Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Indonesian Journal of Electrical Engineering and Computer Science
Simbolon, Iustisia Natalia
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
ANALISIS DAN EVALUASI ALGORITMA DBSCAN (DENSITY-BASED SPATIAL CLUSTERING OF APPLICATIONS WITH NOISE) PADA TUBERKULOSIS Simbolon, Iustisia Natalia; Friskila, Prawita Dwi
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5206

Abstract

Tuberkulosis (TBC) adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis. Penyakit ini tetap menjadi ancaman signifikan di Provinsi Sumatera Utara, dengan tingkat kasus yang tinggi menurut Dinas Kesehatan Provinsi Sumatera Utara. TBC merupakan salah satu penyebab kematian di dunia dan terdapat berbagai gejala serta faktor yang dapat meningkatkan risiko infeksi. Tingginya angka kasus TBC di Sumatera Utara menekankan pentingnya identifikasi cluster untuk intervensi yang efektif. Penelitian tentang pengelompokan penyakit dengan teknik clustering menggunakan algoritma DBSCAN telah dilakukan oleh beberapa peneliti sebelumnya dan menunjukkan hasil yang baik. Oleh karena itu, penelitian ini bertujuan untuk mengelompokkan penyebaran TBC menggunakan DBSCAN. DBSCAN dipilih karena kemampuannya mengidentifikasi cluster dengan baik pada data yang memiliki densitas bervariasi. Algoritma DBSCAN diterapkan dengan parameter optimal yang ditentukan melalui Grid Search. Hasil optimal menunjukkan nilai epsilon 96 dan minPts 5, menghasilkan 3 cluster utama (tinggi, sedang, dan rendah) dengan Silhouette Coefficient 0.41176 dan Davies-Bouldin Index 1,194.  
Development of mobile-based Batak script recognition application using YOLOv8 algorithm Simbolon, Iustisia Natalia; Herimanto, Herimanto; Siahaan, Ranty Deviana; Lumbantobing, Samuel Adika; Br Sitepu, Grace Natalia
Indonesian Journal of Electrical Engineering and Computer Science Vol 39, No 2: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v39.i2.pp1013-1026

Abstract

The Batak people are one of the ethnic groups that pass down many values and traditions to each generation, including the written tradition known as the Batak script. The Batak Toba people, in particular, have the Batak Toba script as part of their local wisdom that needs to be preserved and maintained. However, the use of the Batak script has significantly declined in the current era. To prevent the loss of this heritage, preservation through technology is necessary. This research utilizes a deep learning approach using the YOLOv8 algorithm to detect images of script objects, provide the coordinates of the script locations, and perform object recognition based on the dataset. The final result of this research is an Android-based application that can detect the Batak Toba script in real time and upload images. The research process involves experiments on several hyperparameters, such as epochs with a value of 200, confidence threshold, and IoU with a value of 0.5. The model evaluation shows excellent results, with a precision of 0.945, recall of 0.902, mAP@0.5 of 0.954, and a high confidence score from the application's detection.
PREDIKSI KUALITAS AIR SUNGAI DI JAKARTA MENGGUNAKAN KNN YANG DIOPTIMALISASI DENGAN PSO Simbolon, Iustisia Natalia
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.
ANALISIS DAN EVALUASI ALGORITMA DBSCAN (DENSITY-BASED SPATIAL CLUSTERING OF APPLICATIONS WITH NOISE) PADA TUBERKULOSIS Simbolon, Iustisia Natalia; Friskila, Prawita Dwi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5206

Abstract

Tuberkulosis (TBC) adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis. Penyakit ini tetap menjadi ancaman signifikan di Provinsi Sumatera Utara, dengan tingkat kasus yang tinggi menurut Dinas Kesehatan Provinsi Sumatera Utara. TBC merupakan salah satu penyebab kematian di dunia dan terdapat berbagai gejala serta faktor yang dapat meningkatkan risiko infeksi. Tingginya angka kasus TBC di Sumatera Utara menekankan pentingnya identifikasi cluster untuk intervensi yang efektif. Penelitian tentang pengelompokan penyakit dengan teknik clustering menggunakan algoritma DBSCAN telah dilakukan oleh beberapa peneliti sebelumnya dan menunjukkan hasil yang baik. Oleh karena itu, penelitian ini bertujuan untuk mengelompokkan penyebaran TBC menggunakan DBSCAN. DBSCAN dipilih karena kemampuannya mengidentifikasi cluster dengan baik pada data yang memiliki densitas bervariasi. Algoritma DBSCAN diterapkan dengan parameter optimal yang ditentukan melalui Grid Search. Hasil optimal menunjukkan nilai epsilon 96 dan minPts 5, menghasilkan 3 cluster utama (tinggi, sedang, dan rendah) dengan Silhouette Coefficient 0.41176 dan Davies-Bouldin Index 1,194.  
Co-Authors Br Sitepu, Grace Natalia Friskila, Prawita Dwi Herimanto Herimanto Lumbantobing, Samuel Adika Siahaan, Ranty Deviana