Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Teknik: Jurnal Ilmu Teknik dan Informatika JRIIN :Jurnal Riset Informatika dan Inovasi
Lubis, Farizky Aulia
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 
Komparasi Algoritma Dijkstra dan A-Star untuk Optimasi Rute Kendaraan di Kota Medan Al Rafiq, M. Faris; Anggraini, Dea; Lubis, Farizky Aulia; Perdana, Adidtya
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.
Clustering Pola Intensitas Curah Hujan Berbasis Data Radar NOAA NEXRAD Level II Menggunakan Algoritma K-Means Silvester kosamah; Lubis, Farizky Aulia; M. Faris Al Rafiq; Daulay, Zahira Putri Julia
Teknik: Jurnal Ilmu Teknik dan Informatika Vol. 6 No. 1 (2026): Mei : Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v6i1.1135

Abstract

Accurate classification of rainfall intensity patterns is important for early warning systems, hydrometeorological risk assessment, and water resource management. Surface rain gauges have limited spatial coverage, so this study uses NOAA NEXRAD Level II radar data from the KTLX station in 2023. K-Means clustering was applied to identify rainfall intensity patterns from 30 randomly selected days, with scans stratified into four daily time intervals. Seven features were extracted from each radar sweep, including reflectivity statistics, convective and stratiform ratios, and rainfall coverage. The data were normalized and balanced before clustering. The optimal cluster count was determined through a combined evaluation of the Elbow Method, Silhouette Score, and Davies-Bouldin Index, yielding K=5 as the most representative configuration. Evaluation results demonstrated a Silhouette Score of 0.3871 and a Davies-Bouldin Index of 0.8599, indicating moderate cluster cohesion that reflects the inherent overlapping nature of rainfall intensity transitions in radar reflectivity data. The clusters represent rainfall regimes from non-precipitating conditions to intense convective events. These results support the use of K-Means for automated rainfall pattern recognition and flood forecasting applications. 
Co-Authors Adidtya Perdana, Adidtya Al Rafiq, M. Faris Anggraini, Dea Daulay, Zahira Putri Julia M. Faris Al Rafiq Silvester kosamah