Article Per Year (5 Year)
p-Index From 2020 - 2025
4.266
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri INOVTEK Polbeng - Seri Informatika Jurnal Teknik Informatika STMIK Antar Bangsa JITK (Jurnal Ilmu Pengetahuan dan Komputer) IJIS - Indonesian Journal On Information System Jurnal Riset Informatika Jurnal Infortech Infotek : Jurnal Informatika dan Teknologi Jurnal Sistem Informasi JUSTIAN - Jurnal Sistem Informasi Akuntansi Electrician : Jurnal Rekayasa dan Teknologi Elektro Jurnal Aruna Mengabdi (ARMI) Journal of Accounting Information System
Ari Puspita
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Jurnal Teknik Informatika STMIK Antar Bangsa

 1 
PREDIKSI KELAHIRAN BAYI SECARA PREMATUR DENGAN MENGGUNAKAN ALGORITMA C.45 BERBASIS PARTICLE SWARM OPTIMIZATION Puspita, Ari
Jurnal Teknik Informatika Vol. 2 No. 1 (2016): JTI Periode Februari 2016
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v2i1.2

Abstract

Abstract - Preterm labor can happen when pregnancy has not entered the 37th week, or three weeks or more before the birth day forecast (HPL). Babies who are born prematurely usually weigh less than 2.5 kilograms it is that causes the body's organs are not functioning properly infants can suffer from a variety of more serious health problems than babies who were born on schedule birth. Until now, there are some cases of premature labor of unknown cause. There are several factors and health problems that can trigger preterm labor that mothers who do not exercise, smoking, history of pregnancy, fetal condition, psychological condition. To the authors intend to make a research on how to predict a patient who will give birth prematurely. After testing the algorithm C4.5 models that the results obtained are C4.5 algorithm produces a value of  93.60% accuracy and AUC value of 0.946 to the level of diagnostics Excellent Classification. But after namely, the addition of C4.5 algorithm based particle swarm optimization accuracy rate of 96.00% and the AUC value of 0.967 with a diagnosis rate Excellent Classification. So that both methods have tingkar difference in the amount of 2.4% accuracy.Intisari – Persalinan prematur bisa terjadi ketika kehamilan belum memasuki minggu ke-37, atau tiga minggu atau lebih sebelum perkiraan hari lahir (HPL). Bayi yang lahir prematur biasanya kurang dari 2,5 kilogram itu yang menyebabkan organ tubuh tidak berfungsi dengan baik bayi bisa menderita berbagai masalah kesehatan yang lebih serius daripada bayi yang lahir pada jadwal kelahiran. Hingga saat ini, ada beberapa kasus persalinan prematur penyebabnya tidak diketahui. Ada beberapa faktor dan masalah kesehatan yang dapat memicu persalinan prematur bahwa ibu yang tidak berolahraga, merokok, riwayat kehamilan, kondisi janin, kondisi psikologis. Untuk itu penulis bermaksud untuk melakukan penelitian tentang bagaimana untuk memprediksi pasien yang akan melahirkan prematur. Setelah menguji model algoritma C4.5 bahwa hasil yang didapatkan algoritma C4.5 menghasilkan nilai akurasi 93.60% dan nilai AUC 0,946 dengan tingkat diagnosa Klasifikasi sangat baik. Tapi setelah yaitu penambahan partikel swarm tingkat algoritma C4.5 berdasarkan optimasi akurasi 96.00% dan nilai AUC 0,967 dengan tingkat diagnosis yang sangat baik Klasifikasi. Sehingga kedua metode memiliki tingkar perbedaan jumlah akurasi 2,4%.Keywords: Preterm, C4.5 Algorithm, Particle Swarm Optimization, Pregnancy
Sistem Pakar Pendeteksian Dini Jenis dan Perawatan Kulit Wajah dengan Menggunakan Metode Forward Chaining Puspita, Ari; Lestari, Ade Fitria; Amalia, Hilda
Jurnal Teknik Informatika Vol. 3 No. 2 (2017): JTI Periode Agustus 2017
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v3i2.146

Abstract

Abstract— Every human being, especially women, want to have healthy skin. That is a very important way to treat our skin. Consider the many aspects that can cause skin problems, therefore we need to choose the right products and treatments.This application is based on expert system, it is the way experts think, analyze and make conclusions or decisions. In this application program, will analyze your skin type and problem yangdihadapi to determine the right products and treatments. Care provided comprising face care, body care, eye care, hair care, hand care and foot. Intisari – Setiap manusia khususnya perempuan, ingin memiliki kulit yang sehat. Itu adalah cara yang sangat penting untuk merawat kulit kita. Pertimbangkan banyak aspek yang dapat menyebabkan masalah kulit, karena itu kita perlu memilih produk kosmetik yang cocok dengan kulit wajah Aplikasi ini didasarkan pada sistem pakar, itu adalah cara ahli berpikir, menganalisa dan membuat kesimpulan atau keputusan. Pada program aplikasi ini, akan menganalisis jenis kulit dan masalah yangdihadapi untuk menentukan produk yang tepat dan pengobatan.Pengembangan sistem pakar menggunakan metode inferensi maju chaining, yang merupakan data-driven proses inferensi untuk menemukan kesimpulan.Berdasarkan kuesioner, kita dapat meyimpulkan bahwa sistem pakar ini sangat cocok untuk membantu para wanita dan pria untuk menentukan perawatan kulit nya Kata Kunci: Sistem Pakar, Forward Chaining, Kulit
Prediksi Peminatan Pelanggan dalam Penjualan Produk Sepatu Menggunakan Metode Decision Tree Berbasis Particle Swarm Optimization pada PT. Baskara Cipta Pratama Puspita, Ari; Jefi, Jefi; Fahmi, Muhammad
Jurnal Teknik Informatika Vol. 5 No. 1 (2019): JTI Periode Februari 2019
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v5i1.296

Abstract

Abstract—The PSO-based optimization C4.5 model gives a higher value of 78.16% compared to the C4.5 algorithm model that is 73.88. The results obtained differences between the two models by 4.28%. While for evaluation using ROC curve for second model that is, for model of algorithm C4.5 value of AUC is 0,764 with level of diagnosis classification fair, and for model of algorithm C4.5 based on PSO AUC is 0,780 with level of diagnosis of fair classification. It s concluded that ROC curvesmodels shows C4.5 algorithm based on PSO is larger. It can be inferred that C4.5 algorithm based on particle swam optimization is more accurate in predicting the customers’ interest for buying shoes.         Intisari— Analisis optimasi model algoritma C4.5 berbasis PSO memberikan nilai akurasi yang lebih tinggi yaitu 78.16% dibandingkan dengan model algoritma C4.5 yaitu 73.88%. Dari hasil tersebut didapatkan selisih antara kedua model yaitu 4,28%. Sementara untuk evalusai menggunakan ROC curve untuk kedua model yaitu, untuk model algoritma C4.5 nilai AUC adalah 0.764 dengan tingkat diagnosa Fair classification, dan untuk model algoritma C4.5 berbasis PSO nilai AUC adalah 0.780 dengan tingkat diagnosa Fair classification. Dari evaluasi ROC curve tersebut terlihat bahwa model algoritma C4.5 berbasis PSO lebih besar  Sehingga dapat disimpulkan bahwa algoritma C4.5 berbasis particle swarm optimization lebih akurat dalam memprediksi minat beli produk sepatu.  Kata Kunci — C4.5, Produk, Sepatu PSO 
PREDIKSI KELAHIRAN BAYI SECARA PREMATUR DENGAN MENGGUNAKAN ALGORITMA C.45 BERBASIS PARTICLE SWARM OPTIMIZATION Puspita, Ari
Jurnal Teknik Informatika Vol 2 No 1 (2016): JTI Periode Februari 2016
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v2i1.2

Abstract

Abstract - Preterm labor can happen when pregnancy has not entered the 37th week, or three weeks or more before the birth day forecast (HPL). Babies who are born prematurely usually weigh less than 2.5 kilograms it is that causes the body's organs are not functioning properly infants can suffer from a variety of more serious health problems than babies who were born on schedule birth. Until now, there are some cases of premature labor of unknown cause. There are several factors and health problems that can trigger preterm labor that mothers who do not exercise, smoking, history of pregnancy, fetal condition, psychological condition. To the authors intend to make a research on how to predict a patient who will give birth prematurely. After testing the algorithm C4.5 models that the results obtained are C4.5 algorithm produces a value of  93.60% accuracy and AUC value of 0.946 to the level of diagnostics Excellent Classification. But after namely, the addition of C4.5 algorithm based particle swarm optimization accuracy rate of 96.00% and the AUC value of 0.967 with a diagnosis rate Excellent Classification. So that both methods have tingkar difference in the amount of 2.4% accuracy.Intisari – Persalinan prematur bisa terjadi ketika kehamilan belum memasuki minggu ke-37, atau tiga minggu atau lebih sebelum perkiraan hari lahir (HPL). Bayi yang lahir prematur biasanya kurang dari 2,5 kilogram itu yang menyebabkan organ tubuh tidak berfungsi dengan baik bayi bisa menderita berbagai masalah kesehatan yang lebih serius daripada bayi yang lahir pada jadwal kelahiran. Hingga saat ini, ada beberapa kasus persalinan prematur penyebabnya tidak diketahui. Ada beberapa faktor dan masalah kesehatan yang dapat memicu persalinan prematur bahwa ibu yang tidak berolahraga, merokok, riwayat kehamilan, kondisi janin, kondisi psikologis. Untuk itu penulis bermaksud untuk melakukan penelitian tentang bagaimana untuk memprediksi pasien yang akan melahirkan prematur. Setelah menguji model algoritma C4.5 bahwa hasil yang didapatkan algoritma C4.5 menghasilkan nilai akurasi 93.60% dan nilai AUC 0,946 dengan tingkat diagnosa Klasifikasi sangat baik. Tapi setelah yaitu penambahan partikel swarm tingkat algoritma C4.5 berdasarkan optimasi akurasi 96.00% dan nilai AUC 0,967 dengan tingkat diagnosis yang sangat baik Klasifikasi. Sehingga kedua metode memiliki tingkar perbedaan jumlah akurasi 2,4%.Keywords: Preterm, C4.5 Algorithm, Particle Swarm Optimization, Pregnancy
Sistem Pakar Pendeteksian Dini Jenis dan Perawatan Kulit Wajah dengan Menggunakan Metode Forward Chaining Puspita, Ari; Lestari, Ade Fitria; Amalia, Hilda
Jurnal Teknik Informatika Vol 3 No 2 (2017): JTI Periode Agustus 2017
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v3i2.146

