Article Per Year (5 Year)
p-Index From 2021 - 2026
2.064
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering JURNAL REKAYASA TEKNOLOGI INFORMASI ILKOM Jurnal Ilmiah Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Bina Komputer Adopsi Teknologi dan Sistem Informasi
Joan Angelina Widians, Joan Angelina
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Sistem Pakar Diagnosis Penyakit Mioma Uteri Menggunakan Teorema Bayes Widians, Joan Angelina; Hairah, Ummul; Fadila, Tandy
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i2.1446

Abstract

Mioma Uteri adalah salah satu masalah penyakit pada kesehatan reproduksi wanita yang gejalanya sangat susah untuk diketahui. Penyakit ini dapat menimbulkan masalah besar jika gejala yang diderita sangat berat, bahkan dapat menyebabkan rendahnya kesuburan seorang wanita dan dapat diangkatnya rahim seorang wanita jika tidak ditangani secara benar dan tepat. Mioma uteri Sistem pakar mendiagnosa penyakit mioma uteri adalah salah satu penerapan teknologi dalam bidang komputer. Sistem pakar ini memudahkan masyarakat untuk mengetahui informasi tentang penyakit, terutama Mioma Uteri. Sistem ini dibangun untuk masyarakat agar dapat mendiagnosa penyakit mioma uteri secara dini dengan memilih gejala-gejala yang diderita oleh pasien dan mendapatkan solusi dari gejala yang diderita.Sistem ini juga memberikan informasi tentang penyakit mioma uteri. Untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hasil observasi, sistem ini menggunakan metode Teorema Bayes sebagai alat pengambil keputusan. Hasil dari sistem yang dibangun menunjukkan bahwa sistem pakar ini membantu mendiagnosa penyakit mioma uteri secara dini beserta penanganan awal yang harus dilakukan.  
Identifikasi Penyakit Pada Daun Anggrek Hitam Berdasarkan Ekstraksi Fitur Sari, Lili Kurnia; Widians, Joan Angelina; Wati, Masna
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 3 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i3.17504

Abstract

Salah satu spesies anggrek yang menjadi favorit di kalangan pecinta tanaman anggrek yaitu Anggrek Hitam. Anggrek hitam yang begitu indah dan unik menjadi koleksi bagi para pecinta tanaman hias. Anggrek Hitam dalam bahasa latinnya Coelogyne Pandurata merupakan salah satu anggrek alam endemik Kalimantan. Tanaman ini rentan terhadap penyakit. Penyakit pada tanaman anggrek hitam dapat disebabkan oleh adanya bakteri, jamur dan virus. Penelitian ini mengembangkan ekstraksi fitur berdasarkan citra daun bertujuan membantu user mengidentifikasi jenis penyakit pada anggrek hitam sehingga dapat melakukan perawatan pada tanaman tersebut. Pada penelitian ini, ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix dengan 4 arah yaitu 0°, 45°, 90° dan 135°. Data citra daun tanaman anggrek hitam  yang digunakan berjumlah 64 data citra. Terdapat empat penyakit pada daun anggrek hitam yaitu penyakit bercak coklat, busuk lunak, bercak hitam dan bercak bercincin. Pengujian terhadap model menggunakan Multi SVM pada 3 jenis kernel yaitu linear, Gaussian/RBF dan polynomial. Pengujian model menggunakan proporsi 80:20 dengan 51 data training dan 13 data testing. Hasil evaluasi menunjukkan penyakit yang teridentifikasi adalah penyakit bercak coklat berdasarkan Multi SVM dengan nilai akurasi sebesar 100% pada kernel Gaussian/RBF, 92% pada kernel linear dan 92% pada kernel polynomial.
Analisis Kinerja K-Means dan DBSCAN dalam Pengelompokan Kepadatan Kendaraan Bermotor Tingkat Provinsi Farizi, Syafiq Hafizh; Rasyid, Muhammad; Wati, Masna; Widians, Joan Angelina
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 6 No 3 (2026): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v6i3.1900

