Statistics

Perbandingan Metode SMOTE-N dan ADASYN-N pada Algoritma Random Forest untuk Klasifikasi Keluarga Berisiko Stunting (Studi Kasus: Keluarga Berisiko Stunting di Kabupaten Purbalingga Tahun 2024)

2026-06-15T08:17:53Z

Perbandingan Metode SMOTE-N dan ADASYN-N pada Algoritma Random Forest untuk Klasifikasi Keluarga Berisiko Stunting (Studi Kasus: Keluarga Berisiko Stunting di Kabupaten Purbalingga Tahun 2024) Qonita, Shifa Stunting merupakan masalah kesehatan serius di Indonesia yang berdampak pada perkembangan fisik, kognitif, serta produktivitas anak. Salah satu upaya pencegahan yang dapat dilakukan adalah mengidentifikasi secara dini terhadap keluarga yang berisiko melahirkan anak stunting. Namun, data keluarga stunting umumnya memiliki ketidakseimbangan kelas yang dapat menurunkan akurasi model klasifikasi. Penelitian ini bertujuan untuk mengetahui perbandingan kinerja metode klasifikasi keluarga berisiko stunting di Kabupaten Purbalingga menggunakan algoritma Random Forest dengan 15 variabel prediktor, baik sebelum maupun sesudah dilakukan penanganan ketidakseimbangan kelas data dengan metode SMOTE-N dan ADASYN-N. Berdasarkan hasil penelitian, model Random Forest dengan metode ADASYN-N menunjukkan kinerja klasifikasi yang paling optimal dalam klasifikasi keluarga berisiko stunting di Kabupaten Purbalingga dengan nilai sensitivity sebesar 96,08%, specificity sebesar 99,83%, dan AUC sebesar 97,95%. Variabel yang paling berpengaruh secara berurutan adalah Kelayakan Jamban, Peserta KB Modern, Sumber Air Minum, Terlalu Tua, Terlalu Banyak.

Analisis Perbandingan Algoritma XGBoost dan Random Forest dalam Klasifikasi Turnover Karyawan (Studi Kasus: Data Karyawan PT XYZ Tahun 2024-2025)

2026-06-15T08:14:07Z

Analisis Perbandingan Algoritma XGBoost dan Random Forest dalam Klasifikasi Turnover Karyawan (Studi Kasus: Data Karyawan PT XYZ Tahun 2024-2025) Amalina, Safira Feri Turnover karyawan merupakan salah satu permsalahan yang dapat mempengaruhi stabilitas, produktivitas, dan keberlanjutan operasional perusahaan. PT XYZ juga mengalami kasus turnover yang relatif tinggi, meskipun perusahaan telah memberikan perhatian besar terhadap pengembangan kompetensi karyawan. Penelitian ini bertujuan untuk melakukan klasifikasi risiko turnover karyawan serta membandingkan kinerja dua algoritma machine learning, yaitu Random Forest dan Extreme Gradient Boosting (XGBoost). Data yang digunakan merupakan data historis HR pada periode Juni 2024 hingga Juni 2025, meliputi karaktristik karyawan, indikator kerja, kompensasi, serta berbagai informasi kepegawaian lainnya. Tahapan analisis meliputi prepocessing data, label encoding, pembagian data menjadi training dan testing, pelatihan model, serta hyperparameter menggunakan Grid Search Cross-Validation. Evaluasi model dilakukan menggunakan matriks akurasi, precision, recall, F-1 Score, dan AUC, sementara analisis feature importance mengidentifikasi faktor-faktor utama yang memengaruhi risiko turnover. Hasil penelitian menunjukan bahwa algoritma Random Forest memiliki performa yang sedikit lebih unggul dengan akurasi sebesar 96.7% dan AUC 0.96, dibandingkan XGBoost yang memperoleh akurasi 95% dan AUC 0.95. Analisis feature importance menunjukan bahwa usia masuk, masa kerja, dan gaji pokok merupakan variabel yang paling berpengaruh dalam penelitian turnover karyawan pada PT XYZ.

