Claim Missing Document
Check
Articles

Found 21 Documents
Search

Sosialisasi Pengelolaan Peraturan pada Sistem Informasi Desa (SID) di Desa Rawa Panjang Bogor: Sosialisasi Pengelolaan Peraturan pada Sistem Informasi Desa (SID) di Desa Rawa Panjang Bogor Bunga Wadu, Ruth Mariana; Kraugusteeliana, Kraugusteeliana; Ernawati, Iin; Bayu Wibisono, M; Permana Solihin, Indra
Jurnal Pengabdian kepada Masyarakat Bidang Ilmu Komputer Vol 2 No 2 (2024): Jurnal Pengabdian Kepada Masyarakat Bidang Ilmu Komputer (ABDIKOM)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/abdikom.v2i2.7168

Abstract

Kantor pemerintahan desa memiliki peran yang sangat penting untuk menyelenggaraan administrasi kependudukan. Penyelenggaraan administrasi pada Kantor Desa Rawa Panjang menggunakan aplikasi perkantoran dan icatat manual kedalam buku kependudukan. Permasalahan yang dihadapi antara lain kurangnaya pengetahuan masyarakat terkait peraturan desa. Peraturan desa biasanya hanya didapat melalui informasi secara lisan, sehingga terjadi kesimpangsiuran atau ketidakjelasan informasi tekait administarasi di kantor kelurahan. Akibatnya terjadinya kesalahan atatu ketidakjelasan informasi terkait peraturan desa mengakibatkan kesalahan prosedur dalam administrai atau prosedur. Hal ini mengakibatkan tidak efisiensi dan efektif yang berdampak pada pelayanan dan kepuasan masyarakat. Berdasarkan permasalahan diatas maka dibutuhkan pelatihan atau sosialisasi terkait peraturan desa pada sisstem informasi desa yang diaharapakna dapat membantu dan menanbahkan informasi masyarakat terkait peraturan-peraturan desa. pemerintah Desa Rawa Panjang akan memiliki sistem informasi yang memuat peraturan desa terkait semua kegiatan desa yang memudahkan penyaluran informasi kepada masyarakat. Kata Kunci : Peraturan Desa, Sistem Informasi Desa,
Perbandingan Hasil Penerapan Algoritma Klasifikasi Dan Natural Language Processing Terhadap Data Kepuasan Pengguna Layanan Transportasi Umum MRT Jakarta Nufail Pribadi, Muhammad Nabil; Ernawati, Iin
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.10502

Abstract

MRT Jakarta merupakan salah satu upaya pemerintah DKI Jakarta untuk mengatasi kemacetan. Selama masa operasinya, MRT Jakarta memberikan berbagai macam kesan bagi penggunanya. Oleh karena itu, dilakukan penelitian klasifikasi terhadap kepuasan pengguna layanan transportasi umum MRT Jakarta untuk mengetahui alasan yang menyebabkan masyarakat bersedia atau enggan memilih untuk memanfaatkan sarana transportasi MRT Jakarta, melalui media sosial X, memanfaatkan natural language processing dan algoritma Support Vector Machine, algoritma Random Forest Classifier, serta algoritma Logistic Regression multinomial. Data berjumlah sebanyak 525 post, dengan kategori ‘positif’ sebanyak 222 data, kategori ‘negatif’ sebanyak 185 data, dan kategori ‘netral’ sebanyak 118 data. Dengan pembagian dataset berdasarkan perbandingan 80:20, model klasifikasi dengan hasil paling akurat pada penelitian ini, dengan algoritma Random Forest Classifier, menggunakan parameter terbaik yang diperoleh melalui teknik hyperparameter tuning, dengan nilai class_weight='balanced', max_depth=350, min_samples_split=5, serta n_estimators=200, menghasilkan nilai akurasi sebesar 81%, serta berhasil secara akurat memprediksi seluruh sampel data baru berdasarkan target kelasnya.
Perbandingan Kinerja Algoritma Dalam Klasifikasi Serangan DDoS Berdasarkan Data CIC IoMT Dataset Azhari, Fikri; Hananto, Bayu; Ernawati, Iin
Informatik : Jurnal Ilmu Komputer Vol 21 No 2 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i2.11467

