Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal BERKALA SAINSTEK INFORMAL: Informatics Journal Jurnal Online Skripsi Manajemen Rekayasa Konstruksi (JOS-MRK)
Hidayat, Muhammad Arief
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Mathematics Physics Transportation

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

Found 2 Documents
Search
Journal : BERKALA SAINSTEK

 1 
Sistem Informasi Posyandu Ibu Hamil dengan Penerapan Klasifikasi Resiko Kehamilan Menggunakan Metode Naïve Bayes Hasanah, Qomariyatul; Andrianto, Anang; Hidayat, Muhammad Arief
BERKALA SAINSTEK Vol 6 No 1 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i1.7554

Abstract

Sistem informasi posyandu ibu hamil dapat mengelola data kesehatan ibu hamil yang berkaitan dengan faktor resiko kehamilan. Faktor resiko kehamilan berdasarkan ketentuan Kartu Skor Poedji Rochyati (KSPR) digunakan bidan untuk menentukan resiko kehamilan dengan memberikan skor pada masing-masing parameter. KSPR memiliki kelemahan tidak dapat memberikan skor pada parameter yang belum pasti sehingga jika belum diketahui dengan pasti maka dianggap tidak terjadi. Konsep membaca pola data yang diadopsi dari teknik datamining menggunakan metode klasifikasi naive bayes dapat menjadi alternatif untuk kelemahan KSPR tersebut yaitu dengan mengklasifikasikan resiko kehamilan. Metode naïve bayes menghitung probabilitas parameter tertentu berdasarkan data pada periode sebelumnya yang telah ditentukan sebagai data training, berdasarkan hasil perhitungan tersebut dapat diketahui resiko kehamilan secara tepat sesuai parameter yang telah diketahui. Metode naïve bayes dipilih karena memiliki tingkat akurasi yang cukup tinggi daripada metode klasifikasi lainnya. Sistem informasi ini dibangun berbasis website agar dapat diakses secara mudah oleh beberapa posyandu yang berbeda tempat. Sistem dibangun mengadopsi dari model Waterfall. Sistem informasi posyandu ibu hamil dirancang dan dibangun dengan tiga (3) hak akses yaitu admin, bidan dan kader dengan masing-masing fitur yang dapat memudahkan penggunanya. Hasil dari penelitian ini adalah sistem informasi posyandu ibu hamil dengan penerapan klasifikasi resiko kehamilan menggunakan metode naïve bayes, dengan tingkat akurasi ketika menggunakan 17 atribut didapatkan 53.913%, 19 atribut didapatkan 54.348%, , 21 atribut didapatkan 54.783%, dan 22 atribut didapatkan 56.957%. Tingkat akurasi klasifikasi diperoleh menggunakan metode pengujian menggunakan Ten-Fold Cross Validation dimana training set dibagi menjadi 10 kelompok, jika kelompok 1 dijadikan test set maka kelompok 2 hingga 10 menjadi training set. Kata Kunci: Posyandu, Resiko Kehamilan, Waterfall, Datamining, Klasifikasi, Naïve bayes
Sistem Informasi Penentuan Paket Pembelian Produk Menggunakan Algoritma Frequent Pattern-Growth pada KPRI Jember Noorkholid, Mohammad Ivan; Hidayat, Muhammad Arief; Fajarianto, Gama Wisnu
BERKALA SAINSTEK Vol 8 No 2 (2020)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v8i2.11848

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem informasi penentuan paket pembelian produk pada KPRI Jember. Sistem ini menggunakan algoritma Fp-Growth (Frequent Pattern Growth) untuk menghasilkan informasi tentang paket pembelian produk dengan menangkap fenomena yang terjadi dalam transaksi penjualan. Implementasi algoritma Frequent Pattern Growth menggunakan PHP. Data hasil perhitungan algoritma Frequent Pattern Growth divisualisasikan dalam halaman website. Penerapan algoritma Frequent Pattern Growth didukung dengan metode association rules untuk menghasilkan data yang lebih lengkap dan akurat. Perhitungan membutuhkan data masukan berupa minimum support dan minimum confidence untuk memproses data transaksi penjualan menjadi paket pembelian produk. Dengan memasukkan minimum support 1 dan minimum confidence sebesar 50, hasil perhitungan didapatkan bahwa paket pembelian produk yang muncul sebanyak 10 paket dengan minimum support yang bermacam-macam berurutan dari produk pertama sampai produk terakhir. Semakin besar minimum support dan minimum confidence yang dimasukkan maka semakin sedikit paket pembelian produk yang dihasilkan.
Co-Authors Anang Andrianