Article Per Year (5 Year)
p-Index From 2021 - 2026
2.248
P-Index
This Author published in this journals
All Journal MNJ (Malang Neurology Journal) JOIV : International Journal on Informatics Visualization Informatik : Jurnal Ilmu Komputer SEINASI-KESI Journal of Robotics and Control (JRC) Jurnal ABDIMAS (Pengabdian kepada Masyarakat) UBJ ABDIKOM Jurnal Sistem Informasi dan Aplikasi
Ernawati, Iin
Unknown Affiliation
Aerospace Engineering Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Mechanical Engineering Neuroscience Social Sciences

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : SEINASI-KESI

 1 
PENDETEKSIAN IKAN BANDENG BERFORMALIN MELALUI CITRA MATA MENGGUNAKAN ALGORITMA k-NEAREST NEIGHBOR (kNN) Aldino, Niko; Ernawati, Iin; Falih, Noor
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ikan berformalin masih banyak dijual untuk dikonsumsi oleh masyarakat untuk mengambil keuntungan karena tampilan ikan yang kelihatan masih segar sehingga tetap dapat dijual dengan harga murah. Berdasarkan hal tersebut permasalah penelitian ini yaitu untuk membedakan ikan berformalin dengan ikan segar, karena ikan berformalin terlihat seperti ikan segar. Penyelsaian masalah melalui proses pengambilan data (citra) ini dilakukan, dari 3 ikan bandeng  segar, diambil citra mata tanpa formalin hari ketiga setelah itu, citra mata ikan bandeng diformalin pada hari ketiga. Kemudian hari keempat dilakukan pengambilan citra mata ikan formalin. selanjutnya dilakukan ekstraksi ciri dengan model hue, saturation, values (HSV) dan diklasifikasi menggunakan algoritma k-Nearest Neighbor (kNN) Hasil dari penelitian ini yaitu algoritma kNN dapat mengklasifikasi secara baik dalam menentukan pendeteksian ikan bandeng berformalin melalui citra mata dan tingkat akurasi untuk pendeteksian citra mata ikan berformalin dan tidak berformalin didapatkan akurasi sebesar 80% pada percobaan k = 1 dan k = 3.
PENGAMANAN DATA FILE TEKS MENGGUNAKAN ALGORITMA AES DAN METODE LSB PADA VIDIO AVI Alriansyah, Ifan; Seta, Henki Bayu; Ernawati, Iin
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banyak sekali kejahatan pencurian data penting yang terjadi di dunia maya. Hal ini terjadi dikarenakan lemahnya keamanan dalam proses pengirimin data. Akibatnya data yang dikirim dapat dicuri atau dimodifikasi oleh pihak luar yang tidak bertanggung jawab. Berawal dari masalah tersebut dibutuhkan suatu alat yang mampu memberikan keamanan tambahan kepada pengguna yang mengirimkan datanya. Berdasarkan hal tersebut tujuan penelitian ini dilakukan guna mencegah terjadinya pencurian data oleh pihak luar. Dengan menggunakan Advanced Encryption Standard untuk mengenkripsi pesan serta metode Significant Bit Insertion untuk menyisipkan hasil dari enkripsi kedalam Vidio agar tidak menimbulkan kecurigaan  yang diprogram menggunakan Matlab guna membantu proses enkripsi. Dalam penerapan yang dilakukan penulis yaitu tahapan pengujian sistem, algoritma AES dapat menekripsi dan mendekripsi data file text serta metode LSB dapat menyisipkan dan mengambil file text yang terenkripsi dari Vidio AVI
Implementasi Market Basket Analysis Untuk Menentukan Product Bundling Menggunakan Algoritma FP-Growth Sabrina, Rifa; Ernawati, Iin; Chamidah, Nurul
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada era globalisasi saat ini para pemilik bisnis dituntut agar dapat melakukan pengembangan bisnis secara efektif dan efisien serta dibutuhkannya strategi pemasaran yang baik agar mencapai target penjualan. Bumi Flora merupakan salah satu toko tanaman hias yang berlokasi di Tangerang. Pola pembelian konsumen yang acak menyulitkan Toko Bumi Flora untuk menentukan strategi pemasaran barang yang sesuai. Pola pembelian konsumen dapat diketahui dengan metode asosiasi pada data mining untuk mencari pola hubungan antar satu item dengan item lainnya. Untuk itu diperlukan analisis terhadap pola pembelian tanaman hias untuk memaksimalkan pemasaran dengan strategi product bundling. Data transaksi penjualan item yang digunakan untuk mencari keterkaitan antar item dengan algoritma fp-growth. Penelitian ini menghasilkan tujuh aturan yang ideal dengan percobaan nilai minimum support 3% dan nilai minimum confidence 25% dan setiap aturan yang dihasilkan memiliki nilai lift ratio lebih dari satu
PENGGUNAAN CONVOLUTIONAL NEURAL NETWORK DALAM IDENTIFIKASI BAHAN KULIT SAPI DAN BABI DENGAN TENSORFLOW Hardyanti, Ellvina Reksi; Jayanta, Jayanta; Ernawati, Iin
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Bahan kulit sapi adalah bahan kulit jenis bahan yang banyak diminati oleh masyarakat luas. Meningkatnya permintaan industry dari bahan kulit juga kurang mampunya seorang membeli dalam mengidentifikasi bahan kulit yang beredar di pasaran. Dengan adanya masalah tersebut diperlukan sebiah solusi untuk membantu para pembeli dalam mengidentifikasi bahan kulit. Penelitian ini akan menggunakan Convolutional Neural Network(CNN) yang merupakan bagian dari Deep Learning dengan bantuan TensorFlow untuk melakukan proses pembelajaran sehingga dapat melakukan deteksi pada citra. Bahan kulit sapi dan babi. Konvolusi adalah proses utama yang ada dalam jaringan arsitektur CNN, sehingga citra dapat diekstrasi setiap fiturnya dengan lebih baik dan mempermudah proses klasifikasi. Model yang digunakan pada penelitian adalah model terbaik yang dipilih dari 6 kali percobaan oleh peneliti dan pembagian data latih dan data pengujian adalah 75% dan 25%. Diperoleh hasil terbaik dengan tingkat akurasi setinggi 100% dan loss 0.000012393 dengan epoch 100, learning rate 0,001, dan batch size 32.
ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PSBB DI JAKARTA MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Putri, Azini Fauzia -; ernawati, iin; Muliawati, Anita
SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PSBB atau Pembatasan Sosial Berskala Besar adalah salah satu tindakan pencegahan dalam penyebaran pandemi COVID–19 yang dilakukan oleh pemerintah. Penerapan PSBB berlangsung hampir di seluruh wilayah Indonesia, salah satunya di Provinsi DKI Jakarta. Setelah PSBB berakhir, kegiatan pembatasan dinamakan PSBB Transisi, di mana adanya kelonggaran dalam beraktivitas dan sejumlah fasilitas umum dibuka dengan memperhatikan protokol kesehatan yang berlaku. Kemudian setelah pemberlakuan PPKM (Pemberlakuan Pembatasan Kegiatan Masyarakat) Jawa dan Bali oleh pemerintah pusat, diberlakukan PSBB ketat di Jakarta yang terus mengalami perubahan peraturan sesuai situasi dan kondisi masyarakat. Pada penelitian ini, dilakukan analisis sentimen masyarakat mengenai PSBB di Jakarta melalui media sosial Twitter dengan metode Naïve Bayes Classifier. Data penelitian ini yaitu tweet yang didapat dari Twitter menggunakan keyword “PSBB DKI Jakarta” yang diambil pada tanggal 1 Februari-31 Maret 2021. Hasil akhir penelitian dengan oversampling ini adalah nilai accuracy senilai 0.8, nilai recall senilai 0.9318, dan nilai specificity senilai 0.27. Kata Kunci: Analisis Sentimen, tweet, Naïve Bayes Classifier.
IMPLEMENTASI CHURN PREDICTION DI INDUSTRI TELEKOMUNIKASI DENGAN METODE LOGISTIC REGRESSION DAN CORRELATION-BASED FEATURE SELECTION Prianto, Dhea Laksmi -; ernawati, iin; Chamidah, Nurul
SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Industri telekomunikasi menjadi salah satu industri yang semakin kompetitif dan telah menumbuhkan ketertarikan akan prediksi churn untuk pelanggan. Prediksi churn tentang bagaimana mendeteksi pelanggan yang memiliki kecenderungan untuk meninggalkan layanan. Prediksi ini merupakan salah satu upaya perusahaan untuk mempertahankan pelanggan didalam Customer Relationship Management (CRM). Beberapa penulis mengemukakan bahwa metode logistic regression memiliki pemodelan dan hasil performa yang bagus untuk diaplikasikan untuk data prediktif. Dataset diambil dari salah satu perusahaan telekomunikasi di Amerika bernama Orange yang tersedia di situs Kaggle yang kemudian diolah untuk menganalisis performa prediksi churn menggunakan data mining dengan teknik pemilihan correlation-based feature selection forward selection serta algoritma machine learning logistic regression. Kata kunci:  Prediksi churn, logistic regression, data mining, correlation-based feature selection, forward selection
Co-Authors Abdullah, Engku Fadzli Hasan Syed Agusta, Ardiyan Aldino, Niko Alriansyah, Ifan Anita Muliawati Artika Arista Azhari, Fikri Aziz, Amien Bayu Wibisono, M Catur Nugrahaeni Puspita Dewi Chairunnisa, Cindy Chairunnisa, Shabrina Syifa Falih, Noor Haekal, Ballya Vicky Hananto, Bayu Hanik Badriyah Hidayati,* Mohammad Hasan Machfoed,* Kuntoro,** Soetojo,*** Budi Santoso,**** Suroto,***** Budi Utomo****** Hardyanti, Ellvina Reksi Henki Bayu Seta Isnainiyah, Ika Nurlaili Jayanta Jayanta Kraugusteeliana Kraugusteeliana Nufail Pribadi, Muhammad Nabil Nurul Chamidah Nurul Chamidah Permana Solihin, Indra Prianto, Dhea Laksmi - Putri, Azini Fauzia - Robson, Willy Rudhy Ho Purabaya Ruth Mariana Bunga Wadu Sabrina, Rifa Said, Qahtan Santoni, Mayanda Mega SUMARNO Tjahjanto, Tjahjanto