Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Matematika Journal of Artificial Intelligence and Engineering Applications (JAIEA) Journal of Information Technology, Software Engineering and Computer Science
Susiana
Universitas Negeri Medan
Automotive Engineering Computer Science & IT Control & Systems Engineering Engineering Mathematics

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

Found 3 Documents
Search

 1 
Flood Prediction for the Wampu River Basin Using the Simple Additive Weighting Method:A Case Study of the Wampu River in Bahorok Miftahul Janna; Said Iskandar; Arnita; Zulfahmi Indra; Susiana
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 3 (2026): June 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i3.2268

Abstract

Flood is one of the natural disasters that frequently occurs in the Wampu Watershed (DAS Wampu), especially in Bahorok District. Flood risk is influenced by several factors such as rainfall, slope gradient, land use changes, and river depth. The problem in this study is the absence of a decision support system that can objectively determine flood risk levels. This study aims to determine the criteria and weights of flood risk, apply the Simple Additive Weighting (SAW) method, and analyze the accuracy level of the SAW method in determining flood risk. The method used in this research is the Simple Additive Weighting (SAW) method through several stages including criteria weighting, decision matrix construction, data normalization, preference value calculation, and alternative ranking. The research data consists of 18 villages with four criteria: rainfall, slope gradient, land use change, and river depth. The results show the classification of flood risk levels into high, medium, and low categories based on the obtained preference values. Villages with the highest preference values indicate a higher level of flood vulnerability compared to other villages. The model evaluation results indicate that the SAW method has an accuracy level of approximately 90% in determining flood risk classification. Based on these results, it can be concluded that the SAW method can be used as a decision support system to determine flood risk levels and provide recommendations for priority flood mitigation areas in Bahorok District.
Implementasi Algoritma YOLOv8 Untuk Deteksi Penyakit Malaria Menggunakan Citra Sel Darah Eli Safitri; Susiana
Journal of Information Technology, Software Engineering and Computer Science (ITSECS) Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026 (Issue in Progress)
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v4i4.414

Abstract

Malaria merupakan penyakit infeksi yang disebabkan oleh parasit Plasmodium dan masih menjadi salah satu permasalahan kesehatan di berbagai negara, termasuk Indonesia. Proses diagnosis malaria secara mikroskopis memerlukan ketelitian serta waktu yang relatif lama karena dilakukan secara manual oleh tenaga medis. Penelitian ini bertujuan untuk mengimplementasikan algoritma YOLOv8s pada sistem berbasis web untuk mendeteksi dan mengklasifikasikan lima spesies Plasmodium, yaitu Plasmodium falciparum, Plasmodium vivax, Plasmodium malariae, Plasmodium ovale, dan Plasmodium knowlesi menggunakan citra mikroskopis sel darah merah. Dataset yang digunakan berjumlah 5.000 citra hasil augmentasi yang dibagi menjadi data pelatihan, validasi, dan pengujian. Proses pelatihan model dilakukan menggunakan framework Ultralytics YOLOv8, sedangkan pengujian sistem dilakukan menggunakan metode Black Box Testing dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa model YOLOv8s memperoleh nilai Precision sebesar 99,19%, Recall sebesar 97,59%, F1-Score sebesar 98,38%, mAP@50 sebesar 98,85%, dan mAP@50-95 sebesar 81,17%, yang menunjukkan kemampuan model dalam mendeteksi dan mengklasifikasikan objek dengan tingkat akurasi yang tinggi. Hasil pengujian Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai dengan fungsi yang diharapkan. Sementara itu, pengujian usability menggunakan metode System Usability Scale (SUS) yang melibatkan 15 responden memperoleh nilai rata-rata 81,66, termasuk dalam kategori Best (Grade B). Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma YOLOv8s mampu mendeteksi dan mengklasifikasikan spesies Plasmodium secara efektif serta dapat diimplementasikan pada aplikasi berbasis web sebagai alat bantu deteksi malaria.
Perbandingan Model Autoregressive Integrated Moving Average (ARIMA) dan Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dalam Prediksi Harga Emas Putri Yolana Pardede; Susiana
Jurnal Ilmiah Matematika Vol. 13 No. 2 (2026)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v13i2.32900

Abstract

Penelitian ini membandingkan model ARIMA dan ARIMA-GARCH dalam meramalkan harga emas berjangka pada periode volatilitas tinggi, menggunakan data harian dari investing.com (8 Mei 2023 – 12 Mei 2026). Dengan metodologi Box-Jenkins, data dinyatakan stasioner setelah diferensiasi orde satu, dan ARIMA(2,1,0) with drift terpilih sebagai model terbaik . Meski lolos uji white noise, residual model ini menunjukkan efek ARCH signifikan , sehingga dikembangkan model ARIMA(2,1,0)-GARCH(1,1) yang berhasil mengatasi heteroskedastisitas tersebut (ARCH-LM, p = 0,4739). Model ARIMA menghasilkan MAPE sedikit lebih tinggi dibanding ARIMA-GARCH , keduanya berkategori akurasi sangat baik. Nilai persistensi volatilitaspada model ARIMA-GARCH mengonfirmasi karakteristik volatility clustering pada data. Berdasarkan hasil evaluasi in-sample, validitas residual, dan kemampuan estimasi volatilitas, model ARIMA(2,1,0)-GARCH(1,1) memberikan MAPE in-sample yang sedikit lebih rendah dan diagnostik volatilitas yang lebih memadai dibandingkan model ARIMA tunggal pada periode ketidakpastian pasar tinggi yang diteliti.
Co-Authors Arnita Eli Safitri Miftahul Janna Putri Yolana Pardede Said . Iskandar Zulfahmi Indra, Zulfahmi