Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Djtechno: Jurnal Teknologi Informasi Jurnal Accounting Information System (AIMS)
April Lia Hananto
Buana Perjuangan University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Other

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

Found 2 Documents
Search

 1 
Implementation of Spatial Analysis Using KNN-5 in GIS for Mapping Mushroom Houses in Karawang Regency Muhamad Guntur; April Lia Hananto; Fitria Nurapriani; Shofa Shofiah Hilabi
Jurnal Accounting Information System (AIMS) Vol. 9 No. 1 (2026)
Publisher : Ma'soem University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32627/aims.v9i1.1910

Abstract

This research aims to develop a Geographic Information System (GIS) to map the locations of straw mushroom farms in Karawang Regency by applying spatial analysis based on the K-Nearest Neighbors algorithm with k = 5. This approach examines the spatial proximity relationship between mushroom production sites and the nearest markets to inform location-based distribution decisions. The research method employs a quantitative approach through mapping, geographic coding, and analysis of geographic distances, which are integrated into the GIS. Spatial data are obtained from field observations and collected from mushroom farmers, then analyzed using distance calculations based on geographic coordinates. The results show that the K-Nearest Neighbors analysis with k = 5 can dynamically identify the nearest markets and more objectively represent the spatial relationship between production and markets than a static radius approach. Additionally, proximity analysis between farms reveals local-scale spatial clustering patterns, while radius analysis provides an initial overview of limited spatial accessibility. Integrating the analysis results into the Geographic Information System enables comprehensive spatial visualization and supports more efficient, data-driven decision-making for straw mushroom distribution.
KLASIFIKASI DAERAH RAWAN PENYAKIT HEWAN MENULAR STRATEGIS MENGGUNAKAN ALGORITMA DECISION TREE C4.5 Nadya Susanti Hasibuan; Baenil Huda; Shofa Shofiah Hilabi; April Lia Hananto
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8543

Abstract

Penelitian ini memiliki tujuan untuk mengklasifikasikan tingkat kerawanan daerah berdasarkan kasus penyakit hewan menular di wilayah kabupaten atau kota Provinsi Nusa Tenggara Barat dengan memanfaatkan teknik data mining. Dalam penelitian ini, metode yang diterapkan adalah algoritma Decision Tree C4.5 dengan menggunakan teknik evaluasi 5-fold cross validation sebagai penilaian efektivitas model. Dataset yang digunakan merupakan data sekunder periode 2020–2024 yang melalui tahapan preprocessing meliputi data cleaning, agregasi, feature engineering, dan pelabelan menjadi tiga kategori kerawanan: rendah, sedang, dan tinggi. Temuan dari penelitian ini menunjukkan bahwa variabel rata-rata kasus menjadi faktor utama dalam menentukan tingkat wilayah kerawanan. Model yang dibangun mampu menghasilkan klasifikasi dengan performa yang baik, ditunjukkan oleh akurasi rata-rata sebesar 94% dan nilai tinggi untuk presisi, recall, serta F1-score di setiap kategori. Selain itu, model memiliki kemampuan interpretasi yang jelas melalui struktur pohon keputusan yang dihasilkan. Dengan demikian, pendekatan yang digunakan terbukti efektif dalam identifikasi wilayah berisiko dan dapat mendukung pengambilan keputusan dalam upaya pengendalian penyakit hewan menular dengan strategi yang lebih tepat dan berbasis data.
Co-Authors Baenil Huda Fitria Nurapriani Muhamad Guntur Nadya Susanti Hasibuan Shofa Shofiah Hilabi