Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil)
Situmorang, Angga Zefanya
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Klasifikasi Sampah Organik dan Anorganik Menggunakan Algoritma CNN Purba, Michael Emmanuel; Situmorang, Angga Zefanya; Br Ginting, Geby Laurent; Lubis, Muhammad Wahyu Pratama; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1510

Abstract

Penelitian ini mengembangkan sistem klasifikasi sampah menggunakan algoritma Convolutional Neural Network (CNN) untuk membedakan sampah organik dan anorganik. Arsitektur CNN yang digunakan terdiri dari input layer berukuran 150 x 150 x 3, tiga lapisan konvolusi dengan filter 3x3 yang jumlahnya bertambah secara bertahap (32, 64, dan 128), dilengkapi dengan fungsi aktivasi ReL-U dan lapisan MaxPooling 2x2. Model juga menggunakan dense layer dengan 128 neuron, dropout 0.5, dan output layer dengan aktivasi sigmoid. Dalam proses pelatihan, model dikompilasi menggunakan optimizer Adam dengan learning rate 0.001 dan binary crossentropy sebagai loss function. Hasil evaluasi menunjukkan bahwa model mencapai akurasi yang sangat baik sebesar 94.88% pada data uji, membuktikan efektivitas model dalam mengklasifikasikan sampah. Tingkat akurasi yang tinggi ini menunjukkan bahwa arsitektur CNN yang dirancang mampu mempelajari dan mengenali pola-pola penting dari citra sampah dengan baik. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem pemilahan sampah otomatis yang dapat membantu meningkatkan efisiensi pengelolaan sampah. Model yang dikembangkan memiliki potensi besar untuk diimplementasikan dalam aplikasi praktis dan dapat diandalkan untuk sistem klasifikasi sampah yang efektif.
Perbandingan Pengklasifikasian Penyakit Parkinson Menggunakan Algoritma Naive Bayes, Random Forest, dan Regresi Logistik Purba, Michael Emmanuel; Situmorang, Angga Zefanya; Lubis, Muhammad Wahyu Pratama
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1466

Abstract

Penyakit Parkinson (PP) merupakan kondisi neurodegeneratif kronis dan progresif yang menjadi penyebab kedua tertinggi setelah Alzheimer. Penyakit ini disebabkan oleh kerusakan sel saraf pada substantia nigra dan akumulasi protein abnormal berupa Lewy bodies, dengan prevalensi yang meningkat pada kelompok usia lanjut. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes, Random Forest, dan Regresi Logistik dalam mengklasifikasikan penyakit Parkinson menggunakan dataset dari Kaggle yang terdiri dari 2.105 data dengan 35 atribut. Tahapan preprocessing mencakup penghapusan atribut yang tidak relevan, pengecekan distribusi kelas, serta pembagian data latih dan uji secara stratifikasi. Hasil evaluasi menunjukkan bahwa algoritma Random Forest memiliki performa terbaik dengan skor ROC mencapai 0,97, menjadikannya model paling efektif untuk mendukung diagnosis dini penyakit Parkinson secara cepat, akurat, dan efisien.
Co-Authors Br Ginting, Geby Laurent Lubis, Muhammad Wahyu Pratama Purba, Michael Emmanuel Sinaga, Frans Mikael