Sistem Pendukung Keputusan Asesmen Rehabilitasi Narkotika Menggunakan Metode Random Forest

Gesang Bekti Setyo Nugroho - [ https://orcid.org/0000-0002-9832-5692 ]
Dwi Rolliawati
Ahmad Yusuf

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.


Keywords


random forest; machine learning; RestAPI

Teks Lengkap:

DOWNLOAD DISINI (PDF)

Referensi


Kepala Badan Narkotika Nasional, “Press release akhir tahun 2019,” Bnn, hal. 1–33, 2019..

R. Indonesia, “Undang-undang No 35 Tentang Narkotika Tahun 2009,” hal. 1–44, 2009.

S. Agarwal, Data mining: Data mining concepts and techniques. 2014.

R. Indonesia, Peraturan Pemerintah Republik Indonesia Nomor 25 Tahun 2011 Tentang Pelaksanaan Wajib Lapor Pecandu Narkotika. 2011.

M. van Wezel dan R. Potharst, “Improved customer choice predictions using ensemble methods,” Eur. J. Oper. Res., vol. 181, no. 1, hal. 436–452, 2007.

L. Breiman, “A Hybrid Data Mining Approach for Intrusion Detection on Imbalanced NSL-KDD Dataset,” Random For., vol. 7, no. 6, hal. 1–33, 2016

“Skripsi Gesang Bekti Setyo Nugroho”




DOI: https://doi.org/10.24176/sitech.v4i1.6201

Article Metrics

Abstract views : 556| DOWNLOAD DISINI (PDF) views : 432

Refbacks

  • Saat ini tidak ada refbacks.


 

 

JournalStories Main logo JournalStories Main logo

 

Flag Counter