Article Per Year (5 Year)
p-Index From 2021 - 2026
1.318
P-Index
This Author published in this journals
All Journal SISFOTENIKA CCIT (Creative Communication and Innovative Technology) Journal E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Jurnal Sistem Komputer dan Informatika (JSON) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Penelitian Sistem Informasi PUBLIDIMAS ORAHUA : Jurnal Pengabdian Kepada Masyarakat
Lili Tanti
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Algoritma Clustering untuk Menentukan Kategori Siswa Berdasarkan Prestasi pada SMA Pangeran Antasari Ayuni Syahputri; Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penentuan kategori prestasi siswa di SMA Pangeran Antasari masih dilakukan secara manual sehingga kurang efisien dan rentan menghasilkan penilaian yang subjektif. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengelompokkan siswa ke dalam tiga kategori prestasi, yaitu tinggi, cukup, dan rendah. Dataset yang digunakan berjumlah 1.091 data siswa, mencakup nilai akademik, absensi, serta prestasi non-akademik. Proses evaluasi model dilakukan menggunakan metode Elbow untuk menentukan jumlah cluster optimal, dan pengujian menggunakan confusion matrix terhadap 30 data uji. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu melakukan pengelompokan dengan baik, dengan tingkat akurasi sebesar 93,33%, serta rata-rata F1-score mencapai 94,2%. Temuan ini memperlihatkan bahwa K-Means efektif dalam memberikan pemetaan prestasi siswa secara objektif dan dapat membantu sekolah dalam proses evaluasi dan pengambilan keputusan akademik.
Model Klasifikasi Penyakit Kulit pada Kucing dengan Metode Machine Learning Alvian Julianto Hutajulu; Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas pengembangan sistem klasifikasi penyakit kulit pada kucing menggunakan metode K-Nearest Neighbor (KNN). Latar belakang penelitian ini didasari oleh tingginya kasus penyakit kulit pada kucing serta keterbatasan akses terhadap layanan medis hewan saat klinik tidak tersedia. Sistem yang dirancang bertujuan untuk membantu pemilik kucing maupun dokter hewan dalam mendiagnosis penyakit berdasarkan gejala yang muncul. Data penelitian diperoleh melalui pengumpulan dataset gejala penyakit kulit kucing, kemudian dilakukan pra-pemrosesan data, transformasi, dan klasifikasi menggunakan algoritma KNN. Evaluasi dilakukan menggunakan confusion matrix dengan hasil akurasi sebesar 86%, presisi 80%, recall 86%, dan F1-score 83%. Hasil ini menunjukkan bahwa metode KNN cukup efektif dalam mengklasifikasikan jenis penyakit kulit kucing, seperti infeksi bakteri, alergi kulit, scabies, ringworm, dan feline acne. Sistem ini diharapkan dapat menjadi alternatif solusi dalam membantu pengambilan keputusan medis pada hewan peliharaan.
Co-Authors Alvian Julianto Hutajulu Andrian Syahputra Ayuni Syahputri Bob Subhan Riza Deni Adhar Deni Anggara Evri Ekadiansyah Juli Iriani M. Haidil Umam Muhammad Faris Nety Juwita Lubis Nurainun Rabiana Saragih Ratih Puspasari Safrizal Simalango, Clarensia Mende Surbakti, Dio Febrian Yan Yang Thanri Yudhi Andrian