Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Riau Journal of Computer Science Jurnal Kolaboratif Sains Riau Jurnal Teknik Informatika
Erni Rouza
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Other

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

Found 4 Documents
Search

 1 
IDENTIFIKASI DAN KLASIFIKASI UMKM DI KABUPATEN ROKAN HULU MENGGUNAKAN METODE K-MEANS Erni Rouza; Basorudin; efrida
Riau Journal Of Computer Science Vol. 7 No. 1 (2021): Riau Journal of Computer Science
Publisher : Riau Journal Of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (663.405 KB) | DOI: 10.30606/rjocs.v7i1.2181

Abstract

Saat ini Dinas Koperasi UKM sudah memiliki Website pemetaan UMKM berbasis GIS. Namun pada website UMKM saat ini hanya menampilkan titik lokasi UMKM di peta saja dan tidak menampilkan jumlah usaha mikro, kecil, dan menengah yang tersebar disetiap Kecamatan yang ada Kabupaten Rokan Hulu. Berdasarkan website pemetaan UMKM berbasis GIS tersebut Saya ingin mengembangkan website tersebut dengan menambahkan metode penetilian data mining dengan menggunakan algoritma K-Means. K-Means merupakan salah satu metode data clustering non hirarki yang mengelompokan data dalam bentuk satu atau lebih cluster/kelompok. Data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster atau kelompok dan data yang memiliki karakteristik yang berbeda dikelompokan dengan cluster atau kelompok yang lain sehingga data yang berada dalam satu cluster atau kelompok memiliki tingkat variasi yang kecil. Inputan pada penelitian ini adalaha UMKM dengan variabel penilaian berdasarkan nilai aset dan nilai omset pertahunya yang kemudian diproses menggunakan algoritma K-Means sehingga menghasilkan outputnya beru cluster atau pengelompokan UMKM itu sendiri. Terdapat 3 cluster pada penelitian ini yaitu cluster 1 Usaha Mikro, cluster 2 Usaha Kecil dan cluster 3 Usaha Menengah. Pada pengujian 14 data usaha, penelitian ini berhasil menerapan metode K-Means untuk identifikasi dan klasifikasi UMKM dengan hasil pengujian 29% data ke cluster 1 sebanyak 4 data, 42% data ke cluster 2 sebanyak 6 data dan 29% data ke cluster 3 sebanyak 4 data.
Market Basket Analysis untuk Menganalisa Pola Perilaku Konsumen Wahdana Mall Erni Rouza; Nurhayati
Riau Journal Of Computer Science Vol. 7 No. 02 (2021): Riau Journal of Computer Science
Publisher : Riau Journal Of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1019.143 KB) | DOI: 10.30606/rjocs.v7i02.2194

Abstract

Tujuan dari penelitian ini adalah untuk menganalisis pola perilaku konsumen Wahdana Mall menggunakan metode Market Basket Analysis (MBA). Association Rule adalah salah suatu prosedur dalam analisis keranjang pasar (Market Basket Analysis) untuk menemukan aturan asosiasi yang memenuhi syarat minimum untuk support dan confidence. Pola perilaku konsumen yang dianalisis adalah pola jenis produk yang sering dibeli oleh konsumen berdasarkan struk belanja, hingga diperoleh rule-rule dari kombinasi item-item produk yang mana saja yang dibeli oleh konsumen secara bersamaan, produk yang paling laris terjual dan menghitung transaksi-transaksi yang terjadi pada setiap kombinasi item produk. Berdasarkan hasil pengujian dan implementasi sistem dapat ditarik kesimpulan bahwasanya metode Market Basket Analysis khususnya Association Rule mampu menghasilkan suatu pengetahuan baru yang dapat digunakan untuk rekomendasi dalam proses pengambilan keputusan manajerial, khusus yang berkaitan langsung dengan perumusan strategi pemasaran dan penjualan di Toko Wahdana Mall. Aturan yang dihasilkan dari 236 data transaksi dan 11 produk diperoleh rata-rata nilai support x confidence sebesar 50% dari nilai minimum support 26% yang mengahasilkan 10 aturan. Aturan yang dihasilkan tergantung dari minimum support dan minimum confidence yang ditentukan, semakin kecil nilai minimum support maka semakin banyak kemungkinan aturan yang diperoleh
Aplikasi Absensi Pegawai Berbasis Web Dinas Sosial Pemerdayaan Perempuan dan Perlindungan Anak Kabupaten Rokan Hulu Nurliani; Satria Riki Mustafa; Asep Supriyanto; Erni Rouza; Antoni, Rivi; Muslim
Riau Jurnal Teknik Informatika Vol. 4 No. 2 (2025): Juli 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i2.3441

