Farahdinna, Frenda
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK KLASIFIKASI BUNGA IRIS Farahdinna, Frenda; Naufal Shofy, Mochamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13510

Abstract

Klasifikasi bunga menjadi tantangan dalam bidang botani karena variasi warna dan kemiripan dengan latar belakang, yang dapat menyebabkan kesalahan identifikasi. Kesulitan ini menghambat proses pengelompokan spesies secara akurat, terutama dalam lingkungan dengan karakteristik visual kompleks. Penelitian ini bertujuan untuk mengklasifikasikan tiga spesies bunga Iris menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan fitur morfologi utama, yaitu panjang dan lebar sepal serta petal. Metode yang digunakan mengikuti kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM), mencakup tahapan pemahaman bisnis, pengumpulan dan persiapan data, pemodelan, evaluasi, serta implementasi. Dataset yang digunakan berasal dari kumpulan data bunga Iris yang telah distandarisasi, dan proses klasifikasi dilakukan dengan membandingkan berbagai nilai K untuk menentukan parameter optimal yang meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa algoritma KNN mampu mencapai akurasi hingga 96%, dengan performa terbaik dalam mengidentifikasi spesies Iris setosa. Evaluasi menggunakan confusion matrix menunjukkan kesalahan klasifikasi terjadi antara spesies Iris versicolor dan Iris virginica, yang memiliki kemiripan morfologi. Normalisasi data berperan penting dalam meningkatkan stabilitas model dengan mencegah overfitting dan underfitting. Dengan demikian, algoritma KNN terbukti sebagai metode klasifikasi yang efektif dalam mengelompokkan spesies bunga berdasarkan pola numerik fitur morfologinya.
PEMANFAATAN MACHINE LEARNING DALAM ANALISIS SENTIMEN PENGGUNA E-WALLET MENGGUNAKAN SVM Farahdinna, Frenda; Hari Wira Atmaja, Pungky
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13526

Abstract

Cara individu melakukan transaksi tengah mengalami transformasi signifikan karena kemajuan teknologi digital, khususnya dengan munculnya dompet elektronik. Meskipun dompet elektronik ini telah memperoleh popularitas yang luar biasa, berbagai persepsi mengenai keandalan, keamanan, dan kenyamanannya masih ada. Penelitian ini bertujuan untuk mengkategorikan pendapat yang diungkapkan oleh pengguna dalam penilaian aplikasi dompet elektronik di Google Play Store, dengan menggunakan algoritma Support Vector Machine (SVM). Proses analisis mengikuti kerangka kerja CRISP-DM, yang mencakup tahapan dari pengumpulan data hingga penerapan. Temuan tersebut mengungkapkan bahwa algoritma SVM cukup efektif dalam analisis sentimen, dengan mencapai tingkat akurasi yang mengesankan sebesar 86,75%. Secara khusus, evaluasi ulasan negatif menunjukkan presisi 0,90, recall 0,89, dan F1 skor 0,89. Sebaliknya, kinerja model untuk ulasan positif agak kurang optimal, dengan akurasi 0,81, recall 0,83, dan F1 skor 0,82. Saat memeriksa distribusi umpan balik positif, aplikasi DANA memimpin dengan jumlah ulasan positif tertinggi yaitu 632, diikuti oleh GoPay dengan 593 ulasan. Wawasan ini tidak hanya memandu penyedia layanan dompet elektronik dalam meningkatkan kualitas aplikasi mereka, tetapi juga membantu pengguna dalam memilih layanan dompet elektronik yang paling sesuai dengan kebutuhan mereka.
Grid-Based Ship Density Analysis and Anomaly Detection for Ship Movements Monitoring at Tanjung Priok Port Ikhsan, Muhammad Ramadhan; Pamungkasari, Panca Dewi; Purbantoro, Babag; Sholihati, Ira Diana; Farahdinna, Frenda; Sumantyo, Josaphat Tetuko Sri; Heezen, Damy Matheus
International Journal of Advances in Data and Information Systems Vol. 6 No. 1 (2025): April 2025 - International Journal of Advances in Data and Information Systems
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/ijadis.v6i1.1367

Abstract

Indonesia, as a maritime country, depends on ports to support inter-island transport and a smooth regional economy. So, the awareness of knowing the marine status with various platforms is needed. This research distinguishes itself from several previous studies on ship movement detection by concentrating specifically on anomalies in ship movement within areas of high traffic density. This research proposes to find out the ship density area using the grid technique and identify the anomalies that have occurred, as information on ship movements at Tanjung Priok Port. Anomaly detection is done by looking for it through visualization, where AIS data is converted into a form of visualization using the Python language. The results obtained two pieces of information, namely that the areas with the highest density are around the harbor, docks, and ship lanes. Then, two types of anomalies were detected, namely large ships with dangerous cargo speeding in dense areas and ships that behave differently compared to other ships with the same status.