosi dan hilangnya tanah akibat gelombang laut yang kuat, khususnya yang terjadi di kawasan pesisir pantai area dermaga pantai panrita lopi, jalan poros jembatan pentol desa tanjung limau dan desa salo sumbala kecamatan Muara Badak provinsi Kalimantan Timur. Salah satu solusi efektif dalam pencegahan abrasi adalah dengan menggunakan tanaman mangrove. Tanaman ini memiliki akar yang kuat dan sistem perakarannya yang kompleks, mampu menahan erosi dan menstabilkan tanah di sepanjang garis pantai. Penanaman mangrove dapat memberikan perlindungan fisik terhadap abrasi, serta memberikan manfaat ekologis penting seperti penyediaan habitat bagi spesies laut dan penyerapan karbon dioksida. Upaya pencegahan abrasi melalui pengabdian masyarakat ini dilakukan sebagai langkah untuk menjaga dan memulihkan ekosistem yang rusak. Diharapkan dengan pelaksanaan kegiatan pengabdian kepada masyarakat dengan penanaman mangrove di pesisir pantai kecamatan Muara Badak ini dapat menjaga keberlanjutan pesisir pantai dan mengurangi kerentanan terhadap abrasi serta meningkatkan daya tarik sektor wisata khususnya pantai – pantai yang ada di kecamatan muara badak.
KOMPARASI METODE E-SERVQUAL DAN EUCS UNTUK MENGANALISIS TINGKAT KEPUASAN DOSEN DALAM PERKULIAHAN ONLINE PADA MASA PANDEMI COVID-19 BERBASIS LMS DI UMKT Taghfirul Azhima Yoga Siswa; Naufal Azmi Verdikha
Jurnal Ilmiah Matrik Vol 23 No 3 (2021): Jurnal Ilmiah Matrik
Publisher : Direktorat Riset dan Pengabdian Pada Masyarakat (DRPM) Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33557/jurnalmatrik.v23i3.1525

Abstract

Universitas Muhammadiyah Kalimantan Timur (UMKT) merupakan universitas yang mengusung konsep IT-Based Paperless University berupaya menerapkan perkuliahan online yang ideal dengan menggunakan Learning Management System (LMS) berbasis website / mobile yang bekerja sama dengan Openlearning.com Australia. Harapannya proses belajar mengajar dapat dilakukan kapan saja dan dimana saja tanpa dibatasi ruang dan waktu namun tetap mengedepankan standar dan kualitas perkuliahan yang sesuai dengan aturan yang berlaku. Penelitian ini dilakukan dengan cara menyebarkan kuesioner kepada responden yaitu dosen sebagai pengguna LMS Openlearning dan dilakukan pemilihan responden dengan teknik random sampling dan rumus slovin sehingga didapatkan 114 orang untuk dijadikan sampel dalam penelitian ini. Kuesioner yang disebarkan terdiri dari dua instrumen yaitu berdasarkan dimensi metode EUCS dan E-ServQual. Tujuan dari penelitian ini adalah untuk mengetahui persentase tingkat kepuasan dosen dalam menerapkan openlearning untuk proses perkuliahan online yang diukur dengan komparasi analisis pendekatan metode EUCS dan E-ServQual serta gap antara kedua kuesioner tersebut, sehingga harapannya dapat memberikan hasil rekomendasi bagi Universitas Muhammadiyah Kalimantan Timur untuk mengevaluasi keberhasilan perkuliahan online yang sudah berjalan. Hasil penelitian menunjukan bahwa tingkat kepuasan dosen UMKT dalam perkuliahan online berbasis LMS Openlearning menggunakan metode EUCS sebesar 78,33% dengan selisih sebesar 9,98% sedangkan saat menggunakan metode E-ServQual tingkat kepuasan pengguna sebesar 73,15% dengan selisih sebesar 8%. Dari hasil analisis komparasi kedua metode tersebut didapatkan persentase kepuasan pengguna menggunakan metode EUCS lebih tinggi daripada metode E-ServQual walaupun memiliki range kategori yang sama yakni puas.
PREDIKSI KINERJA MAHASISWA DALAM PERKULIAHAN DARING BERBASIS E-LEARNING MENGGUNAKAN METODE LOGISTIC REGRESSION Agustya Nanda Pratiwi; Taghfirul Azhima Yoga Siswa
Jurnal Ilmiah Matrik Vol 24 No 2 (2022): Jurnal Ilmiah Matrik
Publisher : Direktorat Riset dan Pengabdian Pada Masyarakat (DRPM) Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33557/jurnalmatrik.v24i2.1827

Abstract

There are many problems that occur in the online learning process, one of which is the difficulty of students in understanding the material well. Various efforts have been declared by lecturers to support online learning, starting from direct material explanations through OpenLearning, Zoom, and Google Meet media. To find out whether the student's performance in this online lecture is good or not. Prediction of student performance in online lectures is used as one of the supports for evaluation decisions at the University of Muhammadiyah, East Kalimantan. The purpose of this study is to determine indicators, implement and evaluate the performance of the Logistic Regression algorithm using the confusion matrix to see student performance in online lectures. The number of data used in this study was 2663 data on odd semester citizenship courses in 2020/2021 and 2021/2022. . The results of the Logistic Regression algorithm using 80% training data sharing and 20% testing data obtained an accuracy value of 91.66%.