Article Per Year (5 Year)
p-Index From 2021 - 2026
2.422
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS TEKMAPRO Journal of Industrial Engineering and Management INTECOMS: Journal of Information Technology and Computer Science JATI (Jurnal Mahasiswa Teknik Informatika) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Infotech: Journal of Technology Information Idealis : Indonesia Journal Information System Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal Computer Science and Informatic Systems : J-Cosys International Journal Software Engineering and Computer Science (IJSECS) Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis SmartComp Jurnal Informatika Polinema (JIP)
Sumarlinda, Sri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Medicine & Pharmacology Physics

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
FORECASTING CENTRAL BANK DIGITAL CURRENCY TERHADAP RUPIAH DIGITAL Mumu, Raul Galvin Rudolf; Nurchim, N; Sumarlinda, Sri
IDEALIS : InDonEsiA journaL Information System Vol 6 No 2 (2023): Jurnal IDEALIS Juli 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v6i2.3027

Abstract

Munculnya mata uang digital sebagai hasil dari inovasi teknologi untuk mengurangi penggunaan uang tunai menghadirkan tantangan baru bagi pelaku ekonomi, termasuk bank sentral. Menyusul fenomena digitalisasi yang berkembang pesat, Bank Indonesia mengumumkanrencananya untuk segera menerbitkan Rupiah Digital sebagai Central Bank Digital Currency (CBDC). Pengembangan bank sentral ini bertujuan untuk menciptakan sistem pembayaran digital di Indonesia. Untuk mengatasi permasalahan tersebut, dilakukan penelitian menggunakan teknik data mining guna menemukan prediksi yang berguna. Proses data mining dilakukan dengan menerapkan metode Cross-Industry Standard Process for Data Mining (CRISP-DM) dan menggunakan algoritma regresi linear berganda. Data dikumpulkan selamaperiode 4tahun, mulai dari Januari 2019 hingga Februari 2023, yang diperoleh melalui website resmi dengan akses internet. Teknik regresi linear berganda digunakan untuk memprediksi hubungan antara 4 variabel, yaitu jumlah uang kartal yang diedarkan, nilai transaksi ATMcard and credit card, nilai transaksi uang elektronik, nilai transaksi SMS/mobile banking terhadap variabel Y yaitu analytical accounts of the central bank. Dari hasil penelitian, ditemukan bahwa keempat variabel tersebut memberikan kontribusi sebesar 79,8% terhadap variabel Y (analytical accounts of the central bank)
Sistem Rekomendasi Pemilihan Paket Rakitan Komputer Menggunakan Metode Knowledge Base Di Cv Innovision Saputra, Rizal Dwi; Sumarlinda, Sri; Sopingi, Sopingi
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i4.10980

Abstract

Penelitian ini dilatarbelakangi karena CV Innovision memiliki masalah dalam memberikan rekomendasi produk paket rakitan komputer yang sesuai kebutuhan pelanggan. Maka peneliti melakukan observasi serta wawancara kepada pemilik CV Innovision untuk mengetahui cara yang paling tepat dalam menyelesaikan masalah tersebut. Sistem rekomendasi yang digunakan peneliti adalah metode Knowledge Base Filtering tujuan metode ini untuk membantu pelanggan mendapatkan paket rakitan komputer yang dibutuhkan. Atribut yang digunakan untuk memfilter produk antara lain ; spare part , harga , dan instalasi software. Produk rakitan komputer yang digunakan sebagai objek penelitian sejumlah 30 produk, dari produk tersebut terdapat spefikasi yang beragam seperti processor, RAM, motherboard, harddisk, dan case. Hal ini juga yang mempengaruhi minat pelanggan untuk memilih serta membeli produk rakitan komputer. Kata Kunci : Komputer, Sistem Rekomendasi, Kebutuhan
Sistem Informasi Pemesanan Genteng Berbasis Website di Dusun Kebak Supriyanto, Kukuh; Wijiyanto, Wijiyanto; Sumarlinda, Sri
Journal Computer Science and Information Systems : J-Cosys Vol 4, No 2 (2024): J-Cosys - September
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v4i2.530

Abstract

Dusun Kebak merupakan sentral tempat pengrajin genteng. Disana terdapat 10 pengrajin genteng yang masih melakukan produksi genteng setiap hari nya. Dusun Kebak menjadi satu-satu nya dusun pengrajin genteng terbanyak se-Desa Wirun. Permasalahan yang dihadapi para pengrajin genteng di Dusun Kebak adalah kurangnya perluasan jaringan pelanggan dikarenakan pelanggan yang ingin melakukan pemesanan harus datang bertemu dengan pengrajin secara langsung sehingga pelanggan yang memiliki waktu dan jarak yang terbatas kesulitan dalam melakukan pemesanan. Sebagai upaya untuk mengatasi permasalahan tersebut, maka para pengrajin genteng di Dusun Kebak memerlukan sistem informasi pemesanan yang dapat memudahkan calon pelanggan untuk melakukan pemesanan produk genteng tanpa harus datang menemui pengrajin genteng secara langsung.Sistem yang akan di buat akan menampilkan informasi terkait produk produk yang akan dijual dan memproses pesanan pelanggan. Untuk pengembangan sistem menggunakkan metode Waterfall dan bahasa pemrograman. PHP. Sistem pemesanan yang dibuat memiliki 2 hak akses antara lain : pelanggan dan admin
Decision Support System for Internship Acceptance at Digital Connection Using the Simple Additive Weighting Method Saputra, Bintang Pratama Yuarna; Sumarlinda, Sri; Sari, Aprilisa Arum
International Journal Software Engineering and Computer Science (IJSECS) Vol. 4 No. 3 (2024): DECEMBER 2024
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v4i3.2996

Abstract

The internship program serves as a bridge for students into the professional world. At Digital Connection, the current manual selection process for internship candidates leads to inefficiency and potential errors. This study aims to implement a Decision Support System using the Simple Additive Weighting (SAW) method to improve the efficiency of the internship selection process. The SAW method is selected for its capability to provide accurate assessments based on predefined criteria and preference weights, as well as to rank the best alternatives. The system is developed as a web-based application with full access for HR (Admin), including tests as evaluation criteria. This research has resulted in the creation of a decision support system utilizing the Simple Additive Weighting (SAW) calculation method. System testing, conducted using black-box testing, shows that all primary functions and buttons of the system, such as adding, editing, deleting, searching, logging in, managing criteria and sub-criteria data, managing alternative data, calculating scores, exporting, and logging out, function properly and as expected. Furthermore, user testing with 6 criteria and 10 alternative input data points revealed the highest rank of 100% for Wahyu, followed by Noelino in second place with 76%, Hana in third place with 74%, and the lowest rank for Sanjaya with 58%. These results confirm that the calculation system operates effectively according to the researched method and provides clear ranking evaluations to assist HR (Admin) in determining the most suitable internship candidates. The system was implemented on a website using the waterfall model approach as the development method for the research system.
Camping Equipment Recommendation System Using Content-Based Filtering Method: A Case Study of Berkah Outdoor45 Nugroho, Robby Gusti; Sumarlinda, Sri; Srirahayu, Agustina
International Journal Software Engineering and Computer Science (IJSECS) Vol. 4 No. 3 (2024): DECEMBER 2024
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v4i3.3078

Abstract

Camping is a favorite activity for various age groups carried out in the open air to enjoy the beauty of nature and get away from the noise of the city. The high cost of camping equipment encourages many people to prefer renting rather than buying, making Berkah Outdoor45 the main choice for nature lovers to rent camping equipment. This study aims to develop a recommendation system for selecting camping equipment using a content-based filtering mechanism with a TF-IDF approach to help users choose equipment that suits their needs. This study uses a waterfall system development model which includes the stages of analysis, design, implementation, and testing. Testing is carried out using the Blackbox method to evaluate the effectiveness of the system. The results showed that from 18 datasets, the system can provide four recommendations with the highest similarity values, namely D11 (0.377), D18 (0.354), D2 (0.320), D5 (0.311), and D1 (0.287) based on a predetermined formula. The recommendation system developed successfully provided accurate recommendations that were in accordance with user preferences, while reducing ordering errors and increasing efficiency in selecting camping equipment.
Pemodelan Analisis Sentimen Pada Ulasan Produk Toko Online By_andwe Dengan Algoritma Lexicon Ridwan, Avin Nolis; Hartanti, Dwi; Sumarlinda, Sri
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i4.6874

Abstract

Saat ini kegiatan berbelanja online menjadi hal biasa bagi kebanyakan manusia. Hal ini membuat segala kebutuhan manusia dapat terpenuhi dengan efektif dan efisien. Namun, dibalik manfaat positif yang diberikan, terdapat juga hal negatif yang dirasakan. Maraknya penipuan yang dilakukan oknum penjual online membuat banyak calon pembeli menjadi jauh lebih selektif, hal ini berpotensi mengurangi niat beli. 75% pembeli online selalu melakukan investigasi ke toko bersangkutan sebelum melakukan pembelian. Ketidakpercayaan pembeli menjadi tantangan serius bagi seller online untuk dapat mengevaluasi layanan yang diberikan. By_andwe merupakan salah satu toko online yang terkena dampak. Penjualan yang cenderung stagnan, persaingan dengan toko online besar, hingga kesulitan mengevaluasi kinerja toko menjadi masalah yang kini dihadapi. Penelitian dilakukan untuk mengatasi permasalahan dengan menganalisis sentimen ulasan produk dengan algoritma lexicon. Metode lexicon pada penelitian ini menggunakan kamus InSet  lexicon berbahasa Indonesia. Tahapan penelitian yang dilakukan adalah pengambilan data, pre-processing data, pelabelan data, dan pengembangan sistem menggunakan waterfall. Hasil analisis sentimen menunjukan nilai positif sebesar 79.64%, negatif sebesar 15%, dan netral sebesar 5.36% dengan nilai akurasi sebesar 84.2% dari total 280 data ulasan. Pemodelan desain menggunakan UML dengan cakupan use case dan activity diagram yang hanya berfokus pada proses sentimen, serta ditambahkan dengan beberapa rancangan interface untuk sistem.Kata Kunci – Toko Online; Analisis Sentimen; Algoritma Lexicon; InSet Lexicon; Waterfall
Sistem Rekomendasi Penjualan Kain dan Baju Batik di Toko Batik Tresno Dharma Karanganyar Menggunakan Metode Collaborative Filtering Khotimah, Agil Husnul; Sumarlinda, Sri; Nastiti, Faulinda Ely
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i4.6976

Abstract

Permasalahan yang dialami oleh Toko Batik Tresno Dharma yaitu saat pelanggan ingin membeli batik berdasarkan motif, warna, dan jenis ukuran tersebut pelanggan mengalami kesulitan dalam memilih produk.Sehingga pemilik toko membutuhkan sebuah sistem rekomendasi untuk membantu pelanggan memilih batik yang diinginkan. Tidak hanya melayani pemesanan didaerah Kabupaten Karanganyar,pemesanan dari luar jawa dan luar negeri juga dapat dilayani dengan baik. Menurut Reyvan Maulid (2023) Collaborative Filtering adalah prosedur algoritmik dengan menggunakan data sebelumnya tentang preferensi pengguna lain, ilmu data dimanfaatkan untuk memberikan saran kepada konsumen. Memberikan rekomendasi berdasarkan preferensi pengguna serupa. Kesimpulan penelitian ini diambil dari 5 produk yang diambil sebagai sampel dapat diketahui nilai kemiripan masing – masing produk tersebut. Perancangan website sistem rekomendasi penjualan kain dan baju batik ini menjadi pedoman untuk pembuatan website tersebut. Hasil jadi website penjualan kain dan baju batik dapat digunakan sebagai sarana pemilihan produk secara mudah dan efektif. Untuk mengatasi permasalahan yang disebutkan di atas, dapat diambil solusi dengan membuat sistem rekomendasi berbasis web. Salah satu metode yang dapat digunakan untuk memberikan rekomendasi yaitu metode Collaborative Filtering.
Sistem Retrieval E-Arsip Tirta Asata Menggunakan Algoritma Vector Space Model Junaidi, Iqbal Hanan; Sopingi; Sumarlinda, Sri
JURNAL FASILKOM Vol. 14 No. 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i2.7358

Abstract

Tirta Asasta Depok, menghadapi tantangan dalam pengelolaan dokumen. Saat ini, PT. Tirta Asasta Depok masih menggunakan pengarsipan secara manual, yang memiliki hambatan dalam efektivitas dan efisiensi waktu saat mencari dokumen. Sistem ini mengimplementasikan sistem manajemen arsip yang efektif dan efisien di PT. Tirta Asasta Depok dengan memanfaatkan teknik text mining, khususnya algoritma Vector Space Model. Permasalahan yang dihadapi perusahaan saat ini adalah penyimpanan dan pencarian dokumen yang masih manual, sehingga menyebabkan ketidakteraturan arsip dan menghambat produktivitas. Metode penelitian yang digunakan adalah dengan menganalisis data dokumen dalam format pdf yang dimiliki oleh PT. Tirta Asasta Depok. Algoritma Vector Space Modelditerapkan untuk melakukan pencarian kemiripan dokumen berdasarkan kata kunci yang dimasukkan oleh pengguna. Melalui pembobotan kata (term) dan kemampuan mencocokkan sebagian querydengan dokumen yang ada, algoritma ini diharapkan dapat meningkatkan efektivitas dan efisiensi dalam manajemen arsip perusahaan. Hasil dari penelitian ini diharapkan dapat menghasilkan sistem manajemen arsip yang lebih teratur, mudah diakses, dan dapat ditemukan dengan cepat saat dibutuhkan. Penerapan teknologi text mining, khususnya algoritma Vector Space Model, terbukti dapat mengotomatisasi proses pengarsipan dan meningkatkan kinerja organisasi secara keseluruhan.
PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM KLASIFIKASI KAYU GUNA BAHAN BAKU MEBEL Fadhillah, Dian Agil; Sumarlinda, Sri; Lestari, Wiji
Infotech: Journal of Technology Information Vol 10, No 2 (2024): NOVEMBER
Publisher : ISTEK WIDURI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37365/jti.v10i2.282

Abstract

Currently, the need for furniture is increasing and developing into something more attractive so that many people are interested in it. Furniture has unique characteristics that can become the owner's identity. Furniture buying and selling transactions are also widespread among local and foreign people. Apart from the uniqueness of the furniture, the difference in material and wood quality is an important factor in determining the price of furniture. This research aims to build a machine learning model using CNN to classify good wood and bad wood through images of wood types. In this research, the Convolution Neural Network (CNN) technique and direct source interview data are used and supported by relevant secondary data. So the results of classification using a CNN model that is uniquely created can produce 85% accuracy in classifying good wood and bad wood. And it produces a precision for good wood of 0.50 and a recall of 1.00, while the precision and recall for bad wood is 0.00. Accuracy with this CNN model has its own benefits, such as being able to help users classify good wood and bad wood for furniture raw materials, besides that it can be used as a reference in developing subsequent machine learning applications. ABSTRAKSaat ini kebutuhan furniture semakin meningkat dan berkembang menjadi yang lebih menarik sehingga banyak peminat. Furniture memiliki keunikan yang bisa menjadikan karakteristik sebagai identitas pemiliknya. Transaksi jual beli furniture juga marak dikalangan masyarakat lokal maupun mancanegara. Selain keunikan dari furniture perbedaan bahan dari kualitas kayu menjadi faktor penting dalam menetukan harga furniture.Penelitian ini bertujuan untuk membangun model machine learning menggunakan CNN untuk mengklasifikasikan antara kayu baik dan kayu tidak baik melalui citra jenis kayu. Dalam penelitian ini, teknik Convolution Neural Network (CNN) dan dari data wawancara narasumber langsung serta didukung dengan data sekunder yang relevan. Sehingga hasil dari klasifikasi dengan model CNN yang dibuat dengan keunikan tersendiri dapat menghasilkan akurasi 85% dalam klasifikasi kayu baik dan kayu tidak baik dan menghasilkan precision kayu baik sebesar 0.50 dan recall sebesar 1.00 sedangkan hasil dari precision dan recall untuk kayu tidak baik sebesar 0.00. Akurasi dengan  model CNN ini memiliki manfaat tersendiri seperti dapat membantu pengguna mengklasifikasikan antara kayu baik  dan kayu tidak baik guna bahan baku mebel, selain itu dapat dijadikan acuan dalam pengembangan aplikasi machine learning berikutnya.
Penerapan Data Mining Untuk Memprediksi Pembelian Obat di RSUD Dr. Moewardi Prasetyo, Agung; Sumarlinda, Sri; Nastiti, Faulinda Ely
Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Vol 10 No 2 (2024): Journal CERITA : Creative Education of Research in Information Technology and Ar
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cerita.v10i2.3440

Abstract

Hospitals are an integral part of an organization of health that functions to provide completeness, cure diseases, and prevent diseases to the community. especially drugs in the health sector contained in hospitals. Purchasing drugs that are not in accordance with the needs that exist at that time makes the hospital suffer large losses. So that the author analyzes the purchase of drugs can be in accordance with existing needs based on analysis of patterns in previous years. Using the ARIMA method which has good forecast accuracy to predict the short term. By using data mining to calculate large amounts of data from previous years, it is hoped that from this prediction calculation for drug purchases can be in accordance with the needs so as not to make large losses. From all existing drug data, the author uses 3 samples of drug data, namely Nacl, Ranitidin, and Omeprazole. The results for Nacl data the accuracy rate reached 14.29%, Ranitidin data has an accuracy rate of 2.76%, and for Omeprazole data has an accuracy rate of 12.78%. From the results of time series analysis and the application of the ARIMA method, it can be concluded that data mining can be used to accurately predict drug purchases. By understanding the pattern of drug purchases over time and building a suitable ARIMA model, hospitals can make better decisions in planning drug purchases and inventory. Thus, the application of data mining in predicting drug purchases can provide significant benefits for Dr. Moewardi Hospital.
Co-Authors Agustina Srirahayu Aprilisa Arum Sari Awang Long, Zalizah binti binti Rahmat, Azizah Budi Suryono, Arif Dwi Hartanti Ely Nastiti, Faulinda Fadhillah, Dian Agil Faulinda Ely Nastiti Ichsan Pradana, Afu Jayawarsa, A.A. Ketut Junaidi, Iqbal Hanan Khotimah, Agil Husnul Maulana Saputra, Ridlo Mumu, Raul Galvin Rudolf Nugroho, Robby Gusti Nurchim Nurchim Oktaviani, Intan Ridwan, Avin Nolis Saputra, Bintang Pratama Yuarna Saputra, Rizal Dwi Sopingi Sopingi Sopingi, Sopingi Supriyanto, Kukuh Udhata Swardana, Avila Wiji Lestari Wijiyanto Wijiyanto Wijiyanto, Wijiyanto Yoga Prasetiawan, Ardhian