Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK)
Yulianty Lasena
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
Klasifikasi Kondisi Ekonomi Masyarakat Menggunakan Metode K-Nearest Neighbor Annahl Riadi; Yulianty Lasena; Sinta Suleman; Olhan Nurani
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 3 No 2 (2024): November 2024
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v3i2.1195

Abstract

Perekonomian yang sangat mungkin bahwa masalah ekonomi akan mengalami perubahan dan perkembangan secara terus menerus dari sebagian masyarakat. Salah satu masalah yang sering dihadapi oleh masyarakat adalah ketimpangan ekonomi, ini dapat menyebabkan perbedaan pendapatan yang signifikan antara kelompok sosial yang berbeda, kemudian berdampak pada akses layanan penting seperti pendidikan, rumah yang layak, dan perawatan kesehatan. Meningkatnya pertumbuhan penduduk di Desa Moutong saat ini menyebabkan pemerintah desa merasa kesulitan dalam melakukan pendataan walaupun telah disediakan sarana dan prasarana tetepi sarana berupa komputer yang diberikan pemerintah pusat terbilang kurang, oleh sebab itu pelayanan pada pendataan penduduk saat ini masih dilakukan secara manual ditambah dengan tidak adanya aplikasi pendukung yang mampu mengelompokan data sesuai dengan kriteria yang telah ditentukan. Oleh karena itu, diperlukan pengklasifikasian yang dapat mengklasifikasi kondisi ekonomi masyarakat. Dalam hal ini, penulis menggunakan algoritma K-Nearest Neighbor untuk mengklasifikasi permasalahan tersebut. Dapat diketahui hasil penerapan metode KNN dalam membangun sistem klasifikasi kondisi ekonomi masyarakat dengan mendapatkan hasil akurasi sebesar 94% untuk nilai K = 3. Hasil akurasi tersebut dapat di kategorikan bahwa aplikasi yang dibuat layak untuk digunakan dalam klasifikasi kondisi ekonomi masyarakat. Kata Kunci: Klasifikasi, Kondisi Ekonomi, K-Nearest Neighbor
KLASIFIKASI BERITA ONLINE PADA LIPUTAN 6 MENGGUNAKAN METODE KNN Andika Tri Saputra; Yasin Aril Mustofa; Yulianty Lasena; Irma Surya Kumala Idris
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 4 No 1 (2025): Mei 2025
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v4i1.1476

Abstract

Abstrak - Penelitian ini bertujuan untuk menguji efektivitas metode klasifikasi KNN dalam mengklasifikasi berita online pada Liputan 6. Data yang digunakan dalam penelitian ini adalah data berita online dari Liputan 6 yang diterbitkan pada tanggal 19 November 2023 s/d tanggal 25 November 2023 sebanyak 788 judul berita. Data tersebut meliputi judul berita, tanggal berita, link berita dan kelas berita. Hasil penelitian menunjukkan bahwa metode klasifikasi KNN dapat mengklasifikasi berita online pada Liputan 6 dengan akurasi sebesar 91% untuk 6 kelas berita yang berbeda, yaitu kelas Bisnis, Pemilu, Islami, Showbiz, Bola dan Tekno Hasil penelitian ini menunjukkan bahwa metode klasifikasi KNN dapat digunakan untuk melakukan klasifikasi berita online dengan baik dan benar. Kata Kunci: data mining, klasifikasi, KNN, TF-IDF, berita online, Liputan6
Klasifikasi Citra Penyakit Gigi Menggunakan Metode Gabor Filter Dan K-Nearest Neighbor Yulianty Lasena; Citra Yustitya Gobel; Fitria Anggraini
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 4 No 2 (2025)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v4i2.1194

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan citra penyakit gigi menggunakan metode K-Nearest Neighbor(K-NN), dengan fokus pada peningkatan akurasi klasifikasi. Hasil menunjukan bahwa meskipun penerapanK-NN menghasilkan akurasi yang meningkat dengan nilai recall tertinggi , nilai precision belum tercapai tingkat optimal. Meskipun model mencapai akurasi tertinggi pada k=3 dengan 60%, nilai precision hnya 55%, menyoroti kebutuhan untuk meningktkan kinerja keseluruhan metode. Penelitian ini memberikan dasar untuk penelitian lebih lanjut dalam pengembangan teknik klasifikasi citra untuk diagnosis penyakit gigi dengan lebih akurat Kata Kunci: Klasifikasi citra, Penyakit gigi, Gabor filter, K-Nearest Neighbor, Akurasi
Co-Authors Andika Tri Saputra Annahl Riadi Citra Yustitya Gobel Fitria Anggraini Irma Surya Kumala Idris Olhan Nurani Sinta Suleman Yasin Aril Mustofa