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 
SISTEM REKOMENDASI BERBASIS KNOWLEDGE-BASED UNTUK DESTINASI WISATA DI KABUPATEN SUKOHARJO Maulana Saputra, Ridlo; Sumarlinda, Sri; Ichsan Pradana, Afu
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14501

Abstract

Kabupaten Sukoharjo merupakan salah satu wilayah di Provinsi Jawa Tengah yang memiliki keberagaman potensi wisata, meliputi wisata alam, budaya, dan buatan. Namun demikian, keterbatasan informasi dan media promosi membuat wisatawan kesulitan dalam menentukan destinasi yang sesuai dengan preferensi dan kebutuhannya. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem rekomendasi berbasis knowledge-based yang dapat memberikan saran destinasi wisata di Kabupaten Sukoharjo secara tepat dan relevan. Metode knowledge-based dipilih karena mampu memetakan kebutuhan pengguna dengan karakteristik objek wisata melalui pendekatan constraint-based reasoning. Sistem ini mengolah data atribut seperti jenis wisata, fasilitas, harga tiket, lokasi, dan waktu kunjungan, kemudian mencocokkannya dengan preferensi pengguna. Sistem dikembangkan dalam bentuk aplikasi berbasis web untuk memastikan aksesibilitas yang luas dan fleksibel. Pengembangan sistem ini menggunakan metode waterfall, yang meliputi tahapan analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Hasil implementasi menunjukkan bahwa sistem mampu memberikan rekomendasi yang sesuai dan membantu pengguna dalam mengambil keputusan secara efisien. Selain itu, sistem ini juga berperan sebagai media promosi digital yang mendukung pengembangan sektor pariwisata lokal. Dengan adanya sistem ini, diharapkan pengalaman wisata pengguna meningkat dan kontribusi terhadap pertumbuhan pariwisata di Kabupaten Sukoharjo dapat diwujudkan.
Sistem Prediksi Penjualan Obat di PT. Anugerah Pharmindo Lestari Menggunakan Metode LSTM Udhata Swardana, Avila; Ely Nastiti, Faulinda; Sumarlinda, Sri
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/90f7q142

Abstract

Penelitian ini bertujuan merancang sistem prediksi penjualan produk farmasi di PT. Anugerah Pharmindo Lestari dengan memanfaatkan algoritma Long Short-Term Memory (LSTM). Tantangan utama dalam distribusi obat adalah fluktuasi permintaan yang tidak stabil, yang bisa menimbulkan masalah kelebihan stok (overstock) atau kekosongan stok (stockout). LSTM dipilih karena kemampuannya dalam menganalisis data runtun waktu dan mengenali pola jangka panjang yang kompleks. Dataset berupa penjualan bulanan dari Januari hingga November 2024 digunakan untuk melatih model, yang selanjutnya memprediksi penjualan bulan Desember. Pengembangan sistem mengacu pada tahapan CRISP-DM, meliputi pemahaman bisnis, eksplorasi data, persiapan data, pembangunan model, evaluasi, dan penerapan. Tiga produk yang dijadikan sampel antara lain SPIRIVA, BEROTEC, dan GLYXAMBI. Kinerja model dievaluasi menggunakan tiga indikator: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa model LSTM memberikan hasil prediksi yang akurat dengan nilai MAPE berkisar antara 4,37% hingga 7,02%. Sistem prediksi ini diwujudkan dalam bentuk aplikasi web berbasis Flask, dilengkapi dengan dashboard interaktif untuk mempermudah manajemen dalam memantau tren dan mengambil keputusan berbasis data. Temuan ini menunjukkan bahwa LSTM merupakan metode yang tepat untuk estimasi penjualan obat, serta berpotensi besar dalam meningkatkan efisiensi pengelolaan distribusi dan persediaan di sektor farmasi.
Implementasi Sistem Rekomendasi Produk Mebel Berbasis Web Menggunakan Content-Based Filtering Budi Suryono, Arif; Sumarlinda, Sri; Oktaviani, Intan
Jurnal Informatika Polinema Vol. 11 No. 4 (2025): Vol. 11 No. 4 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i4.7398

Abstract

Industri mebel di Indonesia mengalami perkembangan yang signifikan, namun pelanggan masih menghadapi kendala untuk memperoleh produk yang selaras dengan kebutuhan dan selera individu mereka. Permasalahan ini disebabkan oleh belum tersedianya sistem rekomendasi yang efektif pada platform digital penjualan mebel. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem rekomendasi produk mebel berbasis web dengan menggunakan metode Content-Based Filtering. Metode ini dipilih karena tidak memerlukan riwayat transaksi pengguna, melainkan memanfaatkan kemiripan antar item berdasarkan kata kunci (keywords) seperti nama produk, material, kategori, dan atribut lainnya. Sistem dibangun menggunakan data sampel sebanyak 15 produk mebel dan menghasilkan 11 rekomendasi berdasarkan nilai kemiripan (similarity) tertinggi antara profil pengguna dan deskripsi produk. Untuk meningkatkan akurasi, pendekatan metode Naïve Bayes turut digunakan dalam perhitungan kemiripan data. Evaluasi sistem dilakukan menggunakan pengujian black box pada antarmuka pengguna, dan hasilnya menunjukkan bahwa sistem bekerja dengan baik dan sesuai dengan fungsionalitas yang diharapkan. Penelitian ini diharapkan dapat menjadi solusi awal dalam meningkatkan pengalaman pengguna pada platform digital mebel melalui sistem rekomendasi yang cerdas.
Event Driven Architecture Approach for Synchronization Real Time NeoFeeder PDDIKTI Sopingi, Sopingi; Sumarlinda, Sri
Jurnal Sistem Informasi Bisnis Vol 15, No 3 (2025): Volume 15 Number 3 Year 2025
Publisher : Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/vol15iss3pp%p

Abstract

Pangkalan Data Pendidikan Tinggi memiliki peran penting sebagai pusat informasi pendidikan tinggi di Indonesia. NeoFeeder hadir sebagai middleware untuk menjembatani perbedaan sistem informasi akademik antar perguruan tinggi dengan database terpusat PDDIKTI. Implementasi NeoFeeder saat ini masih menggunakan sistem batch atau pemicu manual, yang dapat menyebabkan keterlambatan pembaruan data, terutama jika data besar atau ada perubahan mendadak. Untuk mengatasi hal ini, diperlukan arsitektur sistem yang lebih adaptif, scalable, dan responsif terhadap perubahan data. Penelitian ini bertujuan untuk menghasilkan model integrasi berbasis Event-Driven Architecture yang dapat meningkatkan efisiensi sinkronisasi data antara sistem akademik internal dan NeoFeeder PDDIKTI. Penelitian ini menggunakan pendekatan Rapid Application Development. Hasil penelitian menunjukkan bahwa sistem mampu mengirimkan lebih dari 1.000 data per detik dengan latensi rata-rata 4,05 ms dan response time di bawah 40 ms. Kesimpulannya, pendekatan Event Driven Architecture efektif dalam membantu sinkronisasi data akademik ke NeoFeeder secara real time.
RANCANG BANGUN SISTEM INFORMASI KEPEGAWAIAN BERBASIS WEBSITE (STUDI KASUS: SMP NEGERI 1 WURYANTORO) Yoga Prasetiawan, Ardhian; Wijiyanto; Sumarlinda, Sri
Tekmapro Vol. 19 No. 2 (2024): TEKMAPRO
Publisher : Program Studi Teknik Industri Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/tekmapro.v19i2.429

Abstract

SMP 1 Wuryantoro adalah SMP negeri yang terletak di Jalan Raya No. 1 Mlopoharjo, Wuryantoro. Dalam hal urusan kepegawaian di SMP Negeri 1 Wuryantoro ini penggunaannya masih manual. Hal ini berakibat melambatnya proses pengolahan data untuk pembuatan laporan sehingga tidak tercapainya efektivitas dan efisiensi kerja. Penelitian ini bertujuan untuk memudahkan pengelolaan data pegawai dengan dibuatnya suatu aplikasi yang hasilnya berupa sistem informasi kepegawaian berbasis web yang bermanfaat guna penginputan proses pengajuan cuti, pengajuan pensiun, pengajuan kenaikan pangkat dan Sasaran Kinerja Pegawai (SKP). Penelitian berikut memakai metode pengembangan sistem SDLC (System Development Life Cycle) dengan model waterfall. Pada tahap analisis memakai PIECES dan Use Case Diagram, kemudian tahap perancangan penulis menggunakan Class Diagram, dan Relasi Database. Pengembangan sistem yang digunakan berupa phpMyAdmin dan MySQL sebagai basis data. Hasil akhir yang diperoleh yaitu admin sekolah dapat menjalankan sistem pengelolaan data pegawai berbasis website yang akan memberikan kemudahan dalam pengelolaan data proses pengajuan cuti, pengajuan pensiun, pengajuan kenaikan pangkat dan Sasaran Kinerja Pegawai (SKP). Kata Kunci: Sistem Informasi Kepegawaian, phpMyAdmin, Website, MySQL
IMPLEMENTATION OF FUZZY INFERENCE SYSTEM (FIS) FOR CARDIOVASCULAR DISEASES PREDICTION Sumarlinda, Sri; binti Rahmat, Azizah; Awang Long, Zalizah binti; Lestari, Wiji
Proceeding of the International Conference Health, Science And Technology (ICOHETECH) 2023: Proceeding of the 4th International Conference Health, Science And Technology (ICOHETECH)
Publisher : LPPM Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/icohetech.v4i1.3418

Abstract

Abstract- Cardiovascular diseases (CVDs) continue to be a leading cause of mortality worldwide. Early and accurate prediction of CVDs risk is crucial for effective prevention and management. This study presents the implementation of a Fuzzy Inference System (FIS) for predicting suseptibility cardiovascular diseases. The implementation of FIS for the prediction of cardiovascular disease is by determining the membership function for risk factors that influence the susceptibility of the disease. The FIS developed in this study integrates five risk factors, including age, systolic blood pressure, diastolic blood pressure, blood sugar and cholesterol and one output parameter CVDs prediction. The FIS method used Mamdani with 162 rules. Real-world patient data diagnosed with cardiovascular disease is used to train and validate the FIS. Validity testing produces 100% valid data. Testing is carried out using patient data. The method used to validate the results of the FIS implementation is by distributing questionnaires to several paramedics.. These findings provide insights into further refinements of CVD risk modeling and potential applications in clinical practice.
Improvement Of Prediction Model Using K-Nearest Neighbors (Knn) And K-Means In Medical Data Lestari, Wiji; Sumarlinda, Sri; Binti Rahmat, Azizah
Proceeding of the International Conference Health, Science And Technology (ICOHETECH) 2024: Proceeding of the 5th International Conference Health, Science And Technology (ICOHETECH)
Publisher : LPPM Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/icohetech.v5i1.4175

Abstract

Improving the performance of a prediction model is very important in its implementation. This study aims to improve the performance of the K-Nearest Neighbors (KNN) classification model with the K-Means clustering algorithm. The dataset used is UCI global data with 300 data and 12 features. The dataset is divided into 200 training data and 100 testing data. The training data is then processed by clustering with K-Means. The cluster centroid from the clustering results will be calculated for its distance from the testing data and produce data classification. The results of the classification process show that the accuracy of the proposed model is 76.45% better when compared to the results of the KNN classification process, for k = 5 the accuracy is 63.37%, k = 10 the accuracy is 64.36% and k = 15 the accuracy is also 64.36%.
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