p-Index From 2021 - 2026
8.747
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Proceeding of the Electrical Engineering Computer Science and Informatics E-Dimas: Jurnal Pengabdian kepada Masyarakat Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research SISFOTENIKA JURNAL INTEGRASI IT JOURNAL RESEARCH AND DEVELOPMENT JURNAL REKAYASA TEKNOLOGI INFORMASI JURNAL PENGABDI ILKOM Jurnal Ilmiah METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Digital Zone: Jurnal Teknologi Informasi dan Komunikasi MIND (Multimedia Artificial Intelligent Networking Database) Journal JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) EXPLORE METIK JURNAL JISKa (Jurnal Informatika Sunan Kalijaga) Sains, Aplikasi, Komputasi dan Teknologi Informasi JUKI : Jurnal Komputer dan Informatika Indonesian Journal of Data and Science Infotek : Jurnal Informatika dan Teknologi PLAKAT : Jurnal Pelayanan Kepada Masyarakat Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) Jurnal Kesehatan Saintika Meditory JUSTIN (Jurnal Sistem dan Teknologi Informasi) Transformasi Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer EXPLORE Indonesian Journal of Informatic Research and Software Engineering Journal of Technology Research in Information System and Engineering Malcom: Indonesian Journal of Machine Learning and Computer Science Data Sciences Indonesia (DSI) Adopsi Teknologi dan Sistem Informasi Jurnal Masyarakat Madani Indonesia Jurnal Pengabdian Pada Masyarakat JEECS (Journal of Electrical Engineering and Computer Sciences) Journal of Data Mining and Information Systems Journal of Computer Science and Information Technology Inovasi Teknologi Masyarakat KETIK : Jurnal Informatika
Claim Missing Document
Check
Articles

Analisis Klaster Produksi Cabai Menggunakan K-Means dan DBSCAN Berdasarkan Evaluasi Silhouette dan DBI Rahman, Muhammad Ridwanansyah; Pangestu, Jovan Bagas; Wati, Masna; Widians, Joan Angelina
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 1 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i1.26864

Abstract

Cabai rawit (Capsicum frutescens) dan cabai keriting (Capsicum annuum) merupakan komoditas hortikultura strategis di Indonesia yang rentan terhadap fluktuasi harga akibat ketimpangan distribusi produksi antar provinsi. Penelitian ini bertujuan mengelompokkan 37 provinsi di Indonesia berdasarkan variabel produksi (kuintal) dan luas panen (hektare) kedua jenis cabai menggunakan algoritma K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Data bersumber dari dua dataset Badan Pusat Statistik (BPS) tahun 2025 yang diintegrasikan menjadi satu dataset terpadu. Pra-pemrosesan meliputi integrasi data, penghapusan data tidak lengkap (Papua Selatan), dan normalisasi menggunakan Z-Score Standardization. Penentuan jumlah klaster optimal K-Means dilakukan melalui Elbow Method dan divalidasi dengan Silhouette Score serta Davies-Bouldin Index (DBI), menghasilkan k=3 sebagai konfigurasi terbaik (Silhouette=0,802; DBI=0,387). Parameter DBSCAN ditetapkan melalui analisis grafik k-distance dan trial and error (ε=1,6; MinPts=3), menghasilkan tiga klaster dengan Jawa Timur teridentifikasi sebagai noise (Silhouette=0,811; DBI=0,573). K-Means unggul dalam separabilitas klaster (DBI lebih rendah), sedangkan DBSCAN unggul dalam kekompakan internal (Silhouette lebih tinggi). Tiga profil klaster K-Means terbentuk: Klaster Rendah (30 provinsi), Klaster Sedang (6 provinsi), dan Klaster Tinggi (1 provinsi: Jawa Timur). Hasil penelitian diharapkan menjadi acuan perumusan kebijakan pangan berbasis data di Indonesia.
Integrasi Metode AHP-SAW pada Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi Nadifa Salsabila Purnomo; Raudhya Azzahra; Rachmat Ragil Iskandar; Sabina Nurlatifah Aurelia; Masna Wati
KETIK : Jurnal Informatika Vol. 3 No. 03 (2026): Januari
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/ketik.v3i03.422

