Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi
Afra Anggita Salsabila
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Evaluasi Efisiensi Struktur Data Linked List pada Implementasi Sistem Antrian Agung Wijoyo; Alif Ramdhani Prasetiyo; Afra Anggita Salsabila; Kristina Nife; Murni; Pandri Budiman Nadapdap
Jurnal Riset Informatika dan Inovasi Vol 1 No 12 (2024): JRIIN : Jurnal Riset Informatika
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada sistem antrian, pemilihan struktur data yang tepat sangat penting untuk memastikan efisiensi dalam pengolahan dan pengelolaan data. Penelitian ini mengevaluasi efisiensi struktur data Linked List dalam implementasi sistem antrian. Analisis dilakukan dengan membandingkan kinerja Linked List dengan struktur data lain yang umum digunakan, seperti Array dan Queue. Hasil penelitian menunjukkan bahwa Linked List menawarkan keunggulan dalam hal fleksibilitas dan efisiensi memori, namun memiliki beberapa kelemahan dalam waktu akses dan penambahan elemen. Studi ini memberikan wawasan yang berguna bagi pengembang sistem dalam memilih struktur data yang paling sesuai untuk kebutuhan spesifik mereka.
Analisis Data Gempa di Indonesia Menggunakan Algoritma Naive Bayes Maulana Fansyuri; Ricky Tri Setiawan Putra; Afra Anggita Salsabila; Fazril Ramadhan; Muhammad Fiqih
Jurnal Riset Informatika dan Inovasi Vol 2 No 10 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gempa bumi merupakan fenomena alam yang memiliki dampak besar terhadap kehidupan manusia, khususnya di wilayah rawan seperti Indonesia. Penelitian ini bertujuan untuk menganalisis dataset gempa bumi di Indonesia menggunakan algoritma Naive Bayes untuk mengklasifikasi wilayah berdasarkan potensi gempa. Dataset yang digunakan diambil dari Kaggle dan mencakup informasi lokasi, kekuatan magnitudo, serta kedalaman gempa. Dalam penelitian ini, data dibersihkan dan diproses sebelum dimasukkan ke dalam model klasifikasi. Hasil analisis menunjukkan bahwa algoritma Naive Bayes mampu memberikan hasil yang cukup akurat dalam mengklasifikasikan potensi gempa di berbagai wilayah. Temuan ini diharapkan dapat mendukung upaya mitigasi bencana di Indonesia.
Co-Authors Agung Wijoyo Alif Ramdhani Prasetiyo Fazril Ramadhan Kristina Nife Maulana Fansyuri Muhammad Fiqih Murni Pandri Budiman Nadapdap Ricky Tri Setiawan Putra