Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Ilmu Komputer dan Teknologi (IKOMTI)
Napitu, Stifani
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 
Klasifikasi Buah Jeruk Segar dan Busuk Berdasarkan RGB dan HSV Menggunakan Metode KNN Napitu, Stifani; Paramita Panjaitan, Rini; Nulhakim, Putri Aisyah; Khalik Lubis, Muaz
Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Vol 13 No 2 (2023): September 2023
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/saintekom.v13i2.420

Abstract

Fruits are a group of agricultural commodities in Indonesia. The demand for domestic fruit commodities is quite high, this is indicated by the large number of fruits available in modern markets and traditional markets. In this research, a classification process will be carried out between fresh oranges and rotten oranges based on RGB (Red, Green, Blue) and HSV (Hue, Saturation, Value) color extraction. This study uses the K-Nearest Neighbor classification algorithm with a value of k = 1; 2; 3; 4; 5; 6; and 7. The dataset used consists of 146 training data and 88 testing data. The purpose and benefits of this research are to save time and facilitate classification according to the wishes of fruit growers. The final result of the test accuracy is 88.95%. Based on the test, this system can be said to be quite good at classifying fresh and rotten citrus fruits.
Implementasi Algoritma K-Means untuk Prediksi Status Gizi Balita pada Tiga Puskesmas di Kecamatan Simanindo Napitu, Stifani; Hutabarat, Hanna Dewi M.
Jurnal IT UHB Vol 5 No 3 (2024): Jurnal Ilmu Komputer dan Teknologi
Publisher : Universitas Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35960/ikomti.v5i3.1648

Abstract

Kesehatan dan status gizi merupakan salah satu tolak ukur yang dapat menggambarkan keadaan gizi seseorang. Permasalahan terkait gizi pada balita di Indonesia merupakan masalah serius yang mempengaruhi kesehatan balita tersebut. Maka dari itu pemantauan status gizi balita sangat penting untuk mendeteksi secara dini masalah gizi dan memberikan intervensi yang tepat. Penelitian ini bertujuan untuk memprediksi status gizi balita menggunakan algoritma K-Means dengan data dari tiga Puskesmas di Kecamatan Simanindo. Algoritma K-Means digunakan karena kemampuannya dalam mengelompokkan data secara cepat dan efisien berdasarkan kesamaan atribut, serta fleksibilitasnya dalam menangani berbagai tipe data yang berbeda, termasuk data seperti berat badan dan umur. Data yang digunakan meliputi umur, tinggi badan, dan berat badan, dengan pengelompokan menjadi 4 cluster yaitu sangat kurang, kurang, normal, dan risiko lebih. Penelitian ini mengembangkan sistem prediksi status gizi balita berbasis web menggunakan algoritma K-Means. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu memprediksi status gizi balita. Dari hasil dari penelitian menunjukkan bahwa terdapat 22.64% balita yang memiliki status gizi kurang. Balita yang memiliki status gizi normal sebanyak 22.91%. Balita yang memiliki status gizi resiko lebih sebanyak 28.14%. Balita yang memiliki status gizi sangat kurang sebanyak 26.32%.
Co-Authors Hutabarat, Hanna Dewi M. Khalik Lubis, Muaz Nulhakim, Putri Aisyah Paramita Panjaitan, Rini