Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Ticom: Technology of Information and Communication
Giatika Chrisnawati
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Spesies Burung Dengan Ciri Morfologi Serupa Akibat Evolusi Konvergen Menggunakan CNN Nino Andera; Ghofar Taufik; Giatika Chrisnawati
Jurnal Ticom: Technology of Information and Communication Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i2.178

Abstract

Kemiripan morfologi pada spesies burung akibat evolusi konvergen menjadi tantangan dalam klasifikasi otomatis berbasis citra. Penelitian ini bertujuan untuk mengembangkan dan menganalisis kinerja model Convolutional Neural Network (CNN) dalam membedakan spesies burung yang memiliki ciri visual serupa. CNN digunakan karena kemampuannya dalam mengekstraksi fitur citra secara efisien, bahkan pada spesies dengan perbedaan morfologi yang tipis. Evaluasi dilakukan terhadap empat spesies burung melalui pengujian utama, serta dua kelompok pasangan burung dengan kemiripan morfologi tinggi, yaitu Icterus graduacauda & Oriolus larvatus, serta Sturnella magna & Macronyx croceus. Pengujian utama menunjukkan akurasi sebesar 78%, sedangkan pada dua pasangan spesies serupa, akurasi meningkat masing-masing menjadi 80,42% dan 85%, dengan F1-score yang stabil di kisaran 80–85%. Hasil ini menunjukkan bahwa model CNN mampu membedakan spesies burung yang serupa secara visual meskipun terdapat variasi latar belakang dan posisi objek dalam dataset. Kesimpulan dari penelitian ini mengindikasikan bahwa pendekatan CNN efektif digunakan dalam klasifikasi spesies burung dengan morfologi serupa akibat evolusi konvergen, serta memiliki potensi untuk diterapkan dalam bidang konservasi, pemantauan keanekaragaman hayati, dan sistem identifikasi spesies otomatis berbasis citra.
Classification of Spending Segmentation in Mobile Game Applications Using Random Forest and Decision Tree Algorithms Putra Wicaksana, Dewa Restu; Anom, Rangga; Musyarafah, Syahrina; Giatika Chrisnawati
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1961

Abstract

This research aims to classify spending segmentation in mobile game users using Random Forest and Decision Tree algorithms. The dataset consists of demographic attributes, gameplay behavior, session frequency, and historical spending records. Several preprocessing steps uwere applied, including missing value handling, label encoding, one-hot encoding, and feature scaling. The data were divided into an 80:20 training-testing ratio, and hyperparameter tuning was performed using GridSearchCV. The results indicate that Random Forest achieved higher accuracy compared to Decision Tree, demonstrating better generalization for multiclass segmentation (Low, Medium, High spenders). This study shows the potential of machine learning in predicting user spending behavior to support data-driven monetization strategies in mobile game applications.
Co-Authors Anom, Rangga Ghofar Taufik Musyarafah, Syahrina Nino Andera Putra Wicaksana, Dewa Restu