Abstract

Optimalisasi potensi siswa agar dapat mencapai prestasi unggul merupakan aspek penting dalam dunia pendidikan. Pemilihan siswa berprestasi berperan dalam meningkatkan motivasi serta mengidentifikasi bakat yang dapat dikembangkan lebih lanjut. Saat ini, proses seleksi masih bersifat konvensional berdasarkan nilai rapor, yang dinilai kurang efisien dan subjektif, terutama ketika jumlah siswa yang dinilai cukup banyak. Hal ini dapat berisiko menghasilkan keputusan yang kurang akurat. Sistem pendukung keputusan dapat meningkatkan objektivitas, efektivitas, dan efisiensi dalam pemilihan siswa berprestasi. Metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) dipilih karena terbukti efektif dalam menentukan bobot kriteria serta menghasilkan perankingan yang akurat. Pemanfaatan teknologi membuat proses seleksi lebih terstruktur dan tepat sasaran. Sistem yang dihasilkan dalam penelitian ini bisa membantu pihak sekolah ketika menentukan siswa berprestasi melalui proses penilaian yang lebih transparan, konsisten, dan sesuai standar pengambilan keputusan yang berlaku di sekolah.
Analisis Perbandingan Metode K-Means dan DBSCAN dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Kasus Penyakit Wahyu Aditya; Razib Ramadhan; Masna Wati; Joan Angelina Widians
JDMIS: Journal of Data Mining and Information Systems Vol. 4 No. 2 (2026): August 2026
Publisher : Yayasan Pendidikan Penelitian Pengabdian Algero

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/jdmis.v4i2.7676

Abstract

This study compares the performance of K-Means and DBSCAN algorithms in clustering 38 Indonesian provinces based on six infectious disease indicators in 2025, namely Tuberculosis (TB), HIV/AIDS, leprosy, malaria, and Dengue Hemorrhagic Fever (DHF). The uneven distribution of diseases across regions requires accurate mapping for targeted public health interventions. The research stages included handling missing values with median imputation, Z-Score normalization, clustering modeling, and evaluation using Silhouette Score, Davies-Bouldin Index (DBI), and Calinski-Harabasz Index (CHI) metrics. Evaluation results indicate that the DBSCAN algorithm (eps=1.2, MinPts=2) consistently outperformed K-Means (K=6) across all three parameters. DBSCAN achieved a Silhouette Score of 0.6282, DBI of 0.4059, and CHI of 21.8583, whereas K-Means only reached a Silhouette Score of 0.4395, DBI of 0.6349, and CHI of 15.8653. DBSCAN's superiority lies in its ability to isolate extreme outliers, such as malaria cases in Papua and DHF in Bali, as noise. In conclusion, DBSCAN is proven to be more robust and representative for clustering national-scale epidemiological data with right-skewed distributions. The resulting cluster map can be utilized by the government to prioritize specific and targeted health program allocations in each region.
Application of K-Means Clustering Algorithm for Air Quality Pattern Analysis in Jakarta Muhammad Arya Fayyadh Razan; Nur Juzieatul Alifah; Qurrata A’yuni; Masna Wati; Haviluddin -
JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 8 No. 1 (2025): Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jutikomp.v8i1.7028

Abstract

Air pollution in urban areas, particularly in Jakarta, is a significant issue that impacts public health and environmental quality. This study aims to analyze air quality patterns in Jakarta from 2010 to 2023 using the K-Means Clustering method based on Air Pollution Standard Index (ISPU) data. Data processing stages based on the CRISP-DM methodology are applied to process and analyze data systematically. The stages include business understanding, data understanding, data preparation, modeling, and evaluation. The results showed that the data were divided into three distinct clusters: healthy, unhealthy, and moderate. Cluster 0, which includes stations DKI1 and DKI2, shows better air quality, while cluster 2, which consists of stations DKI3, DKI4, and DKI5, shows higher pollution levels. These findings offer valuable insights for policymakers in developing more effective air pollution control strategies. Thus, the results of this study not only contribute to the understanding of air quality in Jakarta but also emphasize the need for data-driven mitigation actions to improve public health and the environment.  
Body Mass Index Estimation Based on Height and Weight Using Image Processing Muhammad Muchlis Abimanyu; Anindita Septiarini; Masna Wati; Andi Tejawati
JEECS (Journal of Electrical Engineering and Computer Sciences) Vol. 11 No. 2 (2026): December
Publisher : Fakultas Teknik Universitas Bhayangkara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54732/jeecs.v11i2.5

