Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Minfo Polgan (JMP)
Annisa Fadhillah Pulungan
Universitas Sumatera Utara
Computer Science & IT Engineering Library & Information Science Mathematics Social Sciences

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

Found 3 Documents
Search

 1 
PREDIKSI PENYAKIT PARKINSON MELALUI DATASET REKAM SUARA DENGAN MENGGUNAKAN ALGORITMA DEEP NEURAL NETWORK Kristina Ronalita Nainggolan; Fanindia Purnamasari; Annisa Fadhillah Pulungan
Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Article Research March 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i1.12985

Abstract

Penyakit Parkinson merupakan suatu gangguan sistem saraf kronis dan progresif yang dapat memengaruhi gerakan tubuh manusia. Pemeriksaan terhadap penyakit parkinson belum dilakukan seperti memeriksa keadaan medis pada umumnya, sehingga banyak pasien tidak menyadari bahwa mereka ternyata memiliki gejala penyakit Parkinson. Melalui pendekatan teknologi, penyakit parkinson dapat diperiksa melalui data rekam suara dari seorang pasien. Data rekam suara yang diperoleh dari dataset berupa data numerik yang kemudian perlu diproses. Data tersebut diproses dengan menggunakan pendekatan komputasi. Penelitian ini mengusulkan algoritma Deep Neural Network. Pada dataset yang diperoleh ditemukan ketidakseimbangan data sehingga diusulkan metode SMOTE (Synthetic Minority Oversampling Technique) yang digunakan sebagai teknik oversampling data. Selanjutnya diterapkan algoritma Deep Neural Network untuk memprediksi parkinson pada data tersebut dengan menggunakan parameter pada model seperti penggunaan aktivasi ReLu pada hidden layer, aktivasi sigmoid pada output layer, dropout, epochs 200, batch size 16, optimizer Adam dengan penggunaan learning rate sebesar 0.001, dan metrics accuracy, sehingga memberikan hasil akurasi sebesar 97%.
EduSearch : Web Pencarian Cerdas Berbasis Semantik untuk Mencari Data Seluruh Sekolah Formal di Kota Medan Chairil Umri; Annisa Fadhillah Pulungan; Aulia Halimatusyaddiah; Irene Elisabeth Sinaga; Leo Alfonso Tarigan; Nurul Aini; Said Muhammad Mazaya
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.
Optimization of HIV/AIDS Classification Using the SMOTE Technique and CatBoost Algorithm Annisa Fadhillah Pulungan; Chairil Umri; Rossy Nurhasanah
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 10 No. 1 (2026): Issues July 2026
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v10i1.18134

Abstract

Despite various mitigation efforts, Human Immunodeficiency Virus (HIV)/Acquired Immunodeficiency Syndrome (AIDS) remains a significant public health issue with widespread impacts in Indonesia. One of the challenges in HIV/AIDS classification using machine learning is data imbalance, where the number of HIV cases is smaller than Non-HIV cases. The aim of this study is to analyze the performance of the CatBoost algorithm in classification tasks and to evaluate the impact of the Synthetic Minority Oversampling Technique (SMOTE) on improving model performance in imbalanced datasets. The research method involves applying the CatBoost algorithm to the original dataset as well as to data that has been processed using SMOTE-based oversampling. Furthermore, model performance is evaluated using Precision, Recall, F1-Score, and Precision-Recall Area Under Curve (PR-AUC) metrics. The SMOTE + CatBoost model achieved an accuracy of 95%, precision of 93%, recall of 92%, F1-Score of 93%, and PR-AUC of 0.953, all of which are higher than those of the CatBoost Baseline model. In addition, the number of undetected HIV cases was reduced from 28 to 13 cases. The findings indicate that the integration of SMOTE with the CatBoost algorithm improves model performance, resulting in better classification outcomes on imbalanced datasets compared to the CatBoost Baseline, and potentially supports a more effective HIV/AIDS early detection system.
Co-Authors Aulia Halimatusyaddiah Chairil Umri Chairil Umri Fanindia Purnamasari Irene Elisabeth Sinaga Kristina Ronalita Nainggolan Leo Alfonso Tarigan Nurul Aini Rossy Nurhasanah Said Muhammad Mazaya