Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal International Research on Big-data and Computer Technology (IRobot) JRIIN :Jurnal Riset Informatika dan Inovasi
Dea Anggraini
Universitas Negeri Medan
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Penerapan K-Means Clustering Untuk Pengelompokan Modalitas Pencitraan Medis Pada Dataset Imaging Data Commons Dea Anggraini; Angelina S. Saragih; Bicanro Gebriyan Panjaitan
International Research on Big-Data and Computer Technology: I-Robot Vol 10, No 1 (2026): April
Publisher : UNIVERSITAS DHARMA WACANA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/ir.v10i1.725

Abstract

Distribusi modalitas pencitraan medis dalam dataset Imaging Data Commons (IDC) yang berskala petabyte belum pernah dianalisis secara sistematis menggunakan pendekatan data mining, padahal ketimpangan distribusinya berpotensi memengaruhi kualitas pengembangan model kecerdasan buatan di bidang onkologi. Penelitian ini bertujuan mengelompokkan modalitas pencitraan medis berdasarkan karakteristik distribusi data menggunakan algoritma K-Means Clustering yang diakses melalui Google BigQuery. Data diproses melalui tahapan preprocessing meliputi pembersihan, penyaringan noise, dan normalisasi MinMaxScaler. Nilai K optimal ditentukan melalui Elbow Method menghasilkan K=3. Hasil clustering membentuk tiga kelompok: Cluster 2 (CT, 62,22%), Cluster 1 (MR, 32,41%), dan Cluster 0 (20 modalitas minor, 5,37%), dengan Silhouette Score 0,7823 yang termasuk kategori cluster kuat. Penelitian ini mengungkap bahwa hubungan antara cakupan body part dan volume data bersifat eksponensial, serta dominasi CT dan MRI berpotensi menciptakan blind spot pada model AI medis apabila ketimpangan distribusi tidak ditangani sebelum pelatihan model.
Komparasi Algoritma Dijkstra dan A-Star untuk Optimasi Rute Kendaraan di Kota Medan M. Faris Al Rafiq; Dea Anggraini; Farizky Aulia Lubis; Adidtya Perdana
Jurnal Riset Informatika dan Inovasi Vol 3 No 12 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Meningkatnya kebutuhan akan efisiensi mobilitas di kawasan perkotaan menuntut adanya sistem navigasi cerdas yang mampu menentukan jalur perjalanan paling optimal. Penelitian ini mengkaji permasalahan pencarian rute terpendek ( shortest path problem ) dengan membandingkan kinerja komputasi algoritma Dijkstra dan A* (A-Star). Eksperimen dilakukan secara komprehensif pada representasi graf jaringan jalan nyata di Kota Medan (terdiri dari 42.692 node dan 99.736 edge ) yang diekstraksi melalui OpenStreetMap (OSM). Pengujian menggunakan 100 test case yang terstratifikasi dalam kategori jarak dekat, sedang, dan jauh. Hasil penelitian menunjukkan bahwa kedua algoritma secara konsisten menghasilkan jarak rute yang identik, membuktikan bahwa penggunaan heuristik hasrsine pada A* tetap menjamin optimalitas jalur. Namun dari segi efisiensi waktu eksekusi, algoritma A* terbukti jauh lebih unggul dengan memenangkan 95% kasus uji dan mencatatkan rata-rata speedup sebesar 2,83 kali lipat dibandingkan Dijkstra. Analisis lebih lanjut mengungkap bahwa keunggulan waktu komputasi A* memuncak pada rute jarak dekat (3,77x) dan perlahan menurun pada rute jarak jauh (1,68x) akibat kompleksitas topologi jaringan jalan. Berdasarkan uji statistik uji t berpasangan, perbedaan kinerja ini dinyatakan signifikan. Hasil analisis ini diharapkan dapat menjadi rujukan strategi bagi pengembangan sistem transportasi digital, khususnya penyesuaian algoritma perutean pada kondisi topologi lalu lintas riil di Indonesia.
Co-Authors Adidtya Perdana, Adidtya Angelina S. Saragih Bicanro Gebriyan Panjaitan Farizky Aulia Lubis M. Faris Al Rafiq