Abstract

Body Mass Index (BMI) is a widely used indicator for evaluating body proportions and individual health status. Traditional measurement methods require direct physical contact and are time-consuming. Previous studies have utilized image-based BMI measurement using controlled backgrounds. However, this limitation restricts their application in real-world settings. Moreover, no studies have combined background-independent segmentation with a camera-parameter-based conversion from pixels to physical units, leaving accurate, background-agnostic BMI estimation an open problem. This research addresses this gap using digital image processing on front-view and side-view human body images. The proposed methods include body segmentation using the U²-Net deep learning model, height estimation using pinhole camera projection approach that accounts for camera parameters (focal length, sensor size, camera distance), and weight estimation based on body volume modeling using an elliptical tube slice geometry. The body is treated as a stack of elliptical cross-sections whose width and depth are read from the front- and side-view silhouettes and summed into a total volume. Calibration and correction factors were determined through numerical optimization to obtain optimal global values. The dataset consists of 120 body images collected from 20 subjects. Experimental results show that the system achieves an accuracy of 96.2% (MAE 6.0 cm, RMSE 7.6 cm, MAPE 3.8%) for height estimation and 82.3% (MAE 9.7 kg, RMSE 13.2 kg, MAPE 17.7%) for weight estimation. BMI category classification accuracy reaches 60%. The use of U²-Net enables body segmentation without requiring a controlled background, making the system more flexible and applicable for real-world environments.
Penerapan K-Means Clustering dalam Analisis URL Phishing untuk Identifikasi Risiko Keamanan Menggunakan Model PCA Tua Delima Sitompul; Davina Putri Ananta; Muhammad Rafif Hanif; Masna Wati; Haviluddin
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 2 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i2.2887

Abstract

Phishing merupakan ancaman siber yang terus berkembang, dan metode deteksi berbasis daftar hitam memiliki keterbatasan signifikan dalam mengidentifikasi situs phishing baru. Penelitian ini menerapkan K-Means Clustering untuk mengelompokkan URL phishing berdasarkan karakteristiknya, menggunakan dataset PhiUSIIL Phishing URL dengan 235.795 sampel. Melalui preprocessing data yang komprehensif, analisis jumlah klaster optimal menggunakan Silhouette Score menghasilkan k = 2 dengan skor 0,972 pada pendekatan hibrid yang menggunakan fitur URLLength dan IsDomainIP. Hasil visualisasi melalui PCA dan t-SNE menunjukkan pemisahan klaster yang sangat jelas, mengonfirmasi bahwa kombinasi sederhana dari dua fitur dapat secara efektif membedakan URL phishing dari URL normal. Penelitian ini membuktikan bahwa K-Means Clustering menawarkan solusi yang lebih adaptif dibandingkan metode berbasis daftar hitam dalam deteksi phishing, dengan kemampuan mengenali pola serangan baru tanpa memerlukan data berlabel.
Perbandingan Algoritma K-Means dan DBSCAN dalam Segmentasi Profil Risiko dan Keuntungan Saham di Bursa Efek Indonesia: Comparison of K-Means and DBSCAN Algorithms in Segmenting Risk and Profit Profiles of Stocks on the Indonesia Stock Exchange Mawla, Zeydan Fazle; Aryanda, Dwiki Aprilian; Wati, Masna; Widians, Joan Angelina
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.2754

