Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Sitti Mawaddah Umar
Politeknik Kesehatan megarezky
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Algoritma C4.5 dan Random Forest untuk Pemetaan Kerusakan Jalan dengan WebGIS Justam Justam; Nur Jamilah; Sitti Mawaddah Umar; Erlita Erlita; Jousadrah Ramba
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 2 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i2.270

Abstract

Kerusakan jalan di wilayah Luwu Raya menjadi tanggung jawab BBPJN VI Makassar, yang melakukan pemantauan kondisi jalan dan melaporkan hasilnya untuk tindakan perbaikan. Penelitian ini bertujuan untuk membandingkan algoritma C4.5 dan Random Forest dalam memprediksi prioritas perbaikan jalan dan persebaran kerusakan jalan. Data yang digunakan dalam penelitian ini adalah 6100 data kerusakan jalan pada tiga ruas jalan dari tahun 2021 hingga 2023. Hasil penelitian menunjukkan bahwa meskipun akurasi antara kedua algoritma hampir sama, algoritma Random Forest memberikan hasil yang lebih konsisten dan lebih baik dibandingkan C4.5. Dengan menggunakan algoritma C4.5, didapatkan nilai presisi sebesar 87,9%, recall 82,6%, f1-score 87,8%, dan akurasi 88%. Sementara itu, Random Forest menghasilkan presisi 86,6%, recall 86,8%, f1-score 86,6%, dan akurasi 87%. Penelitian ini menghasilkan sistem informasi pemetaan berbasis WebGIS yang digunakan untuk menentukan prioritas perbaikan jalan. Hasil penelitian ini menunjukkan bahwa Random Forest lebih efektif dalam memprediksi dan menentukan prioritas perbaikan jalan di wilayah Luwu Raya
Sistem Identifikasi Kesegaran Ikan Berbasis Android Menggunakan Convolutional Neural Network (CNN) Justam Justam; Muh. Nashir Takbir; Sitti Mawaddah Umar; Erlita Erlita; Revah Oktria Lewa
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 2 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i2.271

Abstract

Ikan merupakan sumber protein hewani penting dengan kandungan vitamin dan mineral esensial yang tinggi. Sebagai negara kepulauan, Indonesia memiliki potensi perikanan yang besar, namun masih banyak masyarakat yang kesulitan membedakan ikan segar dan tidak segar. Penelitian ini mengembangkan sistem berbasis Android untuk mengidentifikasi kesegaran ikan menggunakan Convolutional Neural Network (CNN). Model dilatih dengan 540 sampel gambar dalam tiga kategori (segar, baik, dan tidak layak) dengan resolusi 256 × 256 piksel RGB. CNN yang digunakan terdiri dari tiga lapisan konvolusi dan dua fully connected layer, dengan optimizer Adam dan fungsi aktivasi ReLU serta Softmax. Model dilatih di Google Colaboratory, lalu dikonversi ke TensorFlow Lite untuk diterapkan pada Android. Hasil pengujian menunjukkan akurasi 98% pada data uji dan 96,67% pada aplikasi Android dengan 60 sampel baru, membuktikan sistem mampu berfungsi dengan baik dalam mengidentifikasi kesegaran ikan
Co-Authors Erlita Erlita Erlita Erlita Jousadrah Ramba Justam Justam Muh. Nashir Takbir Nur Jamilah Revah Oktria Lewa