Abstract

Abstract— Every human being, especially women, want to have healthy skin. That is a very important way to treat our skin. Consider the many aspects that can cause skin problems, therefore we need to choose the right products and treatments.This application is based on expert system, it is the way experts think, analyze and make conclusions or decisions. In this application program, will analyze your skin type and problem yangdihadapi to determine the right products and treatments. Care provided comprising face care, body care, eye care, hair care, hand care and foot. Intisari – Setiap manusia khususnya perempuan, ingin memiliki kulit yang sehat. Itu adalah cara yang sangat penting untuk merawat kulit kita. Pertimbangkan banyak aspek yang dapat menyebabkan masalah kulit, karena itu kita perlu memilih produk kosmetik yang cocok dengan kulit wajah Aplikasi ini didasarkan pada sistem pakar, itu adalah cara ahli berpikir, menganalisa dan membuat kesimpulan atau keputusan. Pada program aplikasi ini, akan menganalisis jenis kulit dan masalah yangdihadapi untuk menentukan produk yang tepat dan pengobatan.Pengembangan sistem pakar menggunakan metode inferensi maju chaining, yang merupakan data-driven proses inferensi untuk menemukan kesimpulan.Berdasarkan kuesioner, kita dapat meyimpulkan bahwa sistem pakar ini sangat cocok untuk membantu para wanita dan pria untuk menentukan perawatan kulit nya Kata Kunci: Sistem Pakar, Forward Chaining, Kulit
Prediksi Peminatan Pelanggan dalam Penjualan Produk Sepatu Menggunakan Metode Decision Tree Berbasis Particle Swarm Optimization pada PT. Baskara Cipta Pratama Puspita, Ari; Jefi, Jefi; Fahmi, Muhammad
Jurnal Teknik Informatika Vol 5 No 1 (2019): JTI Periode Februari 2019
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v5i1.296

Abstract

Abstract—The PSO-based optimization C4.5 model gives a higher value of 78.16% compared to the C4.5 algorithm model that is 73.88. The results obtained differences between the two models by 4.28%. While for evaluation using ROC curve for second model that is, for model of algorithm C4.5 value of AUC is 0,764 with level of diagnosis classification fair, and for model of algorithm C4.5 based on PSO AUC is 0,780 with level of diagnosis of fair classification. It s concluded that ROC curvesmodels shows C4.5 algorithm based on PSO is larger. It can be inferred that C4.5 algorithm based on particle swam optimization is more accurate in predicting the customers’ interest for buying shoes.         Intisari— Analisis optimasi model algoritma C4.5 berbasis PSO memberikan nilai akurasi yang lebih tinggi yaitu 78.16% dibandingkan dengan model algoritma C4.5 yaitu 73.88%. Dari hasil tersebut didapatkan selisih antara kedua model yaitu 4,28%. Sementara untuk evalusai menggunakan ROC curve untuk kedua model yaitu, untuk model algoritma C4.5 nilai AUC adalah 0.764 dengan tingkat diagnosa Fair classification, dan untuk model algoritma C4.5 berbasis PSO nilai AUC adalah 0.780 dengan tingkat diagnosa Fair classification. Dari evaluasi ROC curve tersebut terlihat bahwa model algoritma C4.5 berbasis PSO lebih besar  Sehingga dapat disimpulkan bahwa algoritma C4.5 berbasis particle swarm optimization lebih akurat dalam memprediksi minat beli produk sepatu.  Kata Kunci — C4.5, Produk, Sepatu PSO 
Co-Authors Ade Fitria Lestari Ade Fitria Lestari, Ade Fitria Antonius Ariyo Nugroho Aris Suryadi Azironia, Aghita Dahlia Dahlia Endang Pujiastuti Endang Pujiastuti Fikriansyah, Muhammad Frieyadie Fuad, Mohammad Haddiel Hilda Amalia Hilda Amalia Ida Faridah Jefi, Jefi Lia Mazia, Lia Mely Mailasari Muhammad Fahmi Nyanyu Siti Aminah Lily Alfrieda Rahmat Tri Yunandar Retno Utami, Retno Riki Ardiansyah Seni Kurniasari Siti Helmyati Veithzal Rivai Zainal Widyastuti, Reny Wulan Dari Yuli Wahyuni Yuli Wahyuni Yuningsih, Yuyun Yunita Yunita Yuyun Yuningsih