Abstract

Tingginya dinamika fluktuasi harga saham harian menuntut investor untuk memiliki strategi portofolio yang presisi. Algoritma clustering tradisional seperti K-Means seringkali rentan dan bias terhadap data pencilan (outliers). Penelitian ini membandingkan kinerja algoritma K-Means dan DBSCAN dalam menyegmentasikan profil risiko dan keuntungan saham indeks IDX30. Metodologi yang digunakan berbasis Knowledge Discovery in Databases (KDD) dengan mengekstraksi fitur ekspektasi keuntungan dan volatilitas harian. Evaluasi arsitektur klaster diukur secara komparatif menggunakan Silhouette Score, Davies-Bouldin Index (DBI) dan Dunn Index. Hasil penelitian membuktikan bahwa DBSCAN jauh lebih unggul dibandingkan K-Means. DBSCAN memperoleh Silhouette Score tertinggi sebesar 0.518, DBI terendah sebesar 0.481 dan Dunn Index tertinggi sebesar 0.245, sedangkan K-Means hanya mencapai 0.391, 0.810, dan 0.200. DBSCAN terbukti secara efektif memisahkan lima saham anomali yang sangat spekulatif sebagai noise (saham gorengan), serta mengelompokkan sisa emiten secara akurat ke dalam klaster moderat dan agresif tanpa tumpang tindih
Deteksi dan Klasifikasi Penyakit Daun Jeruk Menggunakan Model You Only Look Once Ummul Hairah; Andi Tejawati; Anindita Septiarini; Masna Wati; Novianti Puspitasai; Diky Dwicandra; Faza Alameka
Jurnal Rekayasa Teknologi Informasi Vol. 10 No. 3 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/1j3yfm81