Abstract

Dengan semakin luasnya penerapan Internet of Things (IoT) di berbagai sektor, termasuk sektor medis dengan teknologi Internet of Medical Things (IoMT), serangan Distributed Denial of Service (DDoS) menjadi ancaman serius bagi keberlangsungan sistem. Penelitian ini membandingkan empat algoritma machine learning Random Forest, LightGBM, Naïve Bayes, dan K-Nearest Neighbors (KNN) untuk mendeteksi serangan DDoS pada IoMT. Evaluasi dilakukan berdasarkan akurasi dan waktu komputasi yang berjalan secara paralel menggunakan pendekatan Weighted Sum Method. Hasil menunjukkan bahwa Random Forest memiliki performa terbaik dengan skor 0.971578, diikuti oleh Naïve Bayes dengan skor 0.961235. Meskipun KNN memiliki akurasi tinggi, algoritma ini kurang efisien secara waktu, sedangkan LightGBM menunjukkan performa terendah dalam hal akurasi dan efisiensi. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem deteksi ancaman siber yang cepat dan akurat pada lingkungan IoMT.
DATA MINING SEBAGAI SALAH SATU SOLUSI STRATEGI BISNIS Ernawati, Iin
Informatik : Jurnal Ilmu Komputer Vol 14 No 1 (2018): April 2018
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (738.134 KB) | DOI: 10.52958/iftk.v14i1.367

Abstract

Dunia bisnis yang penuh persaingan membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin kelangsungan bisnis mereka. Salah satu aset utama yang dimiliki oleh perusahaan masa kini adalah data bisnis dalam jumlah yang luar biasa banyak. Ini melahirkan kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk membangkitkan “pengetahuan pengetahuan” baru, yang dapat membantu dalam pengaturan strategi bisnis. Teknologi data mining hadir sebagai solusi. Makalah ini akan mengulas permasalahan bisnis yang ada dan dasar-dasar data mining melalui bahasan kegunaan, cara kerja dan metodologi-metodologi populer pada teknologi ini (pohon keputusan, klasifikasi, regresi non-linier, berbasis sampel, kebergantungan grafik, dll.).
Identifikasi Tuberkulosis Paru Berdasarkan Foto Sinar-X Thorax Menggunakan Jaringan Syaraf Tiruan Backpropagation Said, Qahtan; Ernawati, Iin; Santoni, Mayanda Mega
Informatik : Jurnal Ilmu Komputer Vol 17 No 1 (2021): April 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i1.2222

Abstract

Pengobatan TB tidaklah mudah, pendiagnosaan TB membutuhkan ketelitian yang tinggi. Penelitian ini bertujuan untuk melihat perbandingan performa dari GLCM, Gabor Filter dan gabungan dalam mengidentifikasi tuberkulosis paru dengan metode pengolahan citra digital yang terdiri dari beberapa tahap. Tahapan-tahapan tersebut dimulai dengan mengumpulkan citra Sinar-X paru dari bank data NLM sebanyak 662 citra lalu dilakukan pemilihan citra yang berhasil tersegmentasi saja, yaitu sebanyak 558 citra. Kemudian citra masukan tersebut akan dilakukan peningkatan kualitas citra, segmentasi, ekstraksi RoI, ekstraksi fitur tekstur GLCM dan Gabor Filter, lalu mengklasifikasikan citra dengan dua kelas yaitu : tuberkulosis dan normal menggunakan jaringan syaraf tiruan Backpropagation Levenberg Marquardt. Setelah dilakukan uji performa dengan beberapa percobaan, performa terbaik didapat dengan menggunakan ekstraksi ciri fitur GLCM + Gabor Filter (gabungan) dengan rata-rata accuracy sebesar 84.82%, precission sebesar 86.13%, dan recall sebesar 83.48%. Penelitian ini diharapkan dapat menjadi referensi para peneliti lain untuk menentukan model pengidentifikasian TB paru yang tepat.
Klasifikasi Kepuasan Pengguna Layanan Aplikasi Shopee Menggunakan Metode Decision Tree C4.5 Haekal, Ballya Vicky; Ernawati, Iin; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 17 No 3 (2021): Desember 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i3.3648

