Article Per Year (5 Year)
p-Index From 2021 - 2026
0.835
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology Jurnal Saintekom (Sains dan Teknologi Komputasi) JRTI (Jurnal Riset Tindakan Indonesia)
Yaslinda Lizar
Universitas Islam Negeri Imam Bonjol Padang
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Engineering Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Implementasi Metode Forward Chaining pada Sistem Pakar untuk Diagnosa Penyakit sebagai Pendukung Keputusan Nur Janna; Yaslinda Lizar
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 2 (2026): Maret - Juni
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i2.9424

Abstract

Perkembangan teknologi informasi mendorong kebutuhan akan sistem yang mampu membantu proses pengambilan keputusan secara cepat dan tepat, khususnya pada bidang kesehatan, terutama di sektor kesehatan yang sering menghadapi kendala aksesibilitas pakar. Penelitian ini bertujuan untuk mengimplementasikan Sistem Pakar (Expert System) sebagai sistem pendukung keputusan untuk melakukan diagnosa awal penyakit berdasarkan gejala klinis yang dialami pengguna. Pengetahuan yang digunakan pada sistem diperoleh dari pakar dan disusun dalam bentuk aturan berbasis rule-based dengan logika IF–THEN untuk mendukung proses diagnosa penyakit. Proses penalaran dilakukan menggunakan metode Forward Chaining, yang bekerja dengan mencocokkan fakta-fakta gejala yang diinputkan pengguna untuk menarik kesimpulan diagnosa penyakit secara sistematis. Objek diagnosa dalam penelitian ini mencakup penyakit umum seperti Flu, ISPA, dan COVID-19. Hasil pengujian menunjukkan bahwa penerapan metode Forward Chaining mampu memberikan hasil diagnosa yang konsisten dan akurat sesuai dengan basis pengetahuan yang ada. Kehadiran sistem ini diharapkan dapat menjadi solusi alternatif bagi masyarakat dalam memperoleh informasi medis awal secara mandiri serta mempermudah pendokumentasian keahlian pakar ke dalam platform digital yang adaptif. Kata Kunci: Sistem Pakar, Sistem Pendukung Keputusan, Forward Chaining, Diagnosa Penyakit, Kecerdasan Buatan.
Analisis Produk Skincare Terlaris Menggunakan Metode Weighted Product dan Simple Additive Weighting Nurul Aisyah; Yaslinda Lizar
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 2 (2026): Maret - Juni
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i2.9521

Abstract

Perkembangan industri skincare di Indonesia yang semakin pesat menyebabkan persaingan antar produk menjadi semakin tinggi sehingga pelaku usaha perlu menentukan produk terlaris secara tepat dan objektif. Penentuan produk unggulan sangat penting karena dapat membantu proses pengelolaan stok barang, evaluasi penjualan, serta penyusunan strategi pemasaran. Namun, masih banyak toko kosmetik yang menentukan produk terlaris secara manual berdasarkan perkiraan dan penilaian subjektif sehingga keputusan yang dihasilkan kurang efektif. Oleh karena itu, diperlukan Sistem Pendukung Keputusan (SPK) yang dapat membantu proses pengambilan keputusan berdasarkan data penjualan dan kriteria tertentu. Penelitian ini bertujuan untuk menganalisis dan membandingkan metode Weighted Product (WP) dan Simple Additive Weighting (SAW) dalam menentukan produk skincare terlaris pada Toko Asyifa Kosmetik. Data yang digunakan dalam penelitian diperoleh dari data faktur penjualan yang meliputi jumlah produk terjual, harga produk, dan total transaksi penjualan. Kriteria yang digunakan terdiri dari jumlah produk terjual sebagai kriteria benefit, harga produk sebagai kriteria cost, dan total penjualan sebagai kriteria benefit. Metode WP melakukan proses perhitungan menggunakan operasi perkalian dan pembobotan, sedangkan metode SAW menggunakan proses normalisasi dan penjumlahan terbobot. Hasil penelitian menunjukkan bahwa kedua metode menghasilkan perangkingan yang sama dimana produk Sabun RDL menjadi produk skincare terlaris. Pada metode WP, Sabun RDL memperoleh nilai preferensi tertinggi sebesar 0,323 sedangkan pada metode SAW memperoleh nilai preferensi sebesar 0,807. Hasil perbandingan menunjukkan bahwa kedua metode efektif digunakan dalam mendukung pengambilan keputusan penentuan produk skincare unggulan. Namun, metode SAW lebih mudah dipahami karena proses perhitungannya lebih sederhana, sedangkan metode WP menghasilkan pembobotan yang lebih proporsional.
Implementasi Metode SMART pada Sistem Pendukung Keputusan Pemilihan Mata Kuliah yang Diminati Mahasiswa Sistem Informasi Najwa Khairany Depi; Yaslinda Lizar
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 2 (2026): Maret - Juni
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i2.9922

Abstract

Pemilihan mata kuliah merupakan salah satu proses penting yang harus dilakukan mahasiswa dalam menyusun rencana studi sesuai minat dan kompetensi yang ingin dikembangkan. Banyaknya pilihan mata kuliah dengan karakteristik yang berbeda sering menyebabkan mahasiswa mengalami kesulitan dalam menentukan mata kuliah yang paling sesuai. Proses pemilihan yang hanya berdasarkan rekomendasi teman atau persepsi pribadi dapat menghasilkan keputusan yang bersifat subjektif, sehingga diperlukan suatu sistem yang mampu membantu proses pengambilan keputusan secara objektif dan terstruktur. Penelitian ini bertujuan untuk menerapkan metode Simple Multi Attribute Rating Technique (SMART) pada Sistem Pendukung Keputusan pemilihan mata kuliah yang diminati mahasiswa Sistem Informasi. Metode SMART dipilih karena memiliki proses perhitungan yang sederhana, fleksibel, dan mampu menghasilkan keputusan berdasarkan banyak kriteria. Kriteria yang digunakan meliputi minat mahasiswa, manfaat mata kuliah, kemudahan memahami materi, beban tugas, dan tingkat kesulitan mata kuliah. Data penelitian diperoleh melalui penyebaran kuesioner kepada mahasiswa Sistem Informasi. Hasil kuesioner digunakan untuk menentukan tingkat kepentingan setiap kriteria serta melakukan penilaian terhadap alternatif mata kuliah yang tersedia sehingga dapat menghasilkan rekomendasi mata kuliah yang sesuai dengan preferensi mahasiswa.
Development and validation of an explainable rule-based clinical decision support system for childhood immunization using rule traceability Yaslinda Lizar; Asriwan Guci; Dony Novaliendry
JRTI (Jurnal Riset Tindakan Indonesia) Vol. 11 No. 1 (2026): JRTI (Jurnal Riset Tindakan Indonesia)
Publisher : IICET (Indonesian Institute for Counseling, Education and Therapy)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29210/30036862000

Abstract

Childhood immunization is essential for preventing vaccine-preventable diseases, yet immunization decisions in primary healthcare are often affected by false contraindications, inconsistent guideline interpretation, and dynamic clinical conditions. This study developed and evaluated an Explainable Clinical Decision Support System (X-CDSS) that integrates rule-based reasoning, dynamic clinical variables, and explainable rule traceability to provide transparent, guideline-compliant immunization recommendations. A Research and Development (R&D) approach with iterative prototyping was employed. Knowledge from the Indonesian national immunization guideline, scientific literature, field observations, and healthcare professionals was formalized into 35 IF–THEN production rules implemented using a forward-chaining inference mechanism in a web-based application. The system was evaluated through functional testing, clinical validation using 40 representative scenarios, performance evaluation, and User Acceptance Testing involving seven healthcare professionals. The proposed system achieved an accuracy of 92.5%, precision of 96.6%, recall of 93.3%, an F1-score of 94.9%, and a Cohen's Kappa coefficient of 0.81, with an overall usability score of 4.3/5.0. These findings demonstrate that the proposed X-CDSS provides reliable, transparent, and clinically accountable decision support for routine childhood immunization in primary healthcare.
Penerapan Metode Topsis untuk Menentukan Menu Terfavorit Mie Gacoan Lubuk Buaya Padang Berdasarkan Data ShopeeFood Dhea Zulis Syafitri; Yaslinda Lizar
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 3 (2026): September 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i3.121

Abstract

Digital transformation in the culinary industry has encouraged the utilization of online transaction data as foundation for business decision-making. One of the challenges faced by culinary businesses is determining the most favored menu objectively based on multiple evaluation criteria. This study aimed to implement the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method to identify the favorite menu at Mie Gacoan Lubuk Buaya Padang using ShopeeFood data. The study employed three primary criteria, namely the number of sales, price, and costumer preferences. The weighting process was conducted using the Rank Order Centroid  (ROC) method to obtain proportional importance values for each criterion. The research data consisted of five menu alternatives: Mie Hompipa Level 1, Mie Gacoan Level 1, Udang Rambutan. Udang Keju, dan Es Gobak Sodor. The calculation stages included constructing the decision matrix, normalizing the matrix, generating the weighted normalized matrix, determining positives and negative ideal solutions, calculating preference distances, and evaluating the relative closeness value of each alternative.  The results indicated that Udang Keju achieved the highest preference value of 0.933 and was therefore identified as the most favored menu based on the TOPSIS calculation. The findings demonstrate that the TOPSIS method is capable of providing systematic, measurable, and effective decision recommendations in multi-criteria menu evaluation processes.
Co-Authors Asriwan Guci Dhea Zulis Syafitri Dony Novaliendry Najwa Khairany Depi Nur Janna Nurul Aisyah