Abstract

Identifikasi penyakit daun jeruk secara cepat diperlukan untuk mendukung pengendalian penyakit sebelum gejala berkembang lebih luas. Penelitian ini mengevaluasi YOLOv8n, YOLOv9t, YOLOv10n, dan YOLO11n pada dataset Citrus Common Leaf 2020 (CCL'20) yang terdiri atas 2.684 citra dan 10.332 anotasi. Tiga kelas penyakit, yaitu Anthracnose, Bacterial Brown Spot, dan Melanose, dievaluasi pada level objek, sedangkan 427 citra Healthy diperlakukan sebagai citra latar dan dianalisis bersama ketiga kelas penyakit pada level citra. Pengujian menggunakan tiga rasio pembagian data, yaitu 80:10:10, 70:15:15, dan 60:20:20. Pada skenario 80:10:10, YOLOv10n memperoleh mAP50-95 sebesar 0,9373 dan YOLOv9t sebesar 0,9368. Kedua nilai tersebut tergolong tinggi dan kompetitif dalam konteks benchmark CCL'20 karena melampaui YOLOv7 (0,9260), walaupun masih di bawah YOLOv8s teroptimasi (0,9610) pada studi lain; perbandingan ini bersifat kontekstual karena konfigurasi eksperimen berbeda. YOLOv9t menunjukkan rentang performa paling kecil pada tiga skenario, sedangkan YOLOv10n mencapai 151,7 FPS dengan waktu inferensi 6,59 ms per citra. Evaluasi level citra menghasilkan akurasi 85,13%, dengan seluruh citra Healthy teridentifikasi secara tepat. Hasil penelitian menunjukkan bahwa peningkatan generasi YOLO tidak selalu menghasilkan peningkatan akurasi yang konsisten, sehingga pemilihan model perlu mempertimbangkan akurasi, kestabilan, dan efisiensi komputasi secara bersamaan.
Co-Authors -, Haviluddin Abdul Hadi Ade Chrisvitandy Adelowys Sinaga AHMAD ANSYORI Ahmad Nur Fauzan Aiman, Ahmad Zuhair Nur Ajay, Muhammad Akhmad Masyudi Alameka, Faza Alfajriani Alfajriani Alfrina Mewengkang Ali Sholihin Alifah, Nur Juzieatul Alqarani, Hudzaifah Alyani Noor Septalia Ambon, Matelda Yunanta Andi Maulana Andi Maulana, Andi Anggari, Ricky Anindita Septiarini, Anindita Anton Prafanto Arabi, Muhammad Amin Quthbi Aryanda, Dwiki Aprilian Asmita, Rizka Awang Harsa Kridalaksana Awang Zheri Rhesvianur Ayu Rusnawati A’yuni, Qurrata Bahtiar , Andi Alfian Bambang Cahyono Bambang Cahyono Bandhaso, Victor Bramantyo, Dimas Ari Brins Leonard Pailan Budiman, Edy Burhandenny, Aji Ery Cahyani, Oktari Indi Davina Putri Ananta Delvina Dwiani Samjar Didit Suprihanto, Didit Diky Dwicandra Dwi Kinasih Widiyati Engla Despahari Eny Maria Ervan, Muhamad Gusti Keyandi Evi Wildana Fadli Suandi Farisha Rizky Amalia Farizi, Syafiq Hafizh Fauzan, Ammar Nabil Faza Alameka Faza Alameka Fenny Indar Firdaus, Ardhifa Firdaus, Muhammad Firdaus, Muhammad Bambang Gading, Fazri Rahmad Nor Geni, Siti Putri Lenggo Gideon Simalango, Yanuar Hairah, Ummul Hairah, Ummul Hamdani Hamdani Hamdani Hamdani Hariati Hariati Hatta, Heliza Rahmania Haviluddin Haviluddin , Haviluddin Haviluddin - Haviluddin Haviluddin Heliza Rahmania Hatta, Heliza Rahmania Hendi Herman Santoso Pakpahan Hidayat, Irfan Arman Hijratul Aini Hutagalung, Wilson Boyaron Hutapea, Vedra Dian Sierrafina Ifandi, Muhammad Iin Nurkarima Islamiyah Islamiyah Joan Angelina Widians, Joan Angelina Kesuma, Muhammad Afrizal Kheyene Molekandella Boer Latifa Latifa Lili, Juniver Veronika Lubis, Ferry Miechel Manik, Filipus Adriel Mawla, Zeydan Fazle Maya Agustina Medi Taruk Mega Yoalifa Merry, Felisitas Mochammad Taufiq As'arie Muhammad Abdillah Muhammad Aidil Ilham Muhammad Arya Fayyadh Razan Muhammad Bambang Firdaus Muhammad Firdaus Muhammad Ifandi Muhammad Muchlis Abimanyu Muhammad Rafif Hanif Muhammad Rasyid, Muhammad Muhammad Riva Fachrodhiya Mu’nisah Assisi Nadifa Salsabila Purnomo Nanda Arianto Nggotu, Antonieta Aryuka Paskalia Novianti Puspitasai Novianti Puspitasari Nugraha, Cellia Auzia Nupa, Joy Disanto Nur Juzieatul Alifah Nur Madia Nurkarima, Iin Nurliah Nurmadewi, Dita Nuzulan, Alan Olivia Octavia Pangestu, Jovan Bagas Pebianoor, Pebianoor Prano Pebri Ansari Pratama, Arief Ardi Puspitasari, Novianti Putri, Septi Aulia Qurrata A’yuni Rachmat Ragil Iskandar Rahman, Muhammad Ridwanansyah Rajiansyah, Rajiansyah Rasid, Khairul Raudhya Azzahra Rayner Alfred Razan, Muhammad Arya Fayyadh Razib Ramadhan Reviansa Fakhruddin Aththar Ricky Anggari Rizqi Saputra Rosmasari, Rosmasari Sabina Nurlatifah Aurelia Sadewa, Bintang Putra Safitri, Hersa Salsabila, Nur Maya Saragih, Muhammad Nabil Sari, Lili Kurnia Sembiring, Wahyu Harry Saputra Septiani, Afra Amelia Setiawan, Maulana Agus Setyadi, Hario Jati Shiva Mutia Maffirotin Sifwah Fatin Sofwani Simanungkalit, Julius Rinaldi Simbolon, R.H. Kimebmen soleha, leha Syahputra, Andra Syarah, May Siti Syifani, Sarah Tejawati, Andi Tjikoa, Ade Fiqri Tua Delima Sitompul uddin, Havil Ummul Hairah Vicky Pranandika Wijaksana Vina Zahrotun Kamila Viny Christanti M Wahyu Aditya Wandi, Faizul Anwar Widians, Joan Angelina Wijaya, M Rangga Yaqub Wiji Astuti Yudi Kurniawan Yunus, Marlina Yusran, Sartiah Zahra Ayu Qalbina Zainal Arifin