Article Per Year (5 Year)
p-Index From 2021 - 2026
2.57
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 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 Immunology & microbiology Languange, Linguistic, Communication & Media Library & Information Science Medicine & Pharmacology Physics Public Health Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Business Intellegenge untuk Perencanaan Strategi Pemasaran pada UMKM Sarung dengan Manajemen Dashboard Setianto, Wahyu; Sugianti, Devi; Wibowo, Ari Putra; Risqiati, Risqiati; Darmawan, Arief Soma
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 2 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No2.pp220-225

Abstract

MSMEs are the backbone of the national economy, the government is trying to recover the economy after the Covid-19 pandemic by making a new breakthrough with digitalization. Digitalization helps MSMEs to process and analyze data for decision making. The data stored in the company is increasing, so it requires Business Intelligence to make it easier for companies to present information. MSME Abitex experienced problems in planning sales strategies by looking at interest in each city. The stages of research carried out were problem identification, data collection, design, manufacture, testing results. In identifying problems, problems were found in monitoring sales to create sales strategies, in data collection from 2021 to 2023. The number of transactions was 807 sales with 3 types of sarongs, a total of 14 sarongs produced. In designing using a star schema obtained from the sales fact table, time dim, customer dim, goods dim. Business intelligence can display data visualization by grouping by product, customer and by time, and can see interest in products in each city
Optimalisasi Penggunaan Microsoft Word untuk Membuat Surat Bagi Pengelola HIMPAUDI Se Kabupaten Pekalongan Risqiati, Risqiati; Anas Syaifudin; Sugianti, Devi; Kurniawan, Muhammad Faizal; Setianto, Wahyu
Jurnal Pengabdian Pada Masyarakat METHABDI Vol 5 No 1 (2025): Jurnal Pengabdian Pada Masyarakat METHABDI
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/methabdi.Vol5No1.pp30-34

Abstract

HIMPAUDI (Association of Indonesian Early Childhood Education and Education Personnel) Pekalongan Regency is an independent organization that brings together elements of educators and education personnel for early childhood. A HIMPAUDI institution is said to be good can be seen from its administrative management in the fields of service, employment, finance and in orderly and regular learning activities. Currently, efficient and effective administrative management is a requirement for every HIMPAUDI institution that exists. The existence of HIMPAUDI management staff who still have difficulty in operating Microsoft Word. Even though in their daily lives the use of computers to manage HIMPAUDI correspondence administration is a mandatory thing to do. Existing limitations such as managers who cannot make mail merges, because so far they have been writing one by one to each recipient of the letter, not knowing how to optimize the buttons on the keyboard or the menus in Microsoft Word to make it easier to create letters are challenges as well as opportunities to carry out community service. Therefore, a community service was carried out to optimize Microsoft Word to create letters for HIMPAUDI administrators and the results obtained after this activity were carried out showed a significant increase from previously 26% of HIMPAUDI administrators who needed a long time to create letters using the toolbar and mail merge to 94% of HIMPAUDI administrators who found it easier to create letters using the toolbar and mail merge.
PENERAPAN CROSS SELLING UNTUK MENINGKATKAN PENJUALAN PADA KLINIK KECANTIKAN DENGAN MENGGUNAKAN ALGORITMA APRIORI Syaifudin, Anas; Risqiati, Risqiati; Sugianti, Devi; Darmawan , Arief Soma
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 2 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No2.pp295-300

Abstract

The impact of the COVID-19 pandemic has been felt by all sectors, including the economic sector. UMKM have really felt the impact after the covid 19 pandemic with declining sales turnover..This study aims to classify products from UMKM that are not selling well and selling well. The K mens method was chosen for grouping because it is simple and the K means method can group according to the same criteria grouped into a data cluster, for different data entered into another cluster. There are 28 data sets which will be grouped into 2 clusters . With the criteria of total goods sold, total transactions, difference in days and final stock. The data was taken from January 2022 to August 2022. After clustering, it was found that C1 had 12 products that were selling well, and for C2 there were 16 products that were not selling well. Therefore, UMKM can carry out sales promotion strategies that are fast and precise so that products that are not selling well can increase sales volume. Promotions can be carried out in the form of discounted promotions, mailer promotions, and fractional promotions
IMPLEMENTASI CLUSTERISASI UNTUK PENGELOMPOKKAN GAYA BELAJAR MAHASISWA DENGAN METODE K MODES Kurniawan, Muhammad Faizal; Sugianti, Devi; Darmawan, Arief Soma; Wibowo, Ari Putra; Widiyono, Widiyono
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 8 No. 1 (2024): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol8No1.pp20-25

Abstract

One of the keys to success in learning is determining student learning styles. Learning styles are grouped into 3, grouping learning styles based on the characteristics of students. Sample data used for 3 classes in the artificial intelligence course with total data of 83 students who answered 36 questions. To be able to carry out student mapping using the k modes method for clustering. The K modes method is used because the data used is categorical. K modes can be used for multi-dimensional clustering and shorter computing times. With the clustering application for grouping student learning styles with a sample of 83 students by answering 36 questions to be divided into 3 groups, the results were 37 students for the visual group, 31 students for the auditory group and 15 students for kinesthetics. At the testing stage, black box testing is used. By knowing learning style groups, students can easily learn and absorb information
Sistem Pakar Diagnosis Anxiety Disorder Dengan Metode Forward Chaining Berbasis Web Shaela, Pamela; Sugianti, Devi; Syaifudin, Anas; Darmawan, Arief Soma; Risqiati, Risqiati
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 1 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No1.pp32-41

Abstract

Anxiety Disorders are the most common mental health disorders in the world. The 2018 Indonesian Health Research Main Results showed a significant increase in the prevalence of mental disorders. However, the comparison of the number of Indonesian people with professional psychology personnel is still very unbalanced and far from the WHO standard which requires the ratio of experienced mental health personnel to the ideal population of 1:30,000. Pekalongan City only has 6 clinical psychologists with a population of 317,958 people. So many people with mental health disorders do not receive adequate treatment. To overcome this problem, a web-based expert system was developed that can diagnose anxiety disorders using the forward chaining method, which imitates the thought process of an expert in making decisions based on symptom data and certain rules. This system was developed using the waterfall method, which includes needs analysis, system design, implementation, integration, testing, and maintenance. Testing was carried out using the White Box, Black Box, and User Acceptance Test (UAT) methods. Data for the UAT test was obtained by involving 100 respondents from Pekalongan City, who were selected using the Simple Random Sampling method and calculated using the Slovin Formula to ensure adequate representation. UAT results showed that respondents “strongly agreed” that the system was easy to use, informative, and useful in providing an initial understanding of anxiety disorders and the importance of mental health.
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.
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 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