Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal MURAKOM
Nuriana Sipahutar
Universitas Negeri Medan

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

Found 2 Documents
Search

 1 
Analisis Perbandingan Kompleksitas Waktu dan Ruang pada Algoritma Quick Sort, Merge Sort, dan Heap Sort M. Fahmi Arafat; Nuriana Sipahutar; Adidtya Perdana; Riski Immanuel Situmorang; Raja Ansel Hartama Sihombing
MUARA KOMPUTER : Jurnal Ilmiah Ilmu Komputer & Elektronika Vol. 2 No. 2 (2026): MUARA KOMPUTER : Jurnal Ilmiah Ilmu Komputer & Elektronika
Publisher : CV MUARA EDUKASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64365/murakom.v2i2.281

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma pengurutan Quick Sort, Merge Sort, dan Heap Sort berdasarkan waktu eksekusi dan penggunaan memori. Metode yang digunakan adalah pendekatan kuantitatif dengan melakukan pengujian terhadap ketiga algoritma menggunakan dataset dengan variasi ukuran dan kondisi data, yaitu acak, terurut, dan terbalik. Parameter yang diukur meliputi waktu eksekusi yang diperoleh melalui proses eksperimen menggunakan bahasa pemrograman Python, serta analisis penggunaan memori yang dilakukan secara teoritis. Hasil penelitian menunjukkan bahwa waktu eksekusi meningkat seiring dengan bertambahnya jumlah data. Quick Sort memiliki performa yang unggul pada kondisi data terurut dan terbalik, serta tetap kompetitif pada data acak. Merge Sort menunjukkan kestabilan performa dan cenderung lebih optimal pada data acak berukuran besar. Sementara itu, Heap Sort memiliki waktu eksekusi yang relatif lebih tinggi, namun lebih efisien dalam penggunaan memori. Dengan demikian, pemilihan algoritma pengurutan yang optimal perlu mempertimbangkan karakteristik data serta kebutuhan sistem, baik dari segi efisiensi waktu maupun penggunaan memori.
Optimasi Naive Bayes dengan Diskritisasi dan Penanganan Outlier untuk Deteksi Diabetes pada Dataset Pima Indians Gus Rosauli Pandianga; Angelica Barus; Mohd. Rafiif Albani; Nuriana Sipahutar
MUARA KOMPUTER : Jurnal Ilmiah Ilmu Komputer & Elektronika Vol. 2 No. 2 (2026): MUARA KOMPUTER : Jurnal Ilmiah Ilmu Komputer & Elektronika
Publisher : CV MUARA EDUKASI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64365/murakom.v2i2.282

Abstract

Diabetes sering kali tidak menunjukkan gejala awal sehingga banyak orang terlambat menanganinya. Teknologi komputer sebenarnya bisa membantu mendeteksi risiko ini dengan cepat melalui metode Gaussian Naive Bayes. Namun, tantangannya adalah data kesehatan yang tersedia sering kali berantakan, memiliki angka yang tidak masuk akal, atau data yang terlalu ekstrem. Penelitian ini bertujuan memperbaiki kualitas data tersebut dengan cara membersihkan angka yang salah, membuang data yang tidak wajar, dan menyederhanakan angka medis yang rumit menjadi kelompok yang lebih mudah dibaca sistem. Hasilnya sangat baik karena komputer menjadi jauh lebih akurat dalam menebak risiko diabetes dengan tingkat keberhasilan mencapai 80,60%. Faktor yang paling menentukan dalam prediksi ini adalah kadar gula darah dan berat badan pasien. Kesimpulannya dengan membereskan data yang berantakan terlebih dahulu maka teknologi sederhana pun bisa menjadi alat deteksi dini yang sangat membantu tenaga medis di puskesmas atau klinik kecil.
Co-Authors Adidtya Perdana, Adidtya Angelica Barus Gus Rosauli Pandianga M. Fahmi Arafat Mohd. Rafiif Albani Raja Ansel Hartama Sihombing Riski Immanuel Situmorang