Abstract

Seiring perkembangan teknologi, Saat ini sudah banyak sekali layanan aplikasi perdagangan online yang digunakan oleh masyarakat. Salah satu layanan aplikasi yang sering digunakan masyarakat adalah Shopee. Semakin banyak pengguna yang menggunakan aplikasi tersebut, tingkat kepuasan tiap pengguna pun semakin beragam. Dalam menganalisis tingkat kepuasan pengguna layanan aplikasi shopee, penelitian ini menggunakan data yang diambil dari kuesioner yang telah disebarkan dalam bentuk google form. Kuesioner tersebut disebarkan melalui beberapa media sosial seperti Twitter, Instagram, WhatsApp dan Shopee dengan total jumlah data yakni 184 data yang akhirnya menjadi 171 data setelah dilakukan cleaning data. Dari berbagai algoritma klasifikasi yang ada, penelitian ini menggunakan algoritma Decision Tree C4.5 sebagai metode klasifikasinya. Dengan pembagian data sebesar 80% untuk data latih dan 20% untuk data uji. Hasil yang diperoleh pada penelitian ini terdapat nilai Accuracy sebesar 97%, nilai Recall sebesar 96.9%, nilai Precision sebesar 100% untuk Class “Ya” dan 66.6% untuk Class “Tidak”.
Prediksi Pergerakan Harga Saham Pada Sektor Farmasi Menggunakan Algoritma Long Short-Term Memory Agusta, Ardiyan; Ernawati, Iin; Muliawati, Anita
Informatik : Jurnal Ilmu Komputer Vol 17 No 2 (2021): Agustus 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i2.3651

Abstract

Saham adalah dokumen berharga sebagai bukti kepemilikan bagian suatu perusahaan. Harga saham bersifat fluktuatif dikarenakan berbagai faktor internal dan eksternal perusahaan. Di tengah pandemi Covid-19 yang terjadi sangat berdampak bagi harga saham tiap perusahaan, salah satunya perusahaan yang bergerak di bidang farmasi. Perusahaan farmasi diperkirakan mengalami penurunan saham karena pandemi, tetapi perusahaan juga bisa mendapatkan kenaikan harga saham karena makin banyaknya penjualan dan riset obat bagi masyarakat. Dengan adanya perubahan harga saham yang tak menentu ini maka diperlukan suatu sistem untuk memprediksi pergerakan harga saham. Dalam memprediksi harga saham, penelitian ini menggunakan algoritma Long Short-Term Memory, dimana data perusahan Kalbe Farma dipilih sebagai salah satu perusahan farmasi. Data yang telah diperoleh dari situs yahoo finance akan dilakukan pengolahan data dengan pengujian pada model yang dibentuk dengan menggunakan paramater hidden layer, units serta variasi epoch dan batch size yang menghasilkan hasil prediksi harga saham dengan rerata nilai RMSE 27.310.
Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square Chairunnisa, Cindy; Ernawati, Iin; Santoni, Mayanda Mega
Informatik : Jurnal Ilmu Komputer Vol 18 No 1 (2022): April 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i4.4594

