Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pemberdayaan Masyarakat Jurnal Ilmu Komputer dan Informatika
Arnita Piliang
Universitas Negeri Medan
Computer Science & IT Electrical & Electronics Engineering Engineering Mathematics Other

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

Found 2 Documents
Search

 1 
“BUDIKDAMPER” Upaya Ketahanan Pangan Bagi Masyarakat Terdampak COVID-19 Arnita Piliang; Marlina Sinaga; Faridawaty Marpaung; DIdi Febrian; Prihatin Ningsih Sagala
Jurnal Pemberdayaan Masyarakat Vol 9, No 1 (2021): Jurnal Pemberdayaan Masyarakat
Publisher : Program Studi Pengembangan Masyarakat Islam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37064/jpm.v9i1.8832

Abstract

Kelurahan Tegal Sari III Kecamatan Medan Area, khusunya warga Lingkungan II dan Lingkungan IIImerupakan kelurahan yang terletak di Kecamatan Medan Area Kota Medan. Daerah ini merupakan salah satu pemukiman padat penduduk yang berada pusat kota, dan tingkat pendapatan masyarakat menengah ke bawah.Lebih dari 70% masyarakatnya berprofesi sebagai buruh harian lepas dan membuka usaha konvesi skala kecil-menengah.  Jumlah penduduk Kelurahan Tegal Sari III ± 8337 jiwa. Karakteristik penduduk terbanyak dengan usia > 60 tahun yaitu sebanyak lebih dari 1000 jiwa. Namun, akibat adanya wabah covid-19 banyak warga yang tidak mempunyai pekerjaan lagi sehingga berdampak pada ketidakmampuan warga untuk memenuhi kebutuhan hidup keluarganya dan tak dapat mengandalkan apapun selain bantuan dari pemerintah untuk bertahan hidup. Penerapan budikdamber sebagai pengembangan dari system akuaponik diharapkan mampu sebagai upaya ketahanan pangan bagi warga yang kesusahan untuk memenuhi kebutuhan hidup keluarga dan sebagai sarana untuk mengasah kemampuan dalam melakukan usaha budidaya ikan dan sayur-sayuran. Sosialisasi dilakukan dengan cara menyampaikan materi tentang budikdamber yang akan diikuti oleh warga Kelurarahan Tegal sari III Kecamatan Medan Area yang terkena dampak Covicd-19 . Metode yang dilakukan ialah dengan cara demonstrasi mengenai budikdamber yang di damping oleh tim dosen dan mahasiswa serta akan meyerahkan rakitan budikdamber beserta bibit sayuran dan ikan lele.
Evaluasi Performa Gaussian Mixture Model dan K-Means terhadap Ketidakseimbangan Data pada Clustering Muhammad Farrel Evan Yuri; Farzad Sahnadi Pasaribu; Arung Buana Subuh; Muhammad Hafif Naibaho; Arnita Piliang
Jurnal Ilmu Komputer dan Informatika | E-ISSN : 3063-9026 Vol. 2 No. 4 (2026): April - Juni
Publisher : GLOBAL SCIENTS PUBLISHER

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

Abstract

Data imbalance represents a primary challenge in clustering analysis, particularly in datasets with highly disproportionate class distributions such as the Credit Card Fraud Detection dataset from Kaggle. This study aims to evaluate and compare the performance of the Gaussian Mixture Model (GMM) and K-Means algorithms under such conditions through a systematic literature review of nine prior studies. Clustering quality is evaluated using three internal validation metrics: Silhouette Score, Davies-Bouldin Index (DBI), and Calinski-Harabasz Index (CHI). The findings indicate that GMM consistently produces more stable and flexible clusters in data with overlapping distributions, as its probabilistic approach through the Expectation-Maximization (EM) algorithm allows each data point to hold multiple cluster membership probabilities. In contrast, K-Means produces sharper cluster boundaries with lower computational complexity, yet remains sensitive to outliers and the spherical distribution assumption frequently unmet in imbalanced data. The dominance of the majority class risks distorting K-Means centroids, resulting in suboptimal detection of fraudulent transactions, whereas GMM proves more adaptive for this scenario despite its higher computational cost.
Co-Authors Arung Buana Subuh DIdi Febrian Farzad Sahnadi Pasaribu Marlina Sinaga Marpaung, Faridawaty Muhammad Farrel Evan Yuri Muhammad Hafif Naibaho Prihatin Ningsih Sagala