Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Minfo Polgan (JMP) Sisfo: Jurnal Ilmiah Sistem Informasi
Pulungan, Annisa Fadhillah
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Analysis of Braycurtis, Canberra and Euclidean Distance in KNN Algorithm Pulungan, Annisa Fadhillah; Zarlis, Muhammad; Suwilo, Saib
Sinkron : jurnal dan penelitian teknik informatika Vol. 4 No. 1 (2019): SinkrOn Volume 4 Number 1, October 2019
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (308.901 KB) | DOI: 10.33395/sinkron.v4i1.10207

Abstract

Classification is a technique used to build a classification model from a sample of training data. One of the most popular classification techniques is The K-Nearest Neighbor (KNN). The KNN algorithm has important parameter that affect the performance of the KNN Algorithm. The parameter is the value of the K and distance matrix. The distance between two points is determined by the calculation of the distance matrix before classification process by the KNN. The purpose of this study was to analyze and compare performance of the KNN using the distance function. The distance functions are Braycurtis Distance, Canberra Distance and Euclidean Distance based on an accuracy perspective. This study uses the Iris Dataset from the UCI Machine Learning Repository. The evaluation method used id 10-Fold Cross-Validation. The result showed that the Braycurtis distance method had better performance that Canberra Distance and Euclidean Distance methods at K=6, K=7, K=8 ad K=10 with accuracy values of 96 %.
IMPLEMENTASI ADDIE MODEL DALAM PENGEMBANGAN E-MODULE BERBASIS CASE METHOD Agnes Irene Silitonga; Silitonga, Agnes Irene; Hastuti, Pebri; Thohiri, Roza; Pulungan, Annisa Fadhillah
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 6 No. 2 (2022): Sisfo: Jurnal Ilmiah Sistem Informasi, Oktober 2022
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/sisfo.v6i2.10298

Abstract

ADDIE Model merupakan framework yang paling banyak digunakan oleh perancang instruksional karena memberikan pedoman yang fleksibel untuk membantu perancang instruksional membuat alat pendukung praktis. Dalam penelitian ini, ADDIE Model diimplementasikan dalam pengembangan e-module berbasis case method pada Mata Kuliah Pasar Modal Mata Kuliah Pendidikan Bisnis Universitas Negeri Medan. Penelitian yang dilakukan menunjukkan bahwa e-module Kursus Pasar Modal berbasis metode kasus yang dikembangkan valid, efektif, praktis, dan bermanfaat sebagai bahan perkuliahan. Hal ini ditunjukkan dengan hasil penilaian belajar siswa sebesar 80,95%.
EduSearch : Web Pencarian Cerdas Berbasis Semantik untuk Mencari Data Seluruh Sekolah Formal di Kota Medan Umri, Chairil; Pulungan, Annisa Fadhillah; Halimatusyaddiah, Aulia; Sinaga, Irene Elisabeth; Tarigan, Leo Alfonso; Aini, Nurul; Mazaya, Said Muhammad
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14597

Abstract

Dengan perkembangan teknologi informasi pada saat ini, pencarian informasi mengenai banyak hal dapat lebih mudah dan efisien. Salah satu informasi yang sering dibutuhkan adalah informasi tentang sekolah pendidikan formal yang terdapat di daerah sekitar Kota Medan. Umumnya Informasi sekolah yang dibutuhkan berdasarkan domisili pengguna yang berada di sekitar Kota Medan. Ada banyak sekolah formal yang terdapat di Kota Medan yang membuat para orang tua yang ingin menyekolahkan anaknya bingung dalam mencari informasi sekolah di sekitar domisili mereka. Sehingga perlu membuat web berbasis teknologi semantik untuk mempermudah pengguna dalam melakukan pencarian informasi pada web tersebut. Web Pencarian ini kami sebut dengan EduSearch. Beberapa teknologi yang digunakan dalam pembuatan web semantik ini adalah SPARQL (Simple Protocol and RDF Query Language), RDF (Resource Description Framework), OWL, Open Street Map, dan Selenium Web Driver. Hasil dari pembuatan web berbasis semantik ini menghasilkan beberapa fitur yaitu fitur pencarian berdasarkan input user, fitur filter berdasarkan kecamatan, fitur filter berdasarkan jenjang pendidikan, fitur open street map, dan fitur detail sekolah. Fitur-fitur ini akan memudahkan pengguna dalam melakukan pencarian menggunakan web semantik ini dan mendapatkan informasi yang dibutuhkan pengguna. Dan berdasarkan hasil uji fungsional yang telah kami lakukan mendapatkan hasil yang baik pada fungsionalitas fitur-fitur yang kami rancang pada pencarian ini.
Kombinasi Metode Sampling pada Pengklasifikasian Data Tidak Seimbang Menggunakan Algoritma SVM Pulungan, Annisa Fadhillah; Selvida, Desilia
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 6, No 2 (2022): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v6i2.4920

Abstract

Kelas tidak seimbang telah menjadi masalah pada pembelajaran mesin dan data mining selama beberapa tahun ini. Kelas tidak seimbang adalah kelas yang memiliki data yang tidak terdistribusi secara merata pada setiap kelasnya dimana terdapat satu kelas yang memiliki jumlah data yang lebih banyak dibanding kelas lainnya. Rasio ketidakseimbangan  ini akan menyebabkan bias dalam kumpulan data pelatihan yang akan mempengaruhi kinerja pada pembelajaran mesin. Dimana menyebabkan terjadinya kesalahan klasifikasi pada kelas minoritas sehingga kelas minoritas dinyatakan sebagai kelas mayoritas. penelitian ini mencoba untuk menggunakan metode Oversampling, Undersampling dan kombinasi Oversampling-Undersampling pada data tidak seimbang sebagai pra-pemrosesan data untuk selanjutnya dilakukan klasifikasi menggunakan algoritma Support Vector Machine (SVM). Pada penelitian ini diperoleh kesimpulan bahwa penerapan metode Oversampling, Undersampling dan kombinasi Oversampling-Undersampling memiliki kemampuan yang baik dalam menangani ketidakseimbangan kelas dataset Credit Card Fraud walaupun pada nilai AUC, Oversampling memiliki nilai yang lebih rendah dibanding metode Undersampling dan kombinasi Over-Undersampling.  
Co-Authors Agnes Irene Silitonga Aini Nurul Halimatusyaddiah, Aulia Hastuti, Pebri Mazaya, Said Muhammad Muhammad Zarlis, Muhammad Saib Suwilo Selvida, Desilia Sinaga, Irene Elisabeth Tarigan, Leo Alfonso Thohiri, Roza Umri, Chairil