Article Per Year (5 Year)
p-Index From 2021 - 2026
3.082
P-Index
This Author published in this journals
All Journal Prosiding SNATIF Jurnal Pertanian Agros METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jiko (Jurnal Informatika dan komputer) Krea-TIF: Jurnal Teknik Informatika IC Tech: Majalah Ilmiah Jurnal Pengabdian Pada Masyarakat METHABDI SmartComp IC Tech: Majalah Ilmiah
Sugianti, Devi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Library & Information Science Medicine & Pharmacology Physics Public Health Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : IC Tech: Majalah Ilmiah

 1 
Peningkatan Akurasi Algoritma KNN dengan Seleksi Fitur Gain Ratio untuk Klasifikasi Penyakit Diabetes Mellitus Indrayanti, Indrayanti; Sugianti, Devi; Al Karomi, M. Adib
IC Tech: Majalah Ilmiah Vol 12 No 2 (2017): IC Tech: Majalah Ilmiah Volume XII No. 2 Oktober 2017
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v12i2.3

Abstract

Diabetes Mellitus merupakan salah satu penyakit kronis yang mematikan. Penyakit yang juga dikenal dengan nama penyakit kencing manis ini terjadi akibat kadar glukosa di dalam darah terlalu tinggi. Diabetes Mellitus banyak diteliti di banyak negara pada saat ini karena peningkatan penderita yang banyak dan sangat mengkhawatirkan. Menurut WHO saat ini lebih dari 246 juta jiwa menderita diabetes dan diperkirakan akan meningkat menjadi 380 juta jiwa pada tahun 2025 apabila tidak dilakukan penanganan yang serius. Dibetes menyebabkan penyakit lain / komplikasi yang setiap tahunya mengakibatkan kematian hingga 3,8 juta jiwa. Data mining merupakan kegiatan menemukan sebuah pola, aturan dan pengetahuan baru dari sebuah dataset. Salah satu fungsi mayor data mining adalah klasifikasi. KNN merupakan salah satu algoritma klasifikasi data mining terbaik dan banyak digunakan. Algoritma KNN bekerja dengan cara menghitung kedekatan data testing dengan keseluruhan data training. K dalam KNN merupakan variabel jumlah tetangga terdekat yang akan diambil untuk proses klasifikasi. Jumlah K=1 akan membuat hasil klasifikasi terasa kalu karena hanya memperhitungkan satu tetangga terdekat atau satu record karakteristik data terdekat. Sedangkan jumlah K yang terlalu banyak akan menghasilkan klaasifikasi yang samar. Dari hasil penelitian yang telah dilakukan disimpulkan bahwa penggunaan algoritma seleksi fitur gain ratio dapat meningkatkan akurasi dari klasifikasi penyakit diabetus mellitus dengan menggunakan algoritma knn. Adapun kenaikan akurasi tertinggi didapatkan pada nilai treshold 0,152 dengan hanya mempertahankan 4 atribut dari keseluruhan 8 atribut data
IMPLEMENTASI ALGORITMA FUZZY K NEAREST NEIGHBOR UNTUK MEMPREDIKSI MAHASISWA BERPOTENSI DROP OUT Sugianti, Devi; Darmawan, Arief Soma
IC Tech: Majalah Ilmiah Vol 15 No 1 (2020): IC Tech: Majalah Ilmiah Volume XV No. 1 April 2020
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v15i1.87

Abstract

Keberhasilan pendidikan tercermin dari kualitas Perguruan Tinggi adalah tingginya tingkat keberhasilan mahasiswa dan rendahnya kegagalan mahasiswa. STMIK Widya Pratama mempunyai 4 program studi dengan jumlah mahasiswa yang drop out atau non aktif yang cukup banyak, untuk itu perlu di ketahui karakteristik dari mahasiswa yang drop out dengan menganalisa data yang lama. Algortima Fuzzy K Nearest Neighbor definisikan pemberian label kelas data uji yang akan diprediksi. Algoritma Fuzzy Nearest Neighbor adalah pengembangan dari algoritma K-NN yang digabungkan dengan teori Fuzzy. Tahapan penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan dan eksperimen. Dengan data yang digunkan sebagai data latih 382 untuk mahasiswa angkatan 2016. Dengan menguji nilai K =3 dan K=5  dari mahasiswa dengan IPS dari semeter 1 sampai semester 5 (3.2 2.78 3.6 3.3 0.83) hasil eksperimen yang dilakukan mengasilkan K=3 dengan kelas 1= 0.32 kelas 2 =0.67 lalu jika K= 5 menghasilkan kelas 1 =0.28 kelas 2 =0.71. hasil menunjukkan bahwa masuk ke kelas 2 dengan nilai keanggotaan terbesar, kelas 2 merupakan prediksi mahasiswa registrasi ulang pada semester 6. Fuzzy K-Nearest Neighbor  dapat digunakan untuk mencari nilai membership  pada masing-masing kelas.Kata Kunci: Fuzzy K NN, Drop Out
Sistem Pendukung Keputusan Pemberian Pembiayaan Nasabah Dengan Metode K-Nearest Neighbor (KNN) Di Kospinmu Surya Mentari Karanganyar Kabupaten Pekalongan Sugianti, Devi; Darmawan, Arif Soma
IC Tech: Majalah Ilmiah Vol 15 No 2 (2020): IC Tech: Majalah Ilmiah Volume XV No. 2 Oktober 2020
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v15i2.132

