Article Per Year (5 Year)
p-Index From 2021 - 2026
1.203
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Minfo Polgan (JMP) Sisfo: Jurnal Ilmiah Sistem Informasi
Annisa Fadhillah Pulungan
Universitas Sumatera Utara
Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 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 %.
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%.
Analisa Perangkat Jaringan Komputer Kampus R.A. Fattah Adriansyah; Ade Sarah Huzaifah; Annisa Fadhillah Pulungan
Jurnal Minfo Polgan Vol. 12 No. 2 (2023): Artikel Penelitian 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i2.13267

Abstract

Jaringan komputer memainkan peran penting di seluruh dunia. Dimana standar protokol jaringan komputer terdiri dari tujuh lapisan yang digunakan sebagai arsitektur komunikasi, yang masing-masing berperan dalam komunikasi jaringan komputer. Switch adalah perangkat layer 2 dalam jaringan komputer yang menghubungkan device di broadcast domain yang sama, namun untuk device di broadcast domain yang berbeda tidak dapat berkomunikasi satu sama lain tanpa menggunakan perangkat layer 3 seperti router. Router merutekan paket dari pengirim ke penerima menggunakan alamat IP yang diarahkan sesuai dengan tabel routing yang ada. Sedangkan si tabel routing ditentukan oleh protokol routing yang digunakan. Ada beberapa protokol routing yang tersedia, dimana masing-masing memiliki kelebihan dan kekurangannya. Dan untuk mendukung kebutuhan yang unik setiap organisasi, maka organisasi tersebut perlu desain jaringan yang unik pula. Begitu pula dengan protokol routing yang digunakan juga harus disesuaikan. Pada penelitian ini dilakukan percobaan untuk mengatasi broadcast yang biasa terjadi pada jaringan kampus dan mengurangi kemungkinan terjadinya broadcast storm dengan cara memisahkan broadcast domain menggunakan router. Eksperimen ini juga membandingkan protokol routing RIP dan OSPF yang diterapkan di jaringan tersebut untuk mencari tahu protokol routing mana yang cocok untuk topologi jaringan kampus yang umum digunakan. Hasil percobaan menunjukkan bahwa jaringan komputer kampus dengan menggunakan router dapat mengidentifikasi dan memantau masalah yang terjadi, membagi broadcast collision, dan juga melakukan pemilihan rute/jalur. Hal ini memudahkan dalam mengatasi masalah dan memaksimalkan kinerja jaringan komputer kampus. Jaringan komputer kampus yang menggunakan router dan mengkonfigurasi protokol routing OSPF memberikan kinerja yang lebih baik dibandingkan dengan protokol routing RIP yang dikonfigurasi.
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.  
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.
IMPLEMENTASI ADDIE MODEL DALAM PENGEMBANGAN E-MODULE BERBASIS CASE METHOD Agnes Irene Silitonga; Pebri Hastuti; Roza Thohiri; Annisa Fadhillah Pulungan
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%.
Co-Authors Ade Sarah Huzaifah Agnes Irene Silitonga Aulia Halimatusyaddiah Chairil Umri Chairil Umri Desilia Selvida Fanindia Purnamasari Hastuti, Pebri Irene Elisabeth Sinaga Kristina Ronalita Nainggolan Leo Alfonso Tarigan Muhammad Zarlis, Muhammad Nurul Aini R.A. Fattah Adriansyah Rossy Nurhasanah Saib Suwilo Said Muhammad Mazaya Thohiri, Roza