Abstract

Upaya pemerintah untuk mengurangi penyebaran wabah virus corona yang semakin meluas hampir di setiap negara di dunia termasuk di Indonesia telah banyak dilakukan. Salah satu upaya yang telah dilakukan dengan memanfaatkan teknologi yang ada pada saat ini adalah membuat sebuah aplikasi bernama PeduliLindungi. Aplikasi ini bertujuan untuk melakukan tracing dan monitoring lokasi penyebaran virus corona sehingga dapat menurunkan kasus corona di Indonesia. Banyak ulasan yang diberikan oleh masyarakat terhadap aplikasi ini baik yang berupa kritik maupun kepuasan. Namun, untuk mengetahui seluruh ulasan yang diberikan tidak mudah. Oleh sebab itu, penelitian dilakukan dengan tujuan untuk mengetahui hasil sentimen masyarakat terhadap aplikasi PeduliLindungi. Analisis sentimen yang dilakukan dengan mengklasifikasikan ulasan menjadi ulasan positif dan ulasan negatif menggunakan algoritma Support Vector Machine dengan seleksi fitur chi-square. Pengumpulan data ulasan dilakukan dengan melakukan scrapping di google play dengan menggunakan bahasa pemrograman Python. Hasil dari klasifikasi sentimen terhadap aplikasi PeduliLindungi menghasilkan performa yang baik dan menghasilkan nilai akurasi sebesar 93%, recall sebesar 86%, precision sebesar 98%, specificity sebesar 98% dan f1-score sebesar 92%.
Pengembangan Aplikasi Android Untuk Peningkatkan Efisiensi Operasi Pendataan Pengamatan Bunga Tumbuhan Aziz, Amien; Jayanta, Jayanta; Ernawati, Iin
Informatik : Jurnal Ilmu Komputer Vol 19 No 1 (2023): April 2023
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v19i1.4714

Abstract

Penggunaan teknologi pada aplikasi sangat mendukung kegiatan perusahaan. Kesuksesan perusahaan akan terkait dengan kesesuaian harapan antara system analyst, pengguna aplikasi, sponsor dan kostumer. Penting juga bagi setiap perusahaan pertanian untuk mengetahui kondisi tumbuhan produksi mereka, salah satu cara untuk mengetahui hal ini adalah dengan melakukan data mining. Data yang digunakan adalah data sekunder dari perusahaan yang tidak berlabel, sehingga perlu digunakan algoritma unsupervised, yang pada penelitian ini digunakan algoritma K-Means. Berawal dari masalah tersebut dibutuhkan sistem digital yang dapat menyediakan data secara reliable, tepat, cepat, dan efisien. Dibuat juga model data mining yang pada akhirnya menghasilkan 2 kelompok, yang didapat menggunakan metode elbow. Setelah semua bagian sistem diintegrasi kedalam bentuk aplikasi mobile android. Setelah dilakukan perbandingan BMW sebelum dan sesudah menggunakan aplikasi, maka didapati hasil bahwa aplikasi tersbut meningkatkan efisiensi dari sisi biaya dan waktu, tanpa menurunkan mutu.
Perancangan Sistem Informasi Toko Skincare dan Kosmetik Berbasis Website Pada Toko Supramart Chairunnisa, Shabrina Syifa; Ernawati, Iin
Jurnal Sistem Informasi dan Aplikasi (JSIA) Vol 3 No 1 (2025): Vol 3 No 1 (Jurnal Sistem Informasi dan Aplikasi)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/jsia.v3i1.12390

Abstract

Technological advancements and online shopping trends have significantly impacted the beauty industry, particularly in the sale of skincare and cosmetic products. Supramart, established in 2010 and specializing in both local and non-local products, faces various challenges in managing its online sales. In designing this system, an analysis of user and business owner needs was conducted, using the waterfall research flow and the PIECES research method. The key challenges comprise difficulties in effectively introducing products, providing comprehensive product information, and ensuring stock availability. The results of this research led to the design of a website-based information system that can improve sales operational efficiency and customer experience. This system is designed to provide detailed product descriptions, high-quality images, user reviews, and real-time stock information. Furthermore, the system also facilitates promotions and special offers, attracting customer interest and increasing sales. Thus, Supramart is expected to be competitive in the digital market and continue to grow in the future. Through the development of a website-based information system, Supramart is expected to strengthen its position in this dynamic industry and provide better service to customers.