cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bau bau,
Sulawesi tenggara
INDONESIA
JURNAL INFORMATIKA
Published by Universitas Dayanu Ikhsanuddin
ISSN : 22529160     EISSN : 25280090     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Other
Arjuna Subject : -
Articles 202 Documents
 17   18   19   20   21 
Kombinasi Algoritma Naive Bayes dan K-Means dalam Penentuan Status Gizi Stunting Ariastuti Rahman; Astuti Abdullah; Salmawati Salmawati; Nurmarifah Nurmarifah
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2681

Abstract

Stunting tetap menjadi masalah kesehatan masyarakat yang kritis, ditandai dengan malnutrisi kronis pada anak di bawah lima tahun, yang menyebabkan gangguan pertumbuhan, peningkatan morbiditas, dan risiko kematian yang lebih tinggi. Di Indonesia, khususnya di Kabupaten Polewali Mandar, prevalensi stunting yang tinggi memerlukan pendekatan yang lebih akurat dan berbasis data untuk mendukung identifikasi dan intervensi dini. Namun, studi yang ada sebagian besar berfokus pada pendekatan metode tunggal dan jarang memberikan bukti komparatif antara teknik machine learning supervised and unsupervised untuk klasifikasi stunting, sehingga membatasi kekokohan sistem pendukung keputusan. Studi ini bertujuan untuk mengevaluasi dan membandingkan efektivitas teknik klasifikasi dan pengelompokan dalam menentukan status gizi stunting dan untuk mengusulkan pendekatan pendukung keputusan berbasis data bagi praktisi kesehatan. Penelitian ini menggunakan pendekatan data mining dengan mengintegrasikan Naive Bayes untuk klasifikasi dan K-Means untuk pengelompokan, menggunakan indikator antropometri dari dataset 173 anak di bawah lima tahun. Kinerja kedua metode dievaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa Naive Bayes secara signifikan mengungguli K-Means, mencapai accuracy 97%, precision 100%, dan recall 94%, dibandingkan dengan 54%, 58%, dan 60% secara berturut-turut. Temuan ini menyoroti keunggulan klasifikasi probabilistik dibandingkan pengelompokan tanpa pengawasan dalam konteks ini dan menunjukkan potensi Naive Bayes sebagai metode yang andal untuk mendukung klasifikasi stunting. Studi ini berkontribusi dengan mengatasi kesenjangan penelitian melalui analisis komparatif langsung dari pendekatan supervised dan unsupervised, menawarkan wawasan empiris dan landasan praktis untuk mengembangkan sistem pendukung keputusan cerdas di bidang kesehatan masyarakat.
Sistem Kontrol Pertumbuhan Tanaman Cabai Pada Greenhouse Berbasis Internet of Things (IoT) Dengan Decision Tree C5 Dan Protokol Hypertext Transfer Protocol Secure (HTTPS) Isnawaty Isnawaty; Ni Wayan Erdiani; Achmad Nur Aliansyah; L.M. Fid Aksara; Sutardi Sutardi; Ryan Rinaldi Hadistio
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2741

Abstract

Tanaman cabai merupakan komoditas hortikultura yang pertumbuhannya dipengaruhi oleh kondisi lingkungan seperti suhu udara, kelembaban udara, kelembaban tanah, pH tanah, dan intensitas cahaya. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring dan kontrol greenhouse berbasis Internet of Things (IoT) menggunakan metode Decision Tree C5 dan protokol Hypertext Transfer Protocol Secure (HTTPS). Metode Decision Tree C5 diterapkan untuk mengklasifikasikan kondisi lingkungan greenhouse ke dalam kategori baik, sedang, dan buruk berdasarkan data sensor yang diperoleh. Data penelitian dikumpulkan selama 20 hari dengan frekuensi pengamatan tiga kali sehari sehingga diperoleh 60 data pengamatan. Dataset kemudian dibagi menggunakan metode hold-out dengan rasio 80:20, yaitu 48 data sebagai data latih dan 12 data sebagai data uji. Hasil pengujian menunjukkan bahwa metode Decision Tree C5 memperoleh nilai Accuracy sebesar 91,67%, Balanced Accuracy sebesar 66,67%, dan Macro F1-Score sebesar 65,08% berdasarkan evaluasi confusion matrix. Hasil tersebut menunjukkan bahwa model mampu melakukan klasifikasi kondisi lingkungan greenhouse dengan baik, namun performa klasifikasi belum sepenuhnya merata pada setiap kelas akibat adanya ketidakseimbangan distribusi data. Selain itu, pengujian Quality of Service (QoS) pada komunikasi data berbasis HTTPS menunjukkan nilai delay sebesar 9,00 ms, throughput sebesar 1500,00 kbps, packet loss sebesar 2,03%, dan jitter sebesar 0,50 ms. Hasil tersebut menunjukkan bahwa sistem mampu mendukung proses monitoring dan pengendalian kondisi greenhouse secara real-time melalui aplikasi Android. Dengan demikian, sistem yang dikembangkan berpotensi mendukung pengelolaan lingkungan greenhouse yang lebih stabil serta membantu menjaga kondisi lingkungan yang sesuai bagi pertumbuhan tanaman cabai melalui sistem monitoring dan pengendalian otomatis berbasis IoT.

Page 21 of 21 | Total Record : 202

 17   18   19   20   21 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 15, No 1 (2026): Jurnal Informatika Vol 14, No 2 (2025): Jurnal Informatika Vol 14, No 1 (2025): Jurnal Informatika Vol 13, No 2 (2024): Jurnal Informatika Vol 13, No 1 (2024): Jurnal Informatika Vol 12, No 2 (2023): Jurnal Informatika Vol 12, No 1 (2023): Jurnal Informatika Vol 11, No 2 (2022): Jurnal informatika Vol 11, No 1 (2022): JURNAL INFORMATIKA Vol 10, No 2 (2021): JURNAL INFORMATIKA Vol 10, No 1 (2021): JURNAL INFORMATIKA Vol 8, No 1 (2019): JURNAL INFORMATIKA Vol 9, No 1 (2018): JURNAL INFORMATIKA Vol 7, No 2 (2018): Jurnal Informatika Vol 7, No 2 (2018): Jurnal Informatika Vol 7, No 1 (2018): JURNAL INFORMATIKA Vol 7, No 1 (2018): JURNAL INFORMATIKA Vol 6, No 2 (2017): Jurnal Informatika Vol 6, No 2 (2017): Jurnal Informatika Vol 6, No 1 (2017): Jurnal Informatika Vol 6, No 1 (2017): Jurnal Informatika Vol 6, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 2 (2016): JURNAL INFORMATIKA Vol 5, No 1 (2016): JURNAL INFORMATIKA Vol 5, No 1 (2016): JURNAL INFORMATIKA More Issue