Abstract

KospinMU Surya Mentari Karanganyar merupakan koperasi yang melakukan banyak aktivitas didalamnya termasuk memberikan pembiayaan bagi nasabah. Demi kelancaran kegiatan pemberiaan pembiayaan antara pihak koperasi dengan nasabah, pihak koperasi perlu menilai dan menentukan kelayakan pembiayaan yang akan diterima nasabah terlebih dahulu sebelum memberikan keputusan pembiayaanya. Masalah yang dihadapi KospinMU Surya Mentari Karanganyar belum mampu mengatur pemberian pembiayaan secara tepat sasaran karena penyeleksiannya yang manual, tidak ada sistem nilai dimana nasabah dapat rekomendasi lain jika nilai tidak sesuai yang diajukan. Dalam pembangunan sistem ini menggunakan metode pengembangan sistem waterfall yang terdiri dari tahapan komunikasi, tahapan perencanaan, tahapan modeling, tahapan pengkodean dan tahapan deployment. Metode pengujian yang digunakan adalah white box, black box dan UAT (User Acceptance Test). Sistem pendukung keputusan pemberian pembiayaan nasabah dengan metode K Nearest Neighbor (KNN) di KospinMU Surya Mentari Karanganyar Kab. Pekalongan ini dapat mempermudah pekerjaan komite dalam memberikan pembiayaan nasabah, sistem dapat memberikan klasifikasi setiap pemohon baru sesusai dengan nilai yang dihitung dengan metode perhitungan K Nearest Neighbor (KNN) dan dapat menjadi media penyimpanan cadangan ketika memorendum yang disimpan secara manual hilang atau rusak. Kata Kunci: k nearest neighbor, waterfall, sistem pendukung keputusan
MEMPREDIKSI LOYALITAS NASABAH PADA BMT ABC DENGAN METODE INTERATIVE DICHOTOMISER THREE (ID 3) Darmawan, Arief Soma; Sugianti, Devi; Hapsoro, Wim
IC Tech: Majalah Ilmiah Vol 16 No 2 (2021): IC Tech: Majalah Ilmiah Volume XVI No. 2 Oktober 2021
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v16i2.190

Abstract

Persaingan peusahaan semakin ketat menuntut perusahaan memberikan pelayanan yang memuaskan kepada konsumen. Dalam mempertahankan konsumen salah satu kuncinya adalah mengelola informasi pelanggan. Perusahaan akan terbantu jika mempunyai sistem informasi pelanggan dikelola dengan baik, data pelanggan yang baru ataupun data pelanggan yang lama. BMT ABC mempunyai mempunyai 4.882 nasabah, akan tetapi sampai tahun 2020 nasabah yang aktif melakukan penabungan adalah 2.392 nasabah. Dalam memprediksi nasabah yang aktif di BMT ABC menggunakan metode ID3. ID 3 adalah salah satu metode klasifikasi pada data mining decision tree (pohon keputusan). Langkah-langkah penelitan: identifikasi dan perumusan masalah, penentuan variabel penelitian, penentuan data latih, hitung gain dan entropy, membagun decision tree dengan algoritma ID3. Pada penelitian ini menggunakan atribut: jenis kelamin, usia, pekerjaan, pendidikan, status, dan setoran awal. Dari hasil perhitungan Gain dan Entropy dihasilkan 5 aturan dan menghasilkan pohon keputusanKata kunci: Loyalitas Nasabah, ID 3
PENERAPAN MACHINE LEARNING UNTUK PENENTUAN SEGMENTASI MAHASISWA BARU DENGAN METODE K MODES sugianti, devi; Wim Hapsoro, Hermanus; Setianto, Wahyu
IC Tech: Majalah Ilmiah Vol 17 No 1 (2022): IC Tech: Majalah Ilmiah Volume XVII No. 1 April 2022
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v17i1.227

Abstract

Strategi marketing sangat diperlukan, untuk mendapatkan mahasiswa sebanyak-banyaknya. Kelangsungan perguruan tinggi bergantung terhadap pembiayaan dari mahasiswa. Dibutuhkan strategi marketing untuk mempromosikan keunggulan dari setiap program studi, agar penerimaan mahasiswa baru semakin meningkat. Data yang perlu dianalisa adalah data pendaftaran mahasiswa baru di Sistem Pendaftaran Mahasiswa Baru SIPENMARU. Langkah langkah penelitian yang dilakukan : identifikasi masalah, pengumpulan data, pemrosesan data dan pemodelan. Data yang dikumpulkan dari tahun 2019 sampai dengan tahun 2021 sebanyak 1.219 data pendaftar dengan variabel sebanyak 109. Saat pemrosesan data dilakukan yang digunakan ada 5 variabel yaitu : jenis kelamin, asal kota, pekerjaan ayah, asal sekolah dan program studi. Pada fase pemodelan menggunakan clustering untuk pengelompokkan data dengan karakteristik yang sama, teknik cluster dengan mengelompokkan dengan tipe data bersifat kategorikal menggunakan K modes. Cluster dibagi menjadi 2 cluster, dari hasil eksperimen didapatkan hasil untuk program studi Teknik informatika di dominasi berjenis kelamin Laki-laki, asal kota Pekalongan, pekerjaan ayah PNS dan asal sekolah SMA. Sedangkan untuk program studi Sistem Informasi di dominasi jenis kelamin perempuan, asal kota Batang, perkejaan ayah wiraswasta, asal sekolah SMK.
PERANCANGAN SISTEM INFORMASI PENGGAJIAN PADA PT. ABC Syaifudin, Anas; Risqiati, Risqiati; Sugianti, Devi
IC Tech: Majalah Ilmiah Vol 19 No 2 (2024): IC Tech: Majalah Ilmiah Volume XIX No. 2 Oktober 2024
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v19i2.308

Abstract

Penelitian ini berfokus pada perancangan dan implementasi sistem informasi penggajian berbasis web di PT. ABC, sebuah perusahaan garmen dengan lebih dari 500 karyawan. Sistem yang dikembangkan bertujuan untuk menggantikan metode manual berbasis Microsoft Excel yang sebelumnya digunakan untuk mengelola penggajian, yang sering kali menyebabkan keterlambatan proses dan kesalahan perhitungan. Sistem baru ini dibangun menggunakan framework Laravel dan basis data MySQL, serta dirancang untuk mengotomatisasi berbagai proses, termasuk pengelolaan data karyawan, penghitungan gaji, lembur, dan pencatatan izin serta cuti. Selain itu, fitur slip gaji digital memudahkan karyawan untuk mengakses informasi gaji mereka secara transparan. Pengujian fungsional dan User Acceptance Test (UAT) dilakukan dengan melibatkan karyawan dan tim HRD melalui kuesioner. Hasil UAT menunjukkan bahwa 90% responden memberikan tanggapan positif terhadap sistem, terutama terkait dengan fitur transparansi gaji dan akses slip gaji digital. Penggunaan kuesioner ini memungkinkan evaluasi yang lebih menyeluruh tentang kepuasan pengguna, memastikan bahwa sistem memenuhi kebutuhan operasional perusahaan dan meningkatkan efisiensi kerja. Peluncuran sistem ini diharapkan dapat memperbaiki proses penggajian, mengurangi kesalahan perhitungan, dan meningkatkan kepuasan karyawan terhadap manajemen gaji perusahaan. Kata kunci: Sistem Informasi Penggajian, Efisiensi Penggajian, Gaji Karyawan.
Co-Authors Al Karomi, Adib Al Karomi, M. Adib Anas Syaifudin Asterina, Della Esti Awansyah, Zyakia Darmawan , Arief Soma DARMAWAN, ARIEF SOMA Darmawan, Arif Soma Faizal Kurniawan Halim, Muhammad Faisal Hapsoro, Wim Indrayanti, Indrayanti M Imam Arifandy, M Imam Munthe, Dinda Putri Rahmi, Elfi Ridwan, Aditya Risqiati, Risqiati Rizki Maulana, Rizki Septiyanto, Muhammad Shaela, Pamela Susanto, Eko Budi Syaifudin, Anas Wahyu Setianto, Wahyu WIBOWO, ARI PUTRA Widiyono, Widiyono Wim Hapsoro, Hermanus