Claim Missing Document
Check
Articles

Found 34 Documents
Search

Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi Dengan Metode Topsis Nurfiyah, Nurfiyah; Salkiawati, Ratna; Lubis, Hendarman; Apriliani, Lita
Journal of Information System, Informatics and Computing Vol 8 No 2 (2024): JISICOM (July-December 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v8i2.1677

Abstract

Program studi adalah kegiatan pembelajaran yang memiliki kurikulum dan metode pembelajaran tertentu pada pendidikan akademik, pendidikan profesi dan/atau pendidikan vokasi, yang diselenggarakan oleh sebuah lembaga perguruan tinggi. Universitas Bhayangkara Jakarta Raya merupakan salah satu perguruan tinggi swasta yang menawarkan berbagai macam program studi. Namun pada saat mahasiswa baru melakukan pendaftaran ada calon mahasiswa yang masih bingung dalam memilih program studi. Biro Pemasaran sebagai petugas penerima calon mahasiswa baru, hanya memberikan penjelasan rekomendasi program studi secara lisan, karena belum ada sistem untuk hal tersebut. Sehingga dibuatlah penelitian tentang Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi. Penelitian ini bertujuan membangun sistem pendukung keputusan untuk membantu calon mahasiswa dalam memilih program studi yang tepat dan sesuai. Metode yang dipergunakan adalah metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dan penerapannya berbasis web. Sistem pendukung keputusan ini dibuat dengan menggunakan bahasa pemrograman PHP dan database MySQL. Metode TOPSIS dapat menentukan rekomendasi prodi berdasarkan alternatif terbaik dan dapat membantu calon mahasiswa dalam menentukan pilihan program studi yang tepat dengan 4 kriteria, yaitu akreditasi, biaya, prospek kerja dan jenis kelas. Hasil dari penelitian ini didapatkan dengan nilai akhir sebesar 0.6772 untuk hasil rekomendasi program studi adalah program studi Informatika.
Implementasi Metode Naïve Bayes dan Support Vector Machine (SVM) untuk Menganalisis Sentimen Pengguna Twitter terhadap Transjakarta Ramdhania, Khairunnisa Fadhilla; Hidayat, Dian Fitrianto; Salkiawati, Ratna
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 9 No 1 (2024): March - August 2024
Publisher : Prodi Pendidikan Matematika Universitas Pesantren Tinggi Darul Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/jmpm.v9i1.4494

Abstract

Twitter adalah media sosial populer di Indonesia yang digunakan untuk mengungkapkan perasaan dan menyampaikan opini. Transjakarta adalah transportasi umum dengan  jumlah penumpang harian terbanyak. Pengguna Transjakarta kerap berbagi pengalaman baik atau buruk, serta opini di Twitter. Beberapa masalah pada Transjakarta yang dibahas di Twitter yaitu terkait penutupan halte sementaradan kasus asusila yang dialami oleh pengguna Transjakarta. Artikel ini menganalisis opini pengguna Twitter tentang Transjakarta menggunakan metode Support Vector Machine (SVM) dan  Naïve Bayes. Lexicon based digunakan untuk pemberian label pada 6736 tweet. Hasil analisis menunjukkan 2228 tweet positif dan 2821 tweet negative.  Metode Support Vector Machine mencapai akurasi 84.95%, presisi 83%, recall 83% dan f1-score 83%, sedangkan Naïve Bayes mencapai akurasi 76.43%, presisi 78%, recall 68% dan f1-score 73%.
Prediksi Penjualan Produk Sepatu dengan Menggunakan Algoritma K-Nearest Neighbor Regression dan Cross Validation Salkiawati, Ratna; Lubis, Hendarman; Nurfiyah, Nurfiyah
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 12 No 1 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v12i1.1329

Abstract

Penjualan sepatu di Toko “X” mencakup berbagai merek, seperti Fladeo, Cardinal, dr. Kevin, dan Jackson. Sistem pengelolaan data penjualan di toko ini pada saat penelitian masih menggunakan pencatatan secara manual, di mana hasil penjualan hanya diproses dalam format MS Excel. Untuk memudahkan pengelolaan dan perencanaan penjualan di masa depan, diperlukan prediksi penjualan menggunakan teknik klasifikasi data mining, yaitu algoritma K-Nearest Neighbor Regression. Berdasarkan hasil penelitian, prediksi penjualan sepatu terlaris menunjukkan bahwa nilai K = 2 menghasilkan RMSE 0,43 untuk produk Fladeo, K = 3 menghasilkan RMSE 0,46 untuk produk Cardinal, K = 13 menghasilkan RMSE 0,46 untuk produk dr. Kevin, dan K = 6 menghasilkan RMSE 0,49 untuk produk Jackson. Berdasarkan pedoman RMSE, dapat disimpulkan bahwa semua model yang diuji menunjukkan tingkat kesalahan sedang, yaitu antara 0,30 hingga 0,56.
PERANCANGAN APLIKASI TRENDY STORE DALAM PEMBELIAN PRODUK PAKAIAN REMAJA Nurfiyah, Nurfiyah; Salkiawati, Ratna; Lubis, Hendarman
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1951

Abstract

Perkembangan teknologi informasi telah mendorong pertumbuhan sistem perdagangan elektronik (e-commerce), khususnya dalam industri fashion yang sangat diminati oleh kalangan remaja. Namun, masih terdapat kekurangan dalam penyediaan platform belanja yang secara khusus menyesuaikan preferensi dan gaya hidup digital remaja. Penelitian ini bertujuan untuk merancang aplikasi Trendy Store sebagai solusi e-commerce berbasis web yang menyediakan produk pakaian remaja dengan antarmuka menarik dan fungsionalitas yang sesuai kebutuhan pengguna muda. Proses pengembangan dilakukan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall, dengan tahapan mulai dari analisis kebutuhan, perancangan, implementasi, hingga pengujian. Aplikasi dikembangkan menggunakan HTML, CSS, JavaScript, Bootstrap, dan Alpine.js serta dihosting melalui GitHub Pages. Hasil perancangan menunjukkan bahwa Trendy Store mampu menyediakan fitur-fitur seperti katalog produk, pencarian, keranjang belanja, dan metode pembayaran digital yang responsif dan mudah digunakan. Aplikasi ini diharapkan dapat memberikan pengalaman belanja yang efisien dan menyenangkan bagi remaja, serta mendukung pelaku usaha fashion dalam menjangkau pasar digital secara lebih luas
K- NEAREST NEIGHBOR REGRESSION UNTUK PREDIKSI PENJUALAN DONUT Salkiawati, Ratna; Nurfiyah, Nurfiyah; Lubis, Hendarman Lubis; El Ghozy, Ilham Nur
Journal of Information System, Informatics and Computing Vol 9 No 1 (2025): JISICOM (June 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i1.1964

Abstract

Toko Donut “X” merupakan sebuah toko yang memproduksi variasi roti dan kue dengan menggunakan bahan pilihan terbaik tanpa menggunakan pengawet. Permasalahan yang terjadi toko tersebut adalah kesulitan untuk memprediksi permintaan konsumen dan juga belum bisa memprediksi penjualan di masa yang akan datang. Agar mempermudah pihak pengusaha dalam merencanakan penjualan serta penjadwalan produksi. Maka dilakukan prediksi penjualan produk menggunakan teknik K-Nearest Neighbor Regression. Metode yang diterapkan dalam penelitian ini adalah Knowledge Discovery in Database (KDD). Metode yang diterapkan melewati 5 tahap yaitu; Data Selection, Preprocessing, Transformation, Data Mining, Interpretation/Evaluation. Hasil pada penelitian ini menunjukan prediksi penjualan terlaris pada produk Blackforest di bulan Juni dengan k = 12 RMSE = 0.41876, Brownies di bulan Januari dengan k = 4 RMSE = 0.46398, Coklat di bulan Februari dengan k = 9 RMSE = 0.4827, Donat di bulan Juli dengan k = 14 RMSE = 0.47980, Tart di bulan Juli dengan k = 12 RMSE = 0.47381, Triple Disert Box di bulan November dengan k = 13 RMSE = 0.49336. Sesuai dengan pedoman RMSE dapat disimpulkan bahwa seluruh model yang diuji memiliki tingkat kesalahan sedang dalam range 0,30 – 0,599.
Perancangan Sistem Informasi Persediaan Obat Menggunakan Metode Fifo Berbasis Web Pada Apotek Risma Muhamad Akbar Putra Prasetyo; Ratna Salkiawati; Achmad Noeman; Nurfiyah
Journal of Informatic and Information Security Vol. 4 No. 1 (2023): Juni 2023
Publisher : Program Studi Informatika, Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/spy30307

Abstract

As for the background that makes this writing, namely, drug data collection at the Risma Pharmacy which still uses the process of recording in books. Problems that often arise with recording in books cause the data to be less accurate, and it is difficult to search for data. Often the pharmacy has difficulty in checking the data of goods in the pharmacy. Recording using multiple ledgers results in inefficient. The method used is the FIFO (First In First Out) method, which is a non-preemptive, non-priority scheduling algorithm. Each process is given an execution schedule based on the order in which it arrives. The development of this system uses the PHP programming language. The system development method uses the RAD (Rapid Application Development) method. This RAD model is very synchronous to realize the form of software with emergency needs and with a short time in the process. The result of this research is a web-based drug supply information system. With this drug supply information system, it can help pharmacies in overcoming drug data collection which was previously processed manually to be more effective because there is no need to record sales data using paper/books.
Penerapan Algoritma K-Means untuk Mengetahui Pola Persediaan Barang pada Toko Raja Bekasi Intan Safira; Ratna Salkiawati; Priatna, Wowon Priatna
Journal of Informatic and Information Security Vol. 3 No. 1 (2022): Juni 2022
Publisher : Program Studi Informatika, Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/ykryzk32

Abstract

This study aims to determine how much the results of grouping goods affect the needs of consumers. Excess inventory will greatly fill the warehouse and be inefficient because of the expiration date on food products, beverages, etc. Currently Toko Raja still manages goods manually so it is not time efficient. To solve this problem, a technique is needed, namely data mining. The data mining technique that will be used in this research is the K-Means Clustering method. K-Means is one of the most popular algorithms because it is easy and simple to implement. However, the results of the clustering of K-Means are very dependent on theselection of the initial cluster center point. Calculation of accuracy in this study using the test results of the K-Means clustering method using the Davies-Bouldin Index (DBI) is 1.856 where the DBI value close to zero cluster is good enough. From the resulting accuracy, it can be concluded that the K-Means Clustering method can support the system well.
PENERAPAN IMAGE CLASSIFICATION PADA APLIKASI PEMBELAJARAN BAHASA ISYARAT INDONESIA (BISINDO) BERBASIS ANDROID Salkiawati, Ratna; Khaerudin, M.; Lubis, Hendarman; Bagaskhoro, Bima
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 11 No 1 (2024): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v11i1.1126

Abstract

AbstrakSistem pembelajaran dengan menggunakan image classification dalam pembelajaran bahasa isyarat indonesia atau dikenal dengan BISINDO untuk membantu masyarakat tunarungu maupun masyarakat non tunarungu dalam mempelajari bahasa isyarat masih dibutuhkan. Melihat sistem Android yang saat ini banyak digunakan oleh masyarakat, maka dari itu di kembangkanlah Penerapan Image Classification Pada Aplikasi Pembelajaran Bahasa Indonesia (BISINDO) Berbasis Android. Tujuannya ialah pengguna yang ingin mempelajari bahasa isyarat dapat mempelajarinya secara mandiri, dimana pengecekan pola tangan dilakukan dengan Image Classification secara otomatisasi didalam aplikasi android guna memudahkan pengguna. Pengembangan aplikasi ini menggunakan metode waterfall dan menggunakan citra yang dilatih dengan algoritma Convolutional Neural Network serta pengelolaan data menggunakan Personal Home Page (PHP) dan MySql berbasis restFull API serta Kotlin digunakan dalam pemrograman aplikasi Android. Hasil dari penelitian ini dapat membantu pembelajaran bahasa isyarat indonesia dengan aplikasi android dengan persentase akurasi model sebesar 98% yang dapat membantu pengecekan secara otomatisasi dalam aplikasi android. Keywords: Bahasa Isyarat; BISINDO; Image Classification; Android  
IDENTIFIKASI CITRA GARIS TELAPAK TANGAN MENGGUNAKAN METODE GLCM & K-NN Nurfiyah, Nurfiyah; Lubis, Hendarman; Salkiawati, Ratna
Jurnal Manajamen Informatika Jayakarta Vol 4 No 3 (2024): JMI Jayakarta (Juli 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jmijayakarta.v4i3.1524

