p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JENTIK
Yulia Fatmi
Program Studi Informatika, Departemen Teknik Eloktronika, Fakultas Tenik, Universitas Negeri Padang

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

Found 2 Documents
Search

Perbandingan Kinerja Isolation Forest dan AutoEncoder untuk Deteksi Anomali Cuaca Yulia Fatmi; Yuyun Yusnida Lase; Khairil Hamdi
Jurnal Manajemen Teknologi Informatika Vol. 3 No. 3 (2025): Jurnal Manajemen Teknologi Informatika
Publisher : JENTIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70038/jentik.v3i3.196

Abstract

Deteksi anomali cuaca berperan penting dalam mendukung sistem pemantauan dan peringatan dini cuaca, terutama pada data cuaca multivariat yang bersifat kompleks dan nonlinier. Penelitian ini bertujuan membandingkan kinerja algoritma Isolation Forest dan AutoEncoder dalam mendeteksi anomali cuaca. Metode penelitian menggunakan pendekatan eksperimen dengan tahapan prapemrosesan data, pemodelan deteksi anomali, serta evaluasi kinerja menggunakan metrik statistik dan analisis kurva ROC serta distribusi skor anomali. Hasil penelitian menunjukkan bahwa kedua metode memiliki performa yang baik dalam mendeteksi anomali cuaca. Isolation Forest unggul dalam efisiensi komputasi dan kestabilan model, sedangkan AutoEncoder menunjukkan sensitivitas yang lebih tinggi terhadap anomali cuaca yang bersifat kompleks, ditunjukkan oleh nilai AUC yang lebih tinggi dan pemisahan skor anomali yang lebih jelas. Pemilihan metode deteksi anomali cuaca perlu disesuaikan dengan kebutuhan sistem pemantauan dan analisis risiko cuaca.
Evaluasi Algoritma Decision Tree Random Forest K-Means untuk Klasifikasi Kerusakan Rumah Banjir Khairil Hamdi; Yulia Fatmi; Delpima Suhita
Jurnal Manajemen Teknologi Informatika Vol. 4 No. 2 (2026): Jurnal Manajemen Teknologi Informatika (In Press)
Publisher : JENTIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70038/jentik.v4i2.204

Abstract

Penilaian tingkat kerusakan rumah pascabanjir diperlukan untuk membantu penentuan prioritas penanganan dan alokasi bantuan secara lebih terukur. Penelitian ini mengevaluasi tiga algoritma, yaitu Decision Tree, Random Forest, dan K-Means, pada dataset simulasi yang terdiri atas 120 rumah terdampak banjir di 19 kabupaten/kota di Sumatera Barat. Setiap data direpresentasikan oleh 11 indikator kondisi bangunan, meliputi kondisi bangunan, atap, rangka atap, kolom atau balok, dinding, lantai, langit-langit, instalasi listrik, serta pintu atau jendela. Kategori target dibagi menjadi rusak ringan, rusak sedang, dan rusak berat berdasarkan persentase kerusakan. Untuk algoritma supervised, data dibagi menjadi 96 data latih dan 24 data uji, sedangkan K-Means memproses seluruh data berdasarkan kemiripan fitur. Hasil menunjukkan bahwa Decision Tree menghasilkan akurasi tertinggi sebesar 79,17%, diikuti Random Forest sebesar 70,83%, dan K-Means sebesar 68,33%. Decision Tree mengklasifikasikan 30 rumah sebagai rusak ringan, 81 rusak sedang, dan 9 rusak berat.