Jurnal Komputer Antartika

Penerapan Algoritma C4.5 Terhadap Tingkat Kepuasan Pasien Pada Pelayanan Penggunaan Toilet di RSAB Harapan Kita

Acu Susanto, Ilfan Luktian, Hengky Hengky, Ricky Utomo, Sri Rejeki (Author) — Mon, 08 Jul 2024 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pasien terhadap pelayanan toilet di RSAB Harapan Kita. Kepuasan pasien dianggap sebagai salah satu hal yang sangat penting dalam menilai tingkat pelayanan yang diberikan pihak rumah sakit kepada pasiennya. Terutama pada fasilitas toilet, toilet dianggap sebagai salah satu tolak ukur indikator utama dari standar suatu fasilitas kesehatan yang merupakan akibat pengaruh pelayanan kesehatan yang diberikan pihak rumah sakit dan hal inilah yang membuat pengukuran kepuasan pasien menjadi komponen penting. Dalam mengatasi hal tersebut penggunaan algoritma C4.5 adalah pilihan yang tepat untuk dapat mengambil keputusan pada pelayanan penggunaan toilet. Dengan menggunakan algoritma C4.5 untuk menghasilkan keputusan yang tepat dan diuji oleh software RapidMiner. Dimana data bersumber dari hasil survei tahun 2023. Model yang dihasilkan dari algoritma C4.5 mampu memprediksi tingkat kepuasan pasien dengan tingkat accuracy = 52.61%, dengan nilai entropy 1182558 dan gain information terbesar 0.904627. Adapun performance pada setiap tanggapan yaitu recall = 75.00% , precision = 65.45% untuk tanggapan sangat puas, recall = 50.00% , precision = 54.55% untuk tanggapan puas, recall = 6.25% , precision = 21.43% untuk tanggapan kurang puas, recall = 79.17% , precision = 48.10% untuk tanggapan tidak puas.

This study aims to analyze the level of patient satisfaction with toilet services at RSAB Harapan Kita. Patient satisfaction is considered to be one of the most important things in assessing the level of service provided by the hospital to its patients. Especially in toilet facilities, toilets are considered as one of the main benchmark indicators of the standard of a health facility which is the result of the influence of health services provided by the hospital and this is what makes measuring patient satisfaction an important component. In overcoming this problem, using the C4.5 algorithm is the right choice to be able to make decisions on toilet use services. By using the C4.5 algorithm to produce the right decisions and tested by RapidMiner software. Where the data comes from survey results in 2023. The model produced from the C4.5 algorithm is able to predict the level of patient satisfaction with an accuracy level = 52.61%, with an entropy value of 1182558 and the largest information gain of 0.904627. The performance for each response is recall = 75.00%, precision = 65.45% for very satisfied responses, recall = 50.00%, precision = 54.55% for satisfied responses, recall = 6.25%, precision = 21.43% for less satisfied responses, recall = 79.17 % , precision = 48.10% for dissatisfied responses..

Implementasi Algoritma C4.5 Untuk Klasifikasi Data Insentif Karyawan PT. Adhi Cakra Utama Mulia

Mon, 08 Jul 2024 00:00:00 +0000

Penentuan insentif karyawan yang akurat dan adil merupakan salah satu tantangan utama dalam manajemen sumber daya manusia. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4.5 dalam proses klasifikasi data insentif karyawan guna meningkatkan ketepatan dan keadilan dalam penentuan insentif. Algoritma C4.5 dipilih karena kemampuannya dalam menangani data kontinu dan kategorik serta kemampuannya untuk menghasilkan pohon keputusan yang mudah dipahami. Data penelitian diperoleh dari PT Adhi Cakra Utama Mulia, yang mencakup atribut seperti nama karyawan, wilayah, nama toko, minimal penjualan, pencapaian dan keputusan. Proses penelitian dimulai dengan pengumpulan dan pra-pemrosesan data, yang meliputi pembersihan data dan normalisasi. Selanjutnya, algoritma C4.5 diterapkan untuk membangun model klasifikasi berdasarkan data yang telah diproses. Hasil implementasi menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan data insentif karyawan dengan tingkat akurasi yang tinggi. Selain itu, pohon keputusan yang dihasilkan memberikan wawasan yang jelas mengenai faktor-faktor yang paling berpengaruh dalam penentuan insentif. Penelitian ini diharapkan dapat membantu perusahaan dalam mengambil keputusan yang lebih objektif dan transparan terkait pemberian insentif kepada karyawan. Berdasarkan penelitian yang di lakukan dapat disimpulkan bahwa data mining yang digunakan dengan metode algoritma C45 dapat diterapkan dengan tingkat accuracy = 77.73%, dengan nilai entropy 0.829762 dan gain information terbesar 0.038638 sedangkan untuk recall = 35.67% dan precision = 61.76%.

Determining accurate and fair employee incentives is one of the main challenges in human resource management. This research aims to implement the C4.5 algorithm in the employee incentive data classification process in order to increase accuracy and fairness in determining incentives. The C4.5 algorithm was chosen because of its ability to handle continuous and categorical data and its ability to produce decision trees that are easy to understand. Research data was obtained from PT Adhi Cakra Utama Mulia, which includes attributes such as employee name, region, shop name, minimum sales, achievements and decisions. The research process begins with data collection and pre-processing, which includes data cleaning and normalization. Next, the C4.5 algorithm is applied to build a classification model based on the processed data. The implementation results show that the C4.5 algorithm is able to classify employee incentive data with a high level of accuracy. In addition, the resulting decision tree provides clear insight into the most influential factors in determining incentives. It is hoped that this research can help companies make more objective and transparent decisions regarding providing incentives to employees. Based on the research conducted, it can be concluded that data mining used with the C45 algorithm method can be applied with an accuracy level = 77.73%, with an entropy value of 0.82962 and the largest information gain of 0.038638, while for recall = 35.67% and precision = 61.76%.

Analisis dan Implementasi SEO Algoritma Google Panda Untuk Optimasi Website PT Revolusi Kesehatan

Bimo Haryo Nugroho, Dini Hamidin, Supriady (Author) — Wed, 11 Sep 2024 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis dan mengimplementasikan strategi SEO pada algoritma Google Panda guna mengoptimalkan website PT. Revolusi Kesehatan Indonesia. Tugas Akhir ini adalah kelanjutan dari laporan magang yang berjudul "Implementasi Website PT. Revolusi Kesehatan Indonesia dengan Menggunakan Content Management System WordPress". Platform WordPress dipilih karena kemudahannya dalam pengelolaan konten dan kemampuannya untuk mendukung berbagai plugin SEO. Langkah awal penelitian meliputi studi literatur dan analisis terhadap algoritma Google Panda, yang mengutamakan pada kualitas konten, orisinalitas, dan pengalaman pengguna. Langkah-langkah optimasi meliputi analisis kata kunci, perbaikan struktur konten, peningkatan kecepatan halaman, dan penggunaan backlink berkualitas. Selain itu, untuk mendapatkan hasil yang lebih komprehensif, digunakan beberapa alat SEO seperti Google Analytics, Google Search Console, Microsoft Clarity, Google Trends, dan Ahrefs. Hasil dari penelitian menunjukkan bahwa implementasi strategi SEO yang tepat dapat meningkatkan visibilitas dan peringkat website di mesin pencari Google. Website PT. Revolusi Kesehatan Indonesia dapat mengalami peningkatan signifikan dalam jumlah pengunjung organik, yang berdampak positif pada potensi bisnis perusahaan.

This research aims to analyze and implement SEO strategies on the Google Panda algorithm to optimize the website of PT Revolusi Kesehatan Indonesia. This Final Project is a continuation of the internship report entitled "Implementation of PT Revolusi Kesehatan Indonesia Website Using WordPress Content Management System". The WordPress platform was chosen because of its ease of content management and its ability to support various SEO plugins. The initial research steps included a literature study and analysis of the Google Panda algorithm, which prioritizes content quality, originality, and user experience. Optimization steps include keyword analysis, content structure improvement, page speed improvement, and the use of quality backlinks. In addition, to obtain more comprehensive results, several SEO tools such as Google Analytics, Google Search Console, Microsoft Clarity, Google Trends, and Ahrefs were used.The results of the study show that the implementation of the right SEO strategy can improve the visibility and ranking of the website on the Google search engine. PT Revolusi Kesehatan Indonesia's website can experience a significant increase in the number of organic visitors, which has a positive impact on the company's business potential..

Analisis Tingkat Kepuasan Pengguna Terhadap User Interface Aplikasi Shopee Menggunakan Metode EUCS

Mira Tania, Ahmad Ishaq, Muhammad Rifqi Firdaus (Author) — Mon, 16 Sep 2024 00:00:00 +0000

Peningkatan perkembangan era digital saat ini sangat cepat dan tidak dapat diprediksi, sebuah aplikasi marketplace seperti shopee dapat mempermudah manusia dalam melakukan pekerjaan atau bertransaksi. Aplikasi Shopee adalah marketplace belanja online yang menyediakan aplikasi fitur belanja kebutuhan kita secara online dengan membayar melalui sistem cod, mobile banking, spaylater. Kepuasan pengguna merupakan faktor penting yang mempengaruhi keberhasilan dalam melakukan penerapan suatu aplikasi. Penelitian ini berfokus di bagian kepuasan pengguna terhadap User Interface dari aplikasi Shopee. Penelitian ini dilakukan berdasarkan End User Computing Satisfaction (EUCS). Populasi dalam penelitian ini populasi tersebut terpilih sebanyak 172 responden untuk menjadi sampel dalam penelitian ini. Data dalam penelitian ini diperoleh dari kuesioner yang dibagikan kepada pengguna aplikasi Shopee di Masyarakat Cilandak Timur RT 06 RW 01. Kemudian diolah secara statistik menggunakan rentang kategori dan persentanse melalui Skala Likert. Hasil yang didapatkan dari penelitian ini adalah kategori puas dengan Tabulasi tingkat kepuasan hasil rata-rata 4.58 (Puas), dengan menggunakan tabel Tingkat Kepuasan Skala Likert. Kemudian, untuk hasil masing-masing dimensi adalah Content Cukup Puas (2.79), Accuracy Puas (4.34), Format Puas (4.30), Timeliness Puas (4.27), Ease Of Use Puas (4.42).

The increasing development of the digital era today is very fast and unpredictable, a marketplace application like Shopee can make it easier for people to do work or make transactions. The Shopee application is an online shopping marketplace that provides application features for shopping for our needs online by paying via COD, mobile banking, SpainLater systems. User satisfaction is an important factor that influences the success of implementing an application. This research focuses on user satisfaction with the User Interface of the Shopee application. This research was conducted based on End User Computing Satisfaction (EUCS). The population in this study was 172 respondents selected to be the sample in this study. The data in this research was obtained from a questionnaire distributed to users of the Shopee application in the East Cilandak Community RT 06 RW 01. Then it was processed statistically using a range of categories and percentages via a Likert Scale. The results obtained from this research are in the satisfied category with an average satisfaction level tabulation of 4.58 (Satisfied), using the Likert Scale Satisfaction Level table. Then, the results for each dimension are Content Quite Satisfied (2.79), Accuracy Satisfied (4.34), Format Satisfied (4.30), Timeliness Satisfied (4.27), Ease Of Use Satisfied (4.42).

Penerapan Algoritma C4.5 Untuk Prediksi Faktor Risiko Obesitas Pada Penduduk Dewasa

Arief Bayu Yamantri, Aris Ahmad Rifa’i (Author) — Sat, 28 Sep 2024 00:00:00 +0000

Obesitas merupakan masalah kesehatan yang terus meningkat dan mempengaruhi kualitas hidup jutaan orang di seluruh dunia. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor risiko yang berkontribusi terhadap obesitas pada penduduk dewasa di Indonesia dengan menggunakan algoritma C4.5. Algoritma C4.5 adalah metode pembelajaran mesin yang menghasilkan pohon keputusan berdasarkan atribut-atribut yang relevan. Dalam penelitian ini, data demografis, gaya hidup, dan faktor kesehatan dikumpulkan dari 1000 responden dewasa melalui survei dan pemeriksaan kesehatan. Atribut yang dianalisis meliputi usia, jenis kelamin, indeks massa tubuh (IMT), tingkat aktivitas fisik, pola makan, dan riwayat kesehatan keluarga. Setelah proses pelatihan dan pengujian model, pohon keputusan yang dihasilkan menunjukkan bahwa pola makan yang buruk dan rendahnya tingkat aktivitas fisik merupakan faktor utama yang berkontribusi terhadap obesitas. Selain itu, faktor-faktor seperti usia dan riwayat kesehatan keluarga juga memiliki pengaruh signifikan. Model C4.5 yang dihasilkan memiliki akurasi prediksi sebesar 85%, menunjukkan potensi algoritma ini dalam mengidentifikasi individu yang berisiko tinggi mengalami obesitas. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi pembuat kebijakan dan tenaga kesehatan untuk merancang intervensi yang lebih efektif dalam pencegahan dan penanganan obesitas. Penelitian ini juga menyarankan penerapan lebih lanjut pada populasi yang lebih luas untuk meningkatkan generalisasi hasil.

Obesity is a health problem that continues to increase and affects the quality of life of millions of people around the world. The aim of this research is to identify risk factors that contribute to obesity in the adult population in Indonesia using the C4.5 algorithm. The C4.5 algorithm is a machine learning method that produces a decision tree based on relevant attributes. In this study, demographic data, lifestyle and health factors were collected from 1000 adult respondents through surveys and health examinations. Attributes analyzed include age, gender, body mass index (BMI), physical activity level, diet, and family health history. After the process of training and testing the model, the resulting decision tree shows that poor diet and low levels of physical activity are the main factors contributing to obesity. Additionally, factors such as age and family health history also have a significant influence. The resulting C4.5 model had a prediction accuracy of 85%, demonstrating the potential of this algorithm in identifying individuals at high risk of obesity. It is hoped that the results of this research will provide insight for policy makers and health workers to design more effective interventions in preventing and treating obesity. This study also suggests further application to broader populations to increase the generalizability of the results.