Abstract

Pada era perkembangan teknologi yang pesat, sistem pengenalan seseorang secara otomatis menjadi suatu yang sangat penting salah satunya dengan menggunakan unsur biometrik dari tubuh manusia. Proses identifikasi biometrik dapat menghindari adanya kebocoran data, seperti username dan password suatu akun dapat di bobol, dokumen atau tanda tangan yang ditirukan. Salah satu fitur biometrik yang digunakan dalam penelitian ini adalah telapak tangan, karena telapak tangan memiliki karakteristik unik yang dimana pola garis-garis utama pada telapak tangan (palmprint) seperti, luas area, garis kusut/lemah, dan garis utama pada telapak tangan (principal lines) yang bersifat stabil. Tujuan dari penelitian ini adalah untuk mengidentifikasi citra garis telapak tangan agar dapat melihat nilai akurasi pada citra garis telapak tangan tersebut dan pencocokan pola garis telapak tangan dari inputan yang tersedia pada database dengan menggunakan metode GLCM untuk ektraksi fitur pada citra garis telapak tangan dan menggunakan metode K-Nearest Neighbor (KNN) untuk pengklasifikasian citra tersebut agar dapat dikenali siapa pemilik citra telapak tangan tersebut, dan dari hasil penelitian yang sudah dilakukan identifikasi citra garis telapak tangan menghasilkan nilai akurasi sebesar 66.7%. Kata kunci: Biometrik, Garis Telapak Tangan, K-Nearest Neighbor (KNN).
Inisiasi Edukasi Kreatif Pelatihan E-Learning Di SMK Panjatek Bekasi Dwijayanthi Nirmala, Indah; Handayani, Dwipa; Hendarman; Salkiawati, Ratna
Journal Of Computer Science Contributions (JUCOSCO) Vol. 1 No. 1 (2021): Januari 2021
Publisher : Lembaga Penelitian, Pengabdian kepada Masyarakat dan Publikasi Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/jucosco.v1i1.493

Abstract

Proses pembelajaran tidak terlepas dari penerapan teknologi sebagai salah satu langkah untuk menjaga kualitas dan keberhasilan proses belajar mengajar. Saat ini telah banyak berkembang berbagai teknologi yang dapat dimanfaatkan untuk mengembangkan dunia pendidikan, salah satunya pembelajaran secara daring. E-learning merupakan sistem pendidikan yang menggunakan aplikasi elektronik untuk mendukung pengembangan kegiatan belajar mengajar dengan media internet, intranet atau media komputer yang lain, dengan adanya e-learning memungkinkan terjadinya proses pendidikan tanpa melalui tatap muka langsung dan pengembangan ilmu pengetahuan kepada pelajar bisa dilakukan dengan mudah. Salah satu strategi dalam menyusun pembelajaran dengan memanfaatkan berbagai media dan sumber belajar yaitu dilakukan inisiasi kegiatan edukasi kreatif dengan menggunakan aplikasi EDMODO yang sangat dibutuhkan untuk menyesuaikan kondisi belajar mengajar secara daring/online karena kondisi pandemi Covid 19. Kata kunci: Pendidikan,teknologi, komputer, internet, aplikasi elektronik, EDMODO, Covid 19