Abstract

Aplikasi absensi pegawai berbasis web ini dikembangkan dapat menggantikan sistem absensi manual di Dinas Sosial Pemberdayaan Perempuan dan Perlindungan Anak Kabupaten Rokan Hulu, yang sebelumnya menggunakan buku absen. Sistem manual ini memiliki kelemahan, seperti potensi kesalahan pencatatan dan keterlambatan dalam rekapitulasi data. Aplikasi ini dilengkapi dengan fitur absensi menggunakan swafoto (selfie) dan pelacakan lokasi karyawan, serta fitur pengajuan izin atau cuti secara online. Sistem ini dibangun menggunakan PHP dan MySQL dengan antarmuka yang mempermudah akses dan pemantauan absensi secara real-time. Hasil pengujian menggunakan metode black box menunjukkan bahwa semua fitur berfungsi sesuai dengan spesifikasi yang dirancang, meningkatkan efisiensi, akurasi, dan transparansi dalam pengelolaan absensi di instansi tersebut
Penerapan Deep Learning Berbasis CNN untuk Klasifikasi Otomatis Penyakit Daun Kelapa Sawit: Application of CNN-Based Deep Learning for Automatic Classification of Oil Palm Leaf Diseases Nanang Riyadi; Erni Rouza; Fajar Maftukhan; Sukma Zahara; Theresia Panjaitan; Citra Dea Wulandari; Rendi Saputra
Jurnal Kolaboratif Sains Vol. 9 No. 1: Januari 2026 -In Progress
Publisher : Universitas Muhammadiyah Palu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56338/jks.v9i1.9802

Abstract

Penelitian ini mengembangkan model Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis gangguan pada daun kelapa sawit, yaitu Curvularia, defisiensi kalium, defisiensi magnesium, karat daun, dan serangan ulat menggunakan citra digital. Dataset berjumlah 5000 citra diproses melalui tahapan pra-pemrosesan dan augmentasi untuk meningkatkan keragaman visual. Model dilatih menggunakan arsitektur CNN dasar dengan optimizer Adam dan loss function categorical cross-entropy. Hasil evaluasi menunjukkan akurasi rata-rata 88% dengan nilai precision, recall, dan F1-score yang stabil. Kelas Karat Daun dan Serangan Ulat menjadi kategori dengan performa terbaik karena memiliki gejala visual yang tegas, sedangkan defisiensi kalium dan magnesium menunjukkan tingkat kesalahan lebih tinggi akibat kemiripan ciri. Temuan ini mengonfirmasi bahwa CNN efektif sebagai perangkat deteksi berbasis citra dan berpotensi dikembangkan lebih lanjut melalui peningkatan kualitas dataset, arsitektur model, serta integrasi dengan sensor lapangan untuk mendukung praktik budidaya kelapa sawit yang lebih presisi dan berkelanjutan.
Co-Authors Asep Supriyanto Basorudin Citra Dea Wulandari Efrida Fajar Maftukhan Muslim Nanang Riyadi Nurhayati Nurliani Rendi Saputra Rivi Antoni, Rivi Satria Riki Mustafa Sukma Zahara Theresia Panjaitan