Analisis Kepuasan Peserta Terhadap Program Cek Kesehatan Gratis (CKG) Kemenkes RI dengan Pendekatan SERVQUAL, SEMPLS, dan ANN

2026-06-15T08:11:36Z

Analisis Kepuasan Peserta Terhadap Program Cek Kesehatan Gratis (CKG) Kemenkes RI dengan Pendekatan SERVQUAL, SEMPLS, dan ANN Azizah, Ananda Nabila Program Cek Kesehatan Gratis (CKG) merupakan salah satu inisiatif Kemenkes RI dalam meningkatkan akses masyarakat terhadap layanan kesehatan preventif. Penelitian ini bertujuan untuk menganalisis persepsi kualitas layanan program CKG dari perspektif peserta, serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap kepuasan mereka. Metode penelitian menggunakan pendekatan kuantitatif dengan instrumen kuesioner berbasis model SERVQUAL, yang mencakup dimensi tangibles, reliability, responsiveness, assurance, dan empathy. Data dikumpulkan dari peserta program CKG yang berdomisili di Kecamatan Tirtomoyo, Kabupaten Wonogiri, Provinsi Jawa Tengah, dan telah mengikuti kegiatan dalam periode Februari 2025 – Desember 2025. Hasil analisis SEMPLS menunjukkan bahwa dimensi tangibles, responsiveness, assurance, dan empathy berpengaruh positif dan signifikan terhadap kepuasan peserta, sedangkan reliability tidak berpengaruh signifikan secara statistik. Dimensi empathy memiliki koefisien pengaruh terbesar dalam model linier. Di sisi lain, hasil analisis ANN mengidentifikasi bahwa tangibles merupakan konstruk paling dominan dalam memengaruhi kepuasan peserta, diikuti oleh empathy, assurance, dan responsiveness, sedangkan reliability memiliki kontribusi paling rendah. Temuan ini menunjukkan bahwa pendekatan SEMPLS ANN mampu memberikan pemahaman yang lebih komprehensif dengan menggabungkan analisis hubungan kausal linier dan identifikasi pola prediktif non-linier. Hasil penelitian diharapkan dapat memberikan rekomendasi strategis bagi peningkatan kualitas layanan program CKG, sekaligus memperkaya literatur mengenai pendekatan SERVQUAL menggunakan metode SEMPLS dan ANN dalam evaluasi program kesehatan masyarakat tidak berbayar.

Perbandingan Ordinary Kriging dan Universal Kriging Berbasis Tren Kedalaman Gempa untuk Interpolasi Peak Ground Acceleration (PGA) (Studi Kasus : Kejadian Gempa Bumi di Jawa Barat Tahun 2021-2025)

2026-06-12T01:58:02Z

Perbandingan Ordinary Kriging dan Universal Kriging Berbasis Tren Kedalaman Gempa untuk Interpolasi Peak Ground Acceleration (PGA) (Studi Kasus : Kejadian Gempa Bumi di Jawa Barat Tahun 2021-2025) Rahmania, Aulia Gempa bumi merupakan salah satu bencana alam yang kerap terjadi di Indonesia dan berpotensi menimbulkan kerusakan infrastruktur serta korban jiwa. Provinsi Jawa Barat termasuk wilayah dengan tingkat aktivitas seismik yang relatif tinggi karena berada di zona pertemuan lempeng tektonik serta dilalui oleh sejumlah sesar aktif. Salah satu parameter utama untuk mengukur tingkat guncangan gempa adalah Peak Ground Acceleration (PGA), yang merepresentasikan percepatan maksimum getaran tanah pada suatu lokasi. Untuk memetakan distribusi spasial nilai PGA di wilayah Jawa Barat, penelitian ini menggunakan pendekatan interpolasi geostatistika, yaitu Ordinary Kriging (OK) dan Universal Kriging (UK). Penelitian ini bertujuan untuk mengidentifikasi pola distribusi spasial nilai PGA, membandingkan hasil interpolasi antara metode OK dan UK, serta menentukan metode interpolasi dengan performa terbaik. Evaluasi kinerja model dilakukan menggunakan indikator Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil analisis menunjukkan bahwa distribusi nilai PGA di Jawa Barat tidak bersifat acak dan memiliki autokorelasi spasial positif (Moran’s I = 0.582; p-value < 2.2 × 10−16). Interpolasi menggunakan OK menghasilkan rentang nilai PGA sebesar 8.455–43.435 gal, sedangkan UK menghasilkan rentang 9.366–46.505 gal. Berdasarkan evaluasi akurasi, metode UK menunjukkan kinerja yang lebih baik dengan nilai RMSE sebesar 5.207 dan MAPE sebesar 21.50%, dibandingkan OK yang memiliki RMSE sebesar 6.894 dan MAPE sebesar 23.45%. Oleh karena itu, Universal Kriging dinilai lebih optimal dalam menginterpolasi distribusi nilai PGA di Provinsi Jawa Barat selama periode penelitian.