Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
W, Lilia Sinta
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SISTEM PENJUALAN OBAT MENGGUNAKAN ALGORITMA FIFO (Apotik Mujur Sehat) Mukhozin, Mukhozin; N, Ratih Kumalasari; W, Lilia Sinta
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 2 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v6i2.2562

Abstract

Obat berperan sangat penting dalam pelayanan kesehatan. Penanganan dan pencegahan berbagai penyakit tidak dapat dilepaskan dari tindakan terapi dengan obat atau farmakoterapi. Berbagai pilihan obat saat ini tersedia, sehingga diperlukan pertimbangan-pertimbangan yang cermat dalam memilih obat untuk suatu penyakit. Tidak kalah penting, obat harus selalu digunakan secara benar agar memberikan manfaat apotek yang optimal. Terlalu banyaknya jenis obat yang tersedia ternyata juga dapat memberikan masalah tersendiri dalam praktek, terutama menyangkut bagaimana memilih dan menggunakan obat secara benar dan aman. Apotek adalah sarana pelayanan kesehatan untuk membantu meningkatkan kesehatan bagi masyarakat, apotek juga sebagai tempat praktik tenaga profesi apoteker dalam melakukan pekerjaan. Apotek mujur sehat merupakan salah satu apotik yang terletak di jalan raya gayam, desa Gayam Kecamatan Panggul Kabupaten Trenggalek. Apotek ini masih menggunakan pencatatan secara manual. Tujuan penelitian ini yaitu untuk menghasilkan sebuah sistem informasi yang membantu mengetahui ketersediaan stok barang yang ada di Apotek Mujur Sehat dan dengan adanya sistem informasi ini admin dapat mengetahui input output barang serta rekap penjualan setiap harinya. Metode dalam penelitian ini menggunakan model penelitian Waterfall (air terjun) dan menggunakan algoritma Fifo. Simpulan dari penelitian ini adalah Berdasarkan data laporan dari transaksi penjualan yang ada admin dapat melihat stok barang yang habis terjual serta dapat melihat hasil pendapatan setiap hari, minggu ataupun bulan.
KLASIFIKASI KUALITAS KAYU GLUGU MENGGUNAKAN METODE (Support Vektor Machine) SVM Latifudin, Moh; N, Ratih Kumalasari; W, Lilia Sinta
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 2 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v6i2.2563

Abstract

Pohon kelapa merupakan pohon yang tumbuh di wilayah iklim tropis dan hampir di seluruh indonesia ada, pemanfaatan batang kayu kelapa digunakan sebagai pengganti kayu konvesional dalam penggunaan komponen bahan bangunan, mebel dan kerajinan, kayu glugu merupakan salah satu bahan bangunan yang dapat diperhitungkan karena memiliki kelas kuat dan tidak kalah dengan jenis kayu yang lain dan memiliki harga yang yang terjangkau oleh masyarakat menengah kebawah. Tujuan penelitian ini yaitu untuk memilih kayu yang berkualitas, untuk mempermudah dalam pemilihan kayu yang berkualitas di UD Sumber Hikam, serta dengan menggunakan algoritma Support Vektor Machine (SVM) Sistem dapat mengklasifikasi kualitas kayu berdasarkan ciri tekstur menggunakan citra digital. Metode dalam penelitian ini menggunakan model penelitian Waterfall (air terjun) dan Metode SVM. Simpulan dari penelitian ini adalah klasifikasi kualitas kayu menggunakan metode atau algoritma Support Vektor Machine (SVM) berdasarkan tekstur pada citra kayu memperoleh nilai akurasi sebesar 60 % dengan jumlah 110 dataset yang dibagi menjadi 80 data untuk data training dan 30 data testing.
Co-Authors A, Putri Kusuma Latifudin, Moh Mukhozin, Mukhozin N, Ratih Kumalasari Niska Shofia, Niska