Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Bulletin of Information Technology (BIT)
Latifah Hasibuan, Najwa
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
ANALISIS KINERJA PENCARIAN FILE DENGAN FIND DAN LOCATE PADA RED HAT 9.0 Latifah Hasibuan, Najwa; Khoiriah, Najwatul; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12679

Abstract

Pencarian file merupakan salah satu fungsi utama dalam sistem operasi Linux, termasuk pada Red Hat 9.0. Artikel ini membandingkan kinerja dua perintah pencarian file, yaitu find dan locate, yang memiliki pendekatan berbeda. Perintah find bekerja langsung pada sistem file, sementara locate menggunakan database indeks untuk pencarian yang lebih cepat. Penelitian ini menggunakan metode eksperimen komparatif dengan mengukur waktu eksekusi, penggunaan CPU, memori, serta fleksibilitas pencarian pada berbagai ukuran direktori (100, 1.000, dan 10.000 file). Hasil penelitian menunjukkan bahwa find lebih efisien dalam penggunaan CPU, terutama pada direktori kecil, namun membutuhkan lebih banyak memori dibandingkan locate. Sebaliknya, locate lebih cepat dalam pencarian sederhana tetapi bergantung pada pembaruan database yang memengaruhi akurasi. Kesimpulan dari penelitian ini merekomendasikan penggunaan find untuk pencarian kompleks dan locate untuk pencarian cepat pada data yang stabil.
EVALUASI PERBANDINGAN TEKNIK OVERSAMPLING TERHADAP KINERJA RANDOM FOREST DALAM MENDETEKSI TRANSAKSI HARI SPESIAL DI E-COMMERCE Muslim Sinaga, Rizal; Afrrahman S. Effendi, Ali; Latifah Hasibuan, Najwa; Asro Harahap, Fatimah; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14156

Abstract

Perkembangan pesat e-commerce, khususnya pada event-event spesial seperti Harbolnas dan Black Friday, mengarah pada permasalahan ketidakseimbangan data dalam klasifikasi transaksi. Pada hari biasa, jumlah transaksi lebih banyak dibandingkan dengan hari spesial, yang menyebabkan model machine learning cenderung bias. Penelitian ini bertujuan untuk membandingkan teknik-teknik oversampling seperti Random Oversampling, SMOTE, ADASYN, dan Borderline-SMOTE untuk menyeimbangkan data dalam klasifikasi transaksi e-commerce. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif, di mana dataset transaksi e-commerce diproses dengan berbagai teknik oversampling untuk memperbaiki ketidakseimbangan kelas. Data yang telah diproses kemudian digunakan untuk pelatihan model klasifikasi dengan algoritma Random Forest. Evaluasi dilakukan dengan metrik Precision, Recall, dan F1-Score untuk mengukur kinerja model dalam mengklasifikasikan data yang telah disesuaikan. Hasil penelitian menunjukkan bahwa teknik SMOTE memberikan hasil yang lebih baik dalam meningkatkan keseimbangan antara Precision, Recall, dan F1-Score, dibandingkan dengan teknik oversampling lainnya. Penelitian ini menyarankan penggunaan teknik SMOTE untuk meningkatkan akurasi dalam klasifikasi transaksi e-commerce pada hari spesial
Face Recognition Motorcycle Rider Registration System for Rider Data Management Saputra S, Kana; Taufik, Insan; Ramadhani, Irham; Sasalia S, Putri; Syawali, Yusfi; Yusuf, Dede; Nadilla Putri, Rezkya; Latifah Hasibuan, Najwa; Hafiz Harahap, Fauzan
Bulletin of Information Technology (BIT) Vol 6 No 3: September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v6i3.2157

Abstract

This research aims to develop a motorcycle rider registration system using facial recognition technology that can improve the efficiency of rider data management. This system is designed to identify and authenticate riders with high accuracy, thereby simplifying the registration and monitoring process. The methods used in this research include collecting rider facial data through cameras, image processing for feature extraction, and implementing a facial recognition algorithm. Testing was conducted in several locations with varying lighting conditions and viewing angles to ensure the system's robustness. The results show that the developed system is capable of achieving facial recognition accuracy of up to 95%. In addition, this system provides an intuitive user interface to facilitate the registration and data management process. With the implementation of this system, it is expected to reduce the time and costs required in managing motorcycle rider data, as well as improve safety and comfort while riding.
Co-Authors Afrrahman S. Effendi, Ali Asro Harahap, Fatimah Dedy Kiswanto Fachry Abda El Rahman Hafiz Harahap, Fauzan Insan Taufik Irham Ramadhani Kana Saputra S Khoiriah, Najwatul Muslim Sinaga, Rizal Nadilla Putri, Rezkya Ramadhani, Fanny Sasalia S, Putri Syawali, Yusfi