Abstract

Pertumbuhan kendaraan bermotor di Indonesia meningkat signifikan dengan distribusi antarprovinsi yang sangat timpang. Data BPS (2024) mencatat ketimpangan ekstrem: Jawa Barat memiliki 27.104.924 unit, sedangkan Kalimantan Utara hanya 305.187 unit. Hal ini menuntut pendekatan analisis untuk mengelompokkan kepadatan kendaraan secara sistematis. Penelitian ini bertujuan membandingkan kinerja algoritma K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dalam mengelompokkan kepadatan kendaraan pada 34 provinsi di Indonesia. Tahapan penelitian meliputi pengumpulan data sekunder, preprocessing (pembersihan, transformasi logaritmik, dan standardisasi), serta penentuan parameter optimal melalui metode Elbow dan Silhouette (K-Means) dan k-distance plot (DBSCAN). Evaluasi performa menggunakan Silhouette Coefficient, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasilnya, K-Means (K=4) menghasilkan empat tingkat kepadatan yang interpretable dengan nilai Silhouette 0,537, Davies-Bouldin 0,560, dan Calinski-Harabasz 98,00. Sebaliknya, DBSCAN (?=0,8; MinPts=5) hanya membentuk 2 cluster dengan 5 titik noise dan Calinski-Harabasz 42,67. Kesimpulannya, K-Means terbukti lebih unggul dalam menghasilkan separasi cluster yang granular dan informatif untuk pengelompokan tingkat kepadatan kendaraan di Indonesia.
Analisis Klaster Produksi Cabai Menggunakan K-Means dan DBSCAN Berdasarkan Evaluasi Silhouette dan DBI Rahman, Muhammad Ridwanansyah; Pangestu, Jovan Bagas; Wati, Masna; Widians, Joan Angelina
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 1 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i1.26864

Abstract

Cabai rawit (Capsicum frutescens) dan cabai keriting (Capsicum annuum) merupakan komoditas hortikultura strategis di Indonesia yang rentan terhadap fluktuasi harga akibat ketimpangan distribusi produksi antar provinsi. Penelitian ini bertujuan mengelompokkan 37 provinsi di Indonesia berdasarkan variabel produksi (kuintal) dan luas panen (hektare) kedua jenis cabai menggunakan algoritma K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Data bersumber dari dua dataset Badan Pusat Statistik (BPS) tahun 2025 yang diintegrasikan menjadi satu dataset terpadu. Pra-pemrosesan meliputi integrasi data, penghapusan data tidak lengkap (Papua Selatan), dan normalisasi menggunakan Z-Score Standardization. Penentuan jumlah klaster optimal K-Means dilakukan melalui Elbow Method dan divalidasi dengan Silhouette Score serta Davies-Bouldin Index (DBI), menghasilkan k=3 sebagai konfigurasi terbaik (Silhouette=0,802; DBI=0,387). Parameter DBSCAN ditetapkan melalui analisis grafik k-distance dan trial and error (ε=1,6; MinPts=3), menghasilkan tiga klaster dengan Jawa Timur teridentifikasi sebagai noise (Silhouette=0,811; DBI=0,573). K-Means unggul dalam separabilitas klaster (DBI lebih rendah), sedangkan DBSCAN unggul dalam kekompakan internal (Silhouette lebih tinggi). Tiga profil klaster K-Means terbentuk: Klaster Rendah (30 provinsi), Klaster Sedang (6 provinsi), dan Klaster Tinggi (1 provinsi: Jawa Timur). Hasil penelitian diharapkan menjadi acuan perumusan kebijakan pangan berbasis data di Indonesia.
Co-Authors Abu Bakar Andi Maulana, Andi Astried, Astried Baiquni, Muhammad Rizky Caesar Budiman, Edy Dani, Riski Rama Fadila, Tandy Farizi, Syafiq Hafizh Firmanda, Haga Daffa Aska Hairah, Ummul Herman Santoso Pakpahan Islamiyah Islamiyah, Islamiyah Kurniawan, Tri Basuki Misinem, Misinem Muhammad Awaluddin, Muhammad Muhammad Rasyid, Muhammad Mursidin . Novianti Puspitasari Pangestu, Jovan Bagas Puspitasari, Novianti Rahman, Muhammad Ridwanansyah Retantyo Wardoyo Rizkyani, Farahdina Nur Rosmasari Rosmasari, Rosmasari Sari, Lili Kurnia Simbolon, R.H. Kimebmen Sri Hartati Tjikoa, Ade Fiqri Wati, Masna