Article Per Year (5 Year)
p-Index From 2019 - 2024
2.862
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Indonesian Journal of Data and Science Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat JURNAL SIPISSANGNGI: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia
Poetri Lestari Lokapitasari Belluano
Universitas Muslim Indonesia
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Environmental Science Mathematics Public Health Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Indonesian Journal of Data and Science

 1 
Implementasi Algoritma Genetika Untuk Penjadwalan Laboratotium Fakultas Ilmu Komputer Universitas Muslim Indonesia Muh Syawal; Poetri Lestari Lokapitasari Belluano; Abdul Rachman Manga
Indonesian Journal of Data and Science Vol. 2 No. 1 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ijodas.v2i1.29

Abstract

Penelitian ini bertujuan menerapkan algortima genetika pada sistem penjadwalan laboratorium Fakultas Ilmu Komputer Universitas Muslim Indonesia dengan memperhatikan 8 rule , yaitu jadwal tidak bertabrakan dengan kelas lain, menggunakan ruangan kosong, pengajar tidak mengajar bersamaan, matakuliah, matakuliah lab mendapatkan 2 ruangan, matakuliah lab mendapatkan waktu operasional lab, semua matakuliah diajarkan dan sesuai dengan mata kuliah ajar dosen, mahasiswa mendapatkan matakuliah yang di ajarkan berdasarkan semester. Teknik pengkodean yang digunakan yaitu pengkodean biner dengan metode seleksi menggunakan seleksi turnamen. Hasil dari penelitian menunjukkan waktu yang di butuhkan untuk generate jadwal di tiap rule membutuhkan waktu berbeda-beda tergantung dari kompleksitas proses. dari 8 rule yang telah di ujicoba terdapat 2 rule yang membutuhkan optimasi diantaranya rule semua matakuliah diajarkan dan sesuai dengan matakuliah ajar dosen dan mahasiswa mendapatkan matakuliah yang di ajarkan berdasarkan semester.
Sistem Informasi Magang Bersertifikat Berbasis Web Muhammad Ilham; Poetri Lestari Lokapitasari Belluano
Indonesian Journal of Data and Science Vol. 2 No. 2 (2021): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v2i2.49

Abstract

Saat ini PT Semen Tonasa disetiap bulannya menerima ratusan siswa maupun mahasiswa untuk kebutuhan magang. Namun saat ini dalam proses penerimaannya, perusahaan belum memiliki sistem komputerisasi yang terintegrasi. Berangkat dari permasahan tersebut maka tujuan dari penelitian ini yaitu menerapkan sistem informasi berbasis web guna mengefisiensikan waktu dan tenaga yang sebelumnya masih manual. Dalam melakukan penelitian ini, jenis penelitian yang digunakan yaitu menggunakan Sistem Informasi Berbasis Web. Hasil dari penelitian ini yaitu adanya sebuah sistem informasi yang digunakan mahasiswa dan perusahaan sebagai sistem terintegrasi untuk kebutuhan informasi dan perencanaan sumber daya magang. Hasil dari penelitian ini adalah adanya output berupa sertifikat yang dapat diakses setelah pemangang menyelesaikan masa magang dengan bukti laporan harian.
Comparison Analysis of Random Forest Classifier, Support Vector Machine, and Artificial Neural Network Performance in Multiclass Brain Tumor Classification Amaliah Faradibah; Dewi Widyawati; A Ulfah Tenripada Syahar; Sitti Rahmah Jabir; Poetri Lestari Lokapitasari Belluano
Indonesian Journal of Data and Science Vol. 4 No. 2 (2023): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v4i2.73

Abstract

This study aims to analyze and compare the performance of three main classification models, namely Random Forest Classifier, Support Vector Machine, and Artificial Neural Network, in classifying Multiclass brain tumors based on MRI images. The research method includes exploratory data analysis (EDA), dataset preprocessing with image segmentation using the Canny method, and feature extraction using the Humoment method. The performance of the classification models is evaluated based on accuracy, precision, recall, and F1 score. The analysis results show variations in the performance of the three classification models, with Random Forest Classifier having an accuracy of 0.7, weighted precision of 0.55, weighted recall of 0.7, and weighted F1 score of 0.59; Support Vector Machine having an accuracy of 0.71, weighted precision of 0.5, weighted recall of 0.71, and weighted F1 score of 0.59; and Artificial Neural Network having an accuracy of 0.62, weighted precision of 0.6, weighted recall of 0.62, and weighted F1 score of 0.61. Visualization using box plots also reveals outliers in the performance of the three models. These findings indicate variations and outliers in the performance of the classification models for Multiclass brain tumor classification. Further analysis is needed to understand the factors that influence performance differences and identify ways to improve the classification model performance for brain tumor diagnosis based on MRI images
Co-Authors A. Ulfah Tenripada Abdul Muftia Alfian Putra Ramadhan Aulia Putri Utami Benny Leonard Enrico Panggabean Benny Leonard Enrico Panggabean Dewi Widyawati Dirgahayu Lantara Faradibah, Amaliah Fatima A.R Tuasamu Furqaan Ismail Harlinda Lahuddin Herman Herman Indrawati Indrawati Kasmira Kasmira La Saiman Manga, Abdul Rachman Muh Fachrul Islam Muh Syawal Muh Taufik Rifaat Muh. Aliyazid Mude Muhammad Fadhiel Muhammad Ilham Nia Kurniati Purnawansyah Purnawansyah Rahmadani Rahmadani Siska Anraeni Sitti Rahmah Jabir Tasrif Hasanuddin Widia Ningsih Yudha Islami Sulistya