Diabetes mellitus is the result of changes in the body caused by a decrease of insulin performance which is characterized by an increase of blood sugar level. Detection of blood sugar can be done with Invasive methods or non-invasive methods. However, non-invasive methods are considered better because they can check early, faster and accurate. The prototype output is values of intensity in the time domain, thus fourier transformation is very much needed to transform into the frequency domain. In this study, Fourier transformation methods used are Discrete Fourier Transform (DFT), Fast Fourier Transform Radix-2, and Fast Fourier Transform Radix-4. Evaluation for the best method is done by comparing the processing speed of each method. The FFT Radix-4 method is more effective to perform the transformation into the frequency domain. The average processing speed with the FFT Radix-4 method reaches 2.67×105 nanoseconds, and this is much faster 5.06×106 nanoseconds than the FFT Radix-2 method and 2.40×107 nanoseconds faster than the DFT method.

Ekspor non migas merupakan ekspor barang yang bukan berupa minyak dan gas. Tidak semua daerah di Indonesia memiliki potensi yang sama untuk melakukan kegiatan ekspor sehingga setiap daerah memiliki nilai ekspor yang berbeda-beda. Oleh karena itu dilakukan analisis pengelompokkan provinsi di Indonesia berdasarkan nilai ekspor non migas tahun 2016 – 2020 menggunakan cluster time series dengan metode hierarki clustering agglomerative diantaranya complete lingke yaitu pengelompokkan berdasarkan jarak terbesar antar objek dan centroid linkage merupakan nilai tengah observasi pada variabel dalam satu cluster, serta menggunakan pengukuran jarak Euclidean dan Dynamic Time Warping (DTW) dengan tujuan yaitu untuk memperoleh pengukuran jarak terbaik dengan metode yang optimal guna mendapatkan cluster yang representatif. Berdasarkan hasil analisis pengelompokkan Provinsi di Indonesia terhadap nilai ekspor non migas tahun 2016 - 2020 didapatkan pengukuran jarak kemiripin yang paling baik yaitu jarak DTW dan metode yang optimal yaitu centroid linkage berdasarkan pada nilai koefisien cophenetic sebesar 0.92 dengan kategori good cluster berdasarkan nilai koefisien silhouette yaitu 0.60. Sehingga didapatkan tiga cluster yaitu nilai ekspor tinggi, sedang dan rendah, diantaranya 24 Provinsi dengan nilai ekspor rendah, 9 Provinsi dengan nilai ekspor sedang, dan 1 Provinsi dengan nilai ekspor tinggi.

Masalah ketidakseimbangan kelas telah menjadi salah satu tantangan dalam kinerja banyak algoritma klasifikasi. Kelas tidak seimbang merupakan suatu kondisi dimana terdapat dataset yang jumlah kelasnya terdapat perbedaan yang signifikan terhadap masing-masing jumlah kelas. Dalam kumpulan data yang terdiri dari dua kelas, ukuran sampel kategori mayoritas (lebih besar) mendominasi sampel kategori minoritas (lebih kecil) dengan rasio sebesar 1:100, 1:1.000 atau 1:10.000. Dampak ketidakseimbangan ini menyebabkan klasifikasi menjadi buruk dan tidak optimal. Sebagian besar algoritma klasifikasi standar cenderung mengklasifikasikan kelas mayoritas dengan tingkat akurasi tinggi dan kelas minoritas dengan tingkat akurasi rendah, sehingga mengakibatkan terjadinya bias. Dalam banyak aplikasi, lebih penting untuk mengidentifikasi kelas minoritas dari pada kelas mayoritas. Pada penelitian ini diusulkan pendekatan berbasis ensemble dengan pengklasifikasi yang digunakan adalah LightGBM dan XGBoost, kedua metode ini merupakan metode gradien efisien yang beberapa tahun terakhir telah disarankan berdasarkan pohon keputusan sehingga mampu menangani masalah data dengan skala besar. Data yang digunakan diperoleh dari UCI Repository dengan 5 data, 3 diantaranya memiliki tingkat ketidakseimbangan tinggi dan sisanya dengan tingkat ketidakseimbangan rendah. Jumlah kelas yang digunakan pada penelitian adalah dua kelas. Hasil penelitian menunjukkan bahwa kinerja metode XGBoost dalam akurasi dan sensitivitas lebih baik dibandingkan LightGBM di hampir seluruh data. Sedangkan kemampuan dalam menebak kelas minoritas (spesifisitas), metode LightGBM lebih baik dibandingkan XGBoost dengan nilai keseluruhan rata-rata sebesar 80,41% : 74,64%.

The aim of study is to forecast global tourist visits and compare the forecasting methods to determine the best method using random forest, single exponential smoothing and double exponential smoothing, respectively. These methods are applied in global tourist visit data in West Nusa Tenggara Province. Random forest, single exponential smoothing and double exponential smoothing are familiar methods and are frequently utilized in forecasting. In addition, the three methods have great accuracy for time series data, such as data of global tourist visits. The data used in this study is data of global tourist visits from 2014 to 2021 in West Nusa Tenggara province. Applying the random forest, single exponential smoothing and double exponential smoothing methods in forecasting, the result shows that double exponential smoothing method is the best, based on the smallest value of Mean Absolute Percentage Error (MAPE) of 325.759. The forecasting result found out that tourist visits will increase from previous time, starting from August, 2021 to July, 2021 with an estimated 847 to 1045 lives