Sistem pendukung keputusan asesmen rehabilitasi Narkotika menggunakan metode random forest

Nugroho, Gesang Bekti Setyo and Rolliawati, Dwi and Yusuf, Ahmad (2021) Sistem pendukung keputusan asesmen rehabilitasi Narkotika menggunakan metode random forest. Jurnal SITECH : Sistem Informasi dan Teknologi, 4 (1). pp. 29-42. ISSN 2615-8531; 2622-2973

[thumbnail of Dwi Rolliawati_Sistem pendukung keputusan asesmen rehabilitasi Narkotika.pdf] Text
Dwi Rolliawati_Sistem pendukung keputusan asesmen rehabilitasi Narkotika.pdf
Available under License Creative Commons Attribution.

Download (841kB)

Abstract

Kurangnya tenaga ahli atau asesor pada BNN Kota Surabaya dalam melaksanakan asesmen menjadi dasar bagi peneliti untuk membuat sistem pendukung keputusan dengan menggunakan algoritma Random Forest. Sistem yang dibangun dengan memakai Rest API guna menghubungkan sistem dengan machine learning. Didapatkan hasil uji algoritma Random Forest yang menggunakan dua skenario, 100:100 mendapatkan hasil Accuracy 0.61. Sedangkan pada 70:30 mendapatkan hasil Accuracy 0.25. Dari hasil pengujian tersebut algoritma random forest memliki performa yang kurang baik pada penelitian ini, dikarenakan banyaknya jumlah dataset yang digunakan dalam melakukan prediksi. Black box testing digunakan untuk pengujian sistem dengan hasil, sistem layak unutk digunakan.

Item Type: Article
Additional Information: https://jurnal.umk.ac.id/index.php/sitech/article/view/6201
Creators:
Creators
Email
["eprint_fieldname_creators_NIDN" not defined]
Nugroho, Gesang Bekti Setyo
-
-
Rolliawati, Dwi
dwi-roll@uinsby.ac.id
2027097901
Yusuf, Ahmad
ahmadyusuf@uinsby.ac.id
2020019001
Uncontrolled Keywords: Random forest; machine learning; RestAPI
Subjects: 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080609 Information Systems Management
Divisions: Fakultas Sains dan Teknologi > Prodi Sistem Infomasi
Depositing User: Abdun Nashir
Date Deposited: 04 Nov 2021 08:08
Last Modified: 04 Nov 2021 08:08
URI: http://repository.uinsa.ac.id/id/eprint/1732

Actions (login required)

View Item
View Item