Iustisia Natalia Simbolon
Institut Teknologi Del

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

Found 3 Documents
Search

PREDIKSI KUALITAS AIR SUNGAI DI JAKARTA MENGGUNAKAN KNN YANG DIOPTIMALISASI DENGAN PSO Iustisia Natalia Simbolon
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 2 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i2.4191

Abstract

Kualitas air sungai merupakan isu lingkungan penting bagi masyarakat dan pemerintah. Penelitian ini fokus pada kualitas air sungai di Jakarta dengan 21 atribut yang berbeda dari standar KLHK. Peneliti menganalisis pengaruh seluruh atribut tersebut menggunakan algoritma K-Nearest neighbor (KNN) yang dioptimalisasi dengan Particle swarm optimization (PSO) untuk memprediksi kualitas air sungai di Jakarta. Penelitian ini bertujuan mengembangkan model prediksi kualitas air sungai yang dioptimasi menggunakan algoritma PSO-KNN serta membangun prototipe aplikasi web berbasis Flask. Preprocessing data dilakukan dalam tiga tahap utama: data cleaning, data transformation, dan balancing data untuk mengatasi masalah missing value, outlier, dan ketidakseimbangan data. Kemudian dilakukan seleksi fitur untuk mengidentifikasi atribut paling berpengaruh dimana dari total 21 atribut  didapatkan 8 atribut paling berpengaruh terhadap kualitas air sungai di Jakarta. Hasil penelitian menunjukkan bahwa model PSO-KNN mencapai akurasi 95,8%, lebih baik daripada model KNN tanpa optimasi yang hanya mencapai 77,9%. Seleksi fitur membantu mengidentifikasi atribut-atribut  yang paling berpengaruh dalam memprediksi kualitas air sungai di Jakarta.
RE-ENGINEERING DAN PELATIHAN PENGGUNAAN WEBSITE SEKOLAH SMA NEGERI 1 BALIGE Ranty Siahaan; Arie Satia Dharma; Arlinta Christy Barus; Johannes Harungguan Sianipar; Iustisia Natalia Simbolon; Herimanto; Prans Daniel Simarmata; Charlos Pardomuan Purba; Okdini Nigita Hutagalung; Dian Grecia Natalie Gulo
Jurnal Abdimas Ilmiah Citra Bakti Vol. 7 No. 2 (2026)
Publisher : STKIP Citra Bakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38048/jailcb.v7i2.6876

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemanfaatan website SMA Negeri 1 Balige sebagai media informasi, komunikasi, dan promosi sekolah yang lebih efektif dan berkelanjutan. Permasalahan yang dihadapi mitra meliputi belum optimalnya beberapa fitur website serta keterbatasan kemampuan guru dan siswa dalam mengelola website sekolah secara mandiri. Metode pelaksanaan meliputi observasi kebutuhan, re-engineering website, sosialisasi, pelatihan teknis, dan evaluasi melalui survei kepuasan mitra. Kegiatan dilaksanakan pada 16 November 2024 dengan melibatkan 30 guru dan staf serta 70 siswa SMA Negeri 1 Balige. Hasil kegiatan menunjukkan bahwa website sekolah berhasil diperbarui melalui perbaikan fitur Data Alumni, Agenda, dan Berita sesuai kebutuhan mitra. Selain itu, pelatihan yang diberikan meningkatkan pemahaman peserta dalam pengelolaan dan pemanfaatan website sekolah. Evaluasi terhadap 21 responden menunjukkan bahwa seluruh peserta memberikan respons positif terhadap program, dengan mayoritas penilaian berada pada kategori sangat baik untuk aspek kesesuaian materi, metode pelaksanaan, manfaat program, kompetensi pelaksana, dan keberlanjutan kerja sama. Kegiatan ini berhasil memperkuat kapasitas sekolah dalam mengelola website secara mandiri serta mengoptimalkan fungsi website sebagai sarana komunikasi, informasi, dan promosi sekolah di era digital.
Enhancing Real-time Herbal Plant Detection in Agricultural Environments with YOLOv8 Ranty Deviana Siahaan; Herimanto Pardede; Iustisia Natalia Simbolon; Ivanston Simbolon; Dian Jorgy Gultom
Journal of Information System and Informatics Vol 6 No 4 (2024): December
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v6i4.889

Abstract

The detection of herbal plants plays a crucial role in the utilization of traditional medicine, particularly in the Toba region of Indonesia. This study aims to develop an Android application capable of real-time detection of herbal plants using the YOLOv8 algorithm. The five types of herbal plants targeted in this study are tempuyung, rimbang, papaya leaves, turmeric leaves, and aloe vera. The research methodology includes the collection of a dataset of herbal plant images, which were then labeled using the Roboflow platform. The YOLOv8 model was trained with this dataset to detect herbal plant objects. After training, the model was exported to TensorFlow Lite and integrated into an Android application. Testing was conducted to evaluate the accuracy and real-time detection performance of the application. The results show that the YOLOv8 model achieved a mean Average Precision (mAP) of 92.4%, with optimal real-time detection capabilities on Android devices. The developed application can quickly and accurately detect and identify herbal plants, providing a practical solution for users to recognize herbal plants. This study indicates that the YOLOv8 algorithm is effective for herbal plant recognition applications in a mobile context, opening up opportunities for further development in the integration of AI technology into everyday applications.