Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal INOVTEK Polbeng - Seri Informatika Indonesian Journal of Innovation Multidisipliner Research Journal Of Artificial Intelligence And Software Engineering INOVTEK Polbeng - Seri Informatika
kurnia, fitra
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Sistem Pendukung Keputusan untuk Rekomendasi Pemilihan Guru Terbaik Menggunakan Metode Simple Additive Weighting Sapitri, Janaria; Vitriani, Yelfi; Haerani, Elin; Kurnia, Fitra
Indonesian Journal of Innovation Multidisipliner Research Vol. 2 No. 2 (2024): June
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v2i2.139

Abstract

Guru yang profesional dibutuhkan di sekolah-sekolah, seperti SMKN Kehutanan Pekanbaru, untuk memberikan pengalaman belajar mengajar yang unggul. Oleh karena itu, sekolah terus berupaya untuk meningkatkan kualitas guru dengan menilai bagaimana para pengajar menjalankan tugasnya untuk memastikan mereka memenuhi kriteria kompetensi. Sistem pendukung keputusan adalah sistem yang dapat memecahkan masalah dan menanganinya tujuannya bukan untuk menggantikan pengambil dilanjutkan dengan prosedur perangkingan untuk menemukan alternatif terbaik dari daftar pilihan keputusan, melainkan untuk membantu merekomendasikan pengambil keputusan. Simple Additive Weighting (SAW) adalah metode yang populer dalam sistem pendukung keputusan karena dapat menetapkan nilai pembobotan untuk setiap fitur dan kemudian yang tersedia. Pada contoh kasus ini, metode SAW (simple additive weighting) yang digunakan untuk memilih guru terbaik di SMKN Kehutanan Pekanbaru berhasil membantu pengguna, dan diperoleh rekomendasi guru terbaik yaitu A12 dengan nilai akhir 0,95. Berdasarkan pengujian UAT, diperoleh hasil 85% yang menandakan bahwa aplikasi ini dapat diterima dengan baik oleh pengguna.
Diagnosis Dini Penyakit Gagal Ginjal Dengan Metode Dempster Fakhira, Adzra; Insani, Fitri; Irsyad, Muhammad; Vitriani, Yelfi; Kurnia, Fitra
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3728

Abstract

Terlambatmendeteksipenyakitgagalginjalakanberakibatseriuskarenadiagnosisbiasanya terjadiketika masalah ginjal sudah mencapai tingkat parah. Seperti yang telah terjadi di Indonesia pada tahun 2022 lalu, terdapat 324 kasus terkonfirmasi dan 195 diantaranya meninggal dunia. Hal yang mempengaruhiketerlambatankesadaranpenderitaadalahpengetahuanyangkurangterhadapbahayapenyakit gagal ginjal. Penyakit gagal ginjal dapat disebabkan oleh dehidrasi, penyakit kronis seperti hypertensi dan diabetes, serta kekurangan banyak darah akibat  cedera atau operasi. Penggunaan teknologi dapat terwujud melalui pembuatan sistem pakardengan metode Dempster Shafer guna mendiagnosis penyakit gagal ginjal.Dalam sistem pakardiagnosis dini penyakit gagal ginjal ini penggunadiperintahkan agar mengisi data diri singkatdan gejala-gejala yang dialami. Selanjutnya sistem akan mengkombinasi gejala yang telahdipilih dengan metode Dempster Shafer menggunakan teori kepercayaan pakar sehingga mendapatkan hasil diagnosis berupa persentase pengguna mengidap penyakit gagal ginjal akut atau kronis, dan solusi untuk tindakan pengguna berikutnya. Penelitian ini telah menghasilkan sistem yang mampu mendiagnosis penyakit gagal ginjal dan dapat diterima dengan baik oleh pengguna
Retrieval-Augmented Generation in a Web-Based Question Answering System for Fiqh Books Ahadi, Ridho; Harahap, Nazruddin Safaat; Fikry, Muhammad; Kurnia, Fitra
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): Juni On-Progress
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7005

Abstract

Mayoritas masyarakat Indonesia yang beragama Islam cenderung tidak mengetahui madzhab yang mereka anut, padahal pemahaman madzhab sangat penting untuk menjalankan ibadah secara benar dan sah. Salah satu madzhab yang berkembang di Indonesia, terutama melalui ulama Hadramaut, adalah madzhab Imam Asy-Syafi’i. Kurangnya akses terhadap literatur fikih otentik serta metode pembelajaran interaktif menyebabkan masyarakat kesulitan memahami fikih secara mendalam. Perkembangan teknologi kecerdasan buatan (AI), memberikan dampak signifikan dalam berbagai aspek, termasuk pendidikan dan keagamaan. Salah satu implementasi AI yang berkembang adalah chatbot, sistem interaktif berbasis percakapan yang mampu memahami dan merespons pertanyaan secara alami. Dalam konteks pembelajaran keislaman, khususnya fikih, penggunaan chatbot AI menghadirkan peluang baru untuk pembelajaran yang lebih personal dan interaktif. Fikih sebagai cabang ilmu hukum Islam menuntut pemahaman mendalam terhadap sumber klasik dan aplikasinya dalam kehidupan modern. Penelitian ini memiliki tujuan untuk mengembangkan sistem tanya jawab fikih berbasis AI dan Natural Language Processing menggunakan Large Language Model (LLM), framework LangChain, serta metode Retrieval-Augmented Generation (RAG). Sistem ini dirancang memberikan jawaban relevan berdasarkan konteks fikih. Evaluasi menggunakan metrik BERTScore menghasilkan precision 86,50%, recall 84,76%, dan F1-score 85,52%, hasil ini menunjukkan akurasi tinggi dalam menjawab pertanyaan fikih.
Application of ARIMA and ARIMAX Methods to Predict the Number of Visitors to Hotel XYZ Pekanbaru Vernando, Julio; Insani, Fitri; Okfalisa, Okfalisa; Kurnia, Fitra
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 2 (2025): Juli
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/enrfna19

Abstract

Predicting the number of visitors to Hotel XYZ is one of the steps that can be taken by the hotel to find out how many visitors will increase in each upcoming holiday season. The purpose of this study is to forecast the number of visitors to Hotel XYZ from June 2023 to July 2024 using the ARIMA and ARIMAX comparison methods. The research methodology encompasses problem identification, data collection, data processing, and ARIMA and ARIMAX analysis, which involves testing the parameters (p, d, q) selected based on the ACF and PACF using the AIC Model. Based on the test results, ARIMAX (5, 0, 3) has the lowest AIC, which is 3495.2, followed by ARIMAX (3, 0, 5), which has a slightly higher AIC. The results showed that the ARIMAX (5, 0, 3) model is the most accurate model for predicting data (eg the number of hotel guests, room demand, or income), with an RMSE value of 15.80% and a MAPE of 18.90%. Therefore, research that applies the ARIMAX model can provide real benefits in supporting operational efficiency, resource management, and hotel business strategy, ultimately increasing the competitiveness and profitability of the hotel.
Co-Authors Ahadi, Ridho Elin Haerani Fakhira, Adzra Fitri Insani Muhammad Fikry Muhammad Irsyad Nazruddin Safaat H Okfalisa Okfalisa Sapitri, Janaria Vernando, Julio Vitriani, Yelfi