Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal (JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Dewi Lusiana Pater
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Mathematics

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

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Peringatan Dini Bencana Banjir Berbasis Iot Menggunakan Metode Fuzzy Sugeno Muhammad Iqbal Dwiyanto; Ari Eko Wardoyo; Dewi Lusiana Pater
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 10 No. 1 (2025): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v10i1.2670

Abstract

Penelitian ini mengembangkan sistem peringatan dini banjir berbasis Internet of Things (IoT) menggunakan metode Fuzzy Sugeno untuk meningkatkan akurasi dan kecepatan deteksi risiko banjir. Sistem memanfaatkan sensor tipping bucket untuk curah hujan, sensor ultrasonik untuk ketinggian air, dan sensor waterflow untuk kecepatan aliran air. Data dari sensor diolah menggunakan mikrokontroler ESP32 dan algoritma Fuzzy Sugeno, menghasilkan status risiko banjir dalam tiga kategori: "Aman," "Siaga," dan "Bahaya." Notifikasi dikirimkan secara real-time melalui aplikasi Kodular yang dirancang untuk memudahkan pengguna. Hasil pengujian menunjukkan akurasi sistem hingga 95%, dengan respons alarm yang cepat, rata-rata kurang dari satu menit pada kondisi kritis. Kontribusi utama penelitian ini terletak pada integrasi sensor yang komprehensif dan metode pengolahan data yang akurat meskipun terdapat ketidakpastian lingkungan. Namun, sistem memiliki keterbatasan, seperti belum diuji pada skala besar dan ketahanan komponen dalam kondisi lingkungan ekstrem yang memerlukan penelitian lebih lanjut. Sistem ini menawarkan solusi inovatif untuk mitigasi bencana banjir dan dapat dikembangkan lebih lanjut untuk meningkatkan efektivitasnya dalam berbagai kondisi.
Analisis Perbandingan Algoritma Decision Tree Dan Random Forest Terhadap Klasifikasi Kualitas Buah Apel Dimas Nur Hazikin; Hardian Oktavianto; Dewi Lusiana Pater; Daryanto; Qurotta A’yun
(JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Vol. 1 No. 4 (2025): Volume 1 Nomor 4 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Apel merupakan salah satu komoditas unggulan di Indonesia yang kualitasnya perlu diklasifikasikan secara tepat untuk menjaga nilai jual. Proses klasifikasi manual masih sering digunakan, namun memiliki kelemahan dari sisi waktu, biaya, dan akurasi. Penelitian ini bertujuan membandingkan kinerja algoritma Decision Tree dan Random Forest dalam klasifikasi kualitas buah apel. Data penelitian diperoleh dari dataset Kaggle dengan atribut ukuran, berat, tingkat kemanisan, kerenyahan, kelembapan, kematangan, dan keasaman. Metode penelitian meliputi preprocessing, pembagian data, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan random forest mendapatkan tinggkat akurasi 90% dan tingkat akurasi Decision Tree 81% maka dapat ditarik kesimpulan bahwa algoritma Random Forest merupakan metode yang lebih unggul dibandingkan dengan Decision TreeSelain itu, dalam penelitian ini juga dilakukan pengujian dengan beberapa rasio pembagian data latih (training) dan data uji (testing), yaitu (90/10, 80/20, 70/30, 60/40, 50/50). Dari hasil pengujian tersebut, diperoleh bahwa rasio 80/20 menghasilkan tingkat akurasi yang paling tinggi dibandingkan rasio lainnya.
Co-Authors Ari Eko Wardoyo Daryanto Dimas Nur Hazikin Muhammad Iqbal Dwiyanto Oktavianto, Hardian Qurotta A’yun