Bush Henrydunan, John
Unknown Affiliation

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

Found 4 Documents
Search

PENERAPAN ALGORITMA DIJKSTRA UNTUK OPTIMASI RUTE TERPENDEK DARI FAKULTAS KEDOKTERAN UNIMED KE EMPAT GERBANG KAMPUS MENGGUNAKAN PYTHON Wahyudi, Rizky; Alfin, Muhammad; Bush Henrydunan, John; Harliana, Putri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11783

Abstract

Dengan semakin banyaknya kendaraan dan kompleksnya infrastruktur jalan di sekitar kampus, maka diperlukan sistem navigasi yang efisien. Hal tersebut akan menjadi langkah besar untuk meminimalkan waktu tempuh dan mengatasi kemacetan. Dalam penelitian ini, rute dari Fakultas Kedokteran menuju salah satu dari empat gerbang kampus akan ditetapkan sebagai rute optimal, dengan menggunakan data jarak Google Maps dan mengimplementasikan algoritma dengan Python. Metodologi penelitian ini melibatkan pengamatan aktualitas dan telaah pustaka untuk memperoleh informasi yang dapat diandalkan dan mendukung landasan teori. Terlihat bahwa algoritma Dijkstra cukup efektif dalam mengidentifikasi jalur terpendek, yang membantu dalam pengembangan sistem navigasi kampus dan memperluas pengetahuan dalam algoritma perencanaan rute. Penelitian ini mencakup pseudocode, kode, dan output program yang merepresentasikan rute yang tersedia beserta jaraknya. Hasil simulasi menunjukkan bahwa rute terpendek dari Fakultas Kedokteran ke Gerbang N melalui jalur R-M-O-N yang memiliki jarak 251 meter, hal ini menunjukkan efektivitas algoritma Dijkstra dalam mengidentifikasi rute optimal. Kesimpulannya menegaskan kembali keandalan dan efektivitas algoritma untuk navigasi kampus dan menegaskan kembali bahwa akurasi lebih lanjut dapat ditambahkan dengan menganalisis faktor lalu lintas dan memperluas sistem pemetaan.
KLASIFIKASI PENYAKIT MIGRAIN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Wahyudi, Rizky; Impana Manik, Kristin; Alfin, Muhammad; Bush Henrydunan, John; Haikal Al Majid, Muhammad; Saputra, Kana
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 2 (2025): MISI Juni 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i2.1587

Abstract

Migrain adalah gangguan neurologis yang dapat menurunkan kualitas hidup penderitanya. Diagnosis migrain umumnya dilakukan secara klinis berdasarkan riwayat medis pasien, namun metode ini sering bersifat subjektif dan berisiko mengalami kesalahan klasifikasi. Tujuan dari penelitian ini adalah untuk membuat model klasifikasi migrain berbasis Support Vector Machine (SVM) untuk diagnosis yang lebih tepat. Tahapan penelitian dimulai dengan pengumpulan dataset migrain dari Kaggle. Selanjutnya dilakukan analisis deskriptif untuk memahami karakteristik data. Pada tahap preprocessing, nilai yang hilang ditangani, outlier dideteksi dan dihapus menggunakan Interquartile Range (IQR) dan Winsorization, serta fitur numerik dinormalisasi dengan StandardScaler. Ketidakseimbangan kelas dalam dataset diatasi menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Model SVM dioptimalkan menggunakan GridSearchCV dengan parameter C, Gamma, dan kernel RBF. Tiga skema pembagian data yaitu 70:30, 80:20, dan 90:10 digunakan untuk mengevaluasi model menggunakan Akurasi, F1-Score, dan ROC-AUC.  Dengan akurasi sebesar 75,00%, F1-Score 70,03%, dan ROC-AUC 84,28%, hasil optimal dicapai pada rasio 70:30.  Temuan ini menunjukkan seberapa baik model SVM dapat mengkategorikan migrain.  Penelitian ini memajukan penggunaan pembelajaran mesin untuk diagnosis migrain yang lebih tepat dan dapat dipercaya.
ANALISIS FAKTOR KEPUTUSAN NASABAH BERLANGGANAN TERM DEPOSIT: PERBANDINGAN RANDOM FOREST DAN XGBOOST Wahyudi, Rizky; Impana Manik, Kristin; Alfin, Muhammad; Bush Henrydunan, John; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13881

Abstract

Pemasaran produk perbankan seperti term deposit memerlukan strategi yang tepat untuk meningkatkan tingkat langganan nasabah. Berbagai faktor yang memengaruhi keputusan nasabah menjadi tantangan bagi bank dalam menargetkan calon pelanggan potensial. Penelitian ini membandingkan performa Random Forest dan XGBoost dalam memprediksi keputusan nasabah menggunakan dataset Bank Marketing dari UCI Machine Learning Repository. Tahapan preprocessing mencakup pemeriksaan nilai hilang, penanganan outlier dengan IQR, transformasi fitur kategorikal menggunakan label encoding, dan oversampling dengan SMOTE. Evaluasi model dilakukan dengan accuracy, F1-Score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa XGBoost lebih unggul dibandingkan Random Forest, dengan accuracy 95,30%, F1-score 95,40%, dan ROC-AUC 95,29% pada rasio 80:20. Komunikasi dan durasi interaksi dalam pemasaran produk term deposit menjadi faktor paling signifikan dalam memengaruhi keputusan nasabah. Kesimpulan umum dari penelitian ini adalah XGBoost menjadi algoritma yang lebih efektif untuk prediksi keputusan nasabah berlangganan term deposit daripada Random Forest terutama dalam menangani data tidak seimbang dan hubungan non-linear.
PERANCANGAN APLIKASI “CINELIVRO” BERBASIS GLIDE UNTUK MENGATUR DAFTAR TONTONAN DAN BACAAN PRIBADI Bush Henrydunan, John; Hafiz, Alvin; Irya Shakila Syukron, Ananda; Simanjuntak, Yesy; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13943

Abstract

Perkembangan teknologi informasi dan aplikasi mobile semakin pesat, memberikan kemudahan dalam berbagai aspek kehidupan, termasuk pengelolaan daftar tontonan dan bacaan pribadi. Namun, banyak pengguna masih mengalami kesulitan dalam mengorganisasi film dan buku yang ingin mereka ikuti. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi CineLivro berbasis Glide dengan pendekatan no-code guna mempermudah pengguna dalam mencatat, mengelola, dan mengakses daftar tontonan serta bacaan mereka. Metode yang digunakan mencakup perancangan sistem berbasis Google Sheets sebagai basis data, implementasi fitur CRUD (Create, Read, Update, Delete), serta pengujian aksesibilitas dan keamanan data pengguna. Hasil pengujian menunjukkan bahwa aplikasi dapat berfungsi dengan baik dalam mengelola data film dan buku, serta memiliki fitur login berbasis email yang menjamin privasi pengguna. Implementasi no-code dengan Glide memungkinkan pengembangan aplikasi yang cepat dan efisien tanpa memerlukan keterampilan pemrograman yang kompleks. Dengan fitur yang mendukung kemudahan akses dan pengelolaan data secara personal, CineLivro diharapkan menjadi solusi efektif bagi pengguna dalam mengatur aktivitas hiburan mereka secara lebih terstruktur dan fleksibel.