Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Defiyanti, Aqilah
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS POPULARITAS GENRE FILM DI INDONESIA MENGGUNAKAN ALGORITMA DECISION TREE Dobry Sianipar, Freyro; Irya Shakila Syukron, Ananda; Defiyanti, Aqilah; Hafiz, Alfin; Dly, Revidamurti; Ramadhani, Fanny; Arnita, Arnita
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.v9i4.13841

Abstract

Industri perfilman di Indonesia mengalami pertumbuhan pesat dengan semakin beragamnya genre yang diminati oleh penonton. Namun, pola popularitas genre film masih menjadi tantangan dalam pengambilan keputusan industri. Penelitian ini bertujuan untuk menganalisis faktor yang memengaruhi popularitas genre film di Indonesia dengan menerapkan algoritma Decision Tree. Data yang digunakan berasal dari The Movie Database (TMDb) mencakup 3.000 film dari tahun 2015 hingga 2024, dengan variabel utama berupa jumlah penonton dan rating. Proses analisis mencakup tahapan preprocessing data, transformasi data, serta penyeimbangan kelas menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa rating merupakan faktor dominan dalam menentukan popularitas genre film, diikuti oleh genre Romance, Drama, dan Horror. Model Decision Tree yang diterapkan memiliki akurasi sebesar 72,98% dalam mengklasifikasikan film populer dan tidak populer. Temuan ini memberikan kontribusi terhadap pemahaman preferensi penonton di Indonesia dan dapat menjadi acuan bagi industri perfilman dalam menyusun strategi produksi dan pemasaran yang lebih efektif. Berbeda dengan penelitian sebelumnya yang berfokus pada sistem rekomendasi atau analisis faktor individu, penelitian ini menawarkan pendekatan klasifikasi genre film berdasarkan kombinasi jumlah penonton dan rating, sehingga memberikan perspektif yang lebih komprehensif dalam mengidentifikasi tren popularitas film di Indonesia.
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.
Co-Authors Amelia Vega S. Meliala, Ruth Arnita Arnita Dly, Revidamurti Dobry Sianipar, Freyro Hafiz, Alfin Hermawan Syahputra Hidayatul Arifin, Muhammad Impana Manik, Kristin Irya Shakila Syukron, Ananda Ramadhani, Fanny