Hidayatul Arifin, Muhammad
Unknown Affiliation

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

Found 3 Documents
Search

ESTIMASI RUTE TERDEKAT DARI UNIVERSITAS NEGERI MEDAN KE SPBU TERDEKAT MENGGUNAKAN ALGORITMA GREEDY Dobry Sianipar, Freyro; Hidayatul Arifin, Muhammad; Aulia, Windy; 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.v8i6.11803

Abstract

Penentuan rute terdekat merupakan masalah optimasi yang penting dalam berbagai bidang, terutama dalam transportasi dan navigasi. Penelitian ini bertujuan untuk mengestimasi rute terdekat dari Universitas Negeri Medan (Unimed) menuju beberapa Stasiun Pengisian Bahan Bakar Umum (SPBU) di sekitarnya dengan menggunakan algoritma Greedy. Algoritma Greedy dipilih karena kesederhanaannya dan kemampuannya untuk memberikan solusi yang cepat dengan memilih jarak terpendek pada setiap langkah. Meskipun demikian, algoritma ini hanya mempertimbangkan solusi lokal terbaik dan tidak menjamin solusi optimal secara global. Penelitian ini dilakukan secara perkiraan tanpa data geografis aktual, namun tetap memberikan pemahaman mendalam tentang cara kerja algoritma Greedy dalam kasus rute jarak dekat. Hasil penelitian menunjukkan bahwa algoritma Greedy dapat menghasilkan estimasi rute yang efisien dan cepat, meskipun solusi yang dihasilkan mungkin tidak selalu optimal secara keseluruhan. Peta visualisasi yang dihasilkan dari simulasi algoritma ini membantu memperjelas pola pergerakan yang dipilih. Penelitian ini memberikan wawasan tentang potensi penerapan algoritma Greedy dalam sistem navigasi sederhana dan bagaimana pendekatan ini dapat diadaptasi untuk skenario yang lebih kompleks di masa depan.
ANALISIS SENTIMEN MASYARAKAT TERHADAP LARANGAN PENGECER MENJUAL LPG 3 KG BERSUBSIDI MENGGUNAKAN ALGORITMA NAÏVE BAYES Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Amanah, Fadilla; Aulia, Windy; 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.v9i4.13883

Abstract

Kebijakan pemerintah yang melarang pengecer untuk menjual gas LPG 3 kg bersubsidi menghasilkan berbagai komentar di media sosial, terutama YouTube, di mana banyak komentar mengungkapkan kekhawatiran tentang kesulitan akses dan dampak ekonomi terhadap masyarakat kecil. Dengan menggunakan algoritma Naive Bayes, penelitian ini mengkaji sentimen publik terhadap kebijakan tersebut. Data dikumpulkan melalui proses scraping komentar YouTube; setelah itu, IndoBERT digunakan untuk melakukan pelabelan otomatis dan pembersihan data. Teknik SMOTE digunakan untuk mengatasi ketidakseimbangan kelas dalam dataset, sedangkan metode TF-IDF digunakan untuk mengekstraksi fitur teks. Hasil analisis menunjukkan bahwa 70% komentar bersentimen negatif, dan model multinomial Naive Bayes mencapai akurasi 85,67%. Penggunaan oversampling juga terbukti meningkatkan recall untuk kelas sentimen positif dan netral. Hasilnya menunjukkan bahwa untuk membuat kebijakan yang diterapkan lebih mudah dipahami dan diterima oleh masyarakat, pemerintah harus merevisi strategi komunikasi dan distribusi LPG bersubsidi.
PERBANDINGAN KINERJA KNN DAN SVM DALAM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN EKSTRAKSI FITUR HOG DAN LBP Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Impana Manik, Kristin; Defiyanti, Aqilah; Syahputra, Hermawan
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.v9i4.13972

Abstract

Pertumbuhan limbah yang semakin meningkat menimbulkan tantangan yang signifikan bagi upaya pelestarian lingkungan. Proses pemisahan sampah masih dilakukan secara manual dan sering kali tidak konsisten, yang merupakan kendala utama. Penelitian ini bertujuan untuk mengembangkan sistem yang menggunakan pengolahan citra untuk mengklasifikasikan sampah organik dan anorganik secara otomatis. Penelitian ini menggunakan dataset yang digunakan terdiri dari 1.800 citra dimana 900 organik dan 900 anorganik yang diekstraksi melalui Histogram of Oriented Gradients (HOG) dan Local Binary Pattern (LBP). Tahap preprocessing, yang mencakup pengubahan ukuran dan konversi ke grayscale. Selanjutnya, Principal Component Analysis (PCA) digunakan untuk mengurangi dimensi fitur HOG, kemudian digabungkan dengan fitur LBP dan diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF memiliki akurasi tertinggi sebesar 88,89%, sementara KNN dengan nilai k=5 memiliki akurasi sebesar 83,61%. Keunggulan SVM terletak pada kemampuan mereka untuk memaksimalkan margin pemisahan. Hasilnya menunjukkan bahwa metode penggabungan HOG dan LBP dengan klasifikasi berbasis SVM dapat meningkatkan akurasi pemisahan sampah secara otomatis. Hasil ini dapat mendorong upaya untuk mengurangi beban di TPA serta meningkatkan praktik daur ulang yang berkelanjutan.