Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Journal of Computer and Information Systems Ampera
Uci Suriani
Politeknik Darussalam
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Data Mining untuk Memprediksi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree C4.5 Uci Suriani
Journal of Computer and Information Systems Ampera Vol. 4 No. 2 (2023): Journal of Computer and Information Systems Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalcisa.v4i2.393

Abstract

Penelitian ini bertujuan untuk memprediksi tingkat kelulusan mahasiswa menggunakan metode klasifikasi dan algoritma decision tree C4.5. Data yang digunakan meliputi data mahasiswa dan Kartu Hasil Studi (KHS) dengan kriteria Indeks Prestasi Semester (IPS) dan Indeks Prestasi Kumulatif (IPK). Data dikelola melalui tahapan Knowledge Discovery in Database (KDD) dengan bantuan tool RapidMiner untuk memfasilitasi prediksi tingkat kelulusan mahasiswa. Penerapan data mining dengan metode klasifikasi dan algoritma C4.5 digunakan untuk menganalisis tingkat kelulusan mahasiswa berdasarkan informasi yang dihasilkan. Proses perhitungan data menggunakan algoritma C4.5 menunjukkan bahwa tingkat mahasiswa yang terlambat lulus atau tidak tepat waktu lebih rendah dibandingkan dengan tingkat mahasiswa yang lulus tepat waktu. Penelitian ini melibatkan pengujian melalui metode cross-validation dan evaluasi model confusion matrix yang menghasilkan akurasi prediksi sebesar 99.64%. Selain itu, evaluasi menggunakan metrik AUC menunjukkan nilai sebesar 99.5%, menandakan bahwa model memiliki kemampuan hampir sempurna dalam melakukan klasifikasi. Temuan ini menegaskan bahwa model dapat memprediksi tingkat kelulusan mahasiswa dengan akurat.
Model Deteksi Berita Palsu Menggunakan Pendekatan Bidirectional Long Short Term Memory (BiLSTM) Ari Muzakir; Uci Suriani
Journal of Computer and Information Systems Ampera Vol. 4 No. 2 (2023): Journal of Computer and Information Systems Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalcisa.v4i2.397

Abstract

Isu berita palsu telah menarik perhatian masyarakat dan akademisi. Penyebaran informasi yang tidak akurat berpotensi mengubah pandangan publik dan memungkinkan manipulasi opini. Dalam konteks data yang melimpah, kami mengembangkan model untuk mendeteksi berita palsu dengan mengklasifikasikan fitur linguistik murni. Dengan pendekatan pembelajaran mendalam, kami mengevaluasi respons terhadap artikel tertentu menggunakan model Jaringan Saraf Rekuren Bidirectional Long Short Term Memory (BiLSTM) dan representasi kata dari embeddings GloVe. Hasil evaluasi menunjukkan adaptabilitas model pada data latih dengan kerugian terendah 0.30% dan akurasi tinggi 99.14%. Gabungan antara embeddings GloVe dan Bi-LSTM memunculkan hasil yang positif. Penelitian ini memiliki potensi untuk memberikan kontribusi dalam penanggulangan penyebaran berita palsu yang semakin meresahkan di berbagai bidang.
Co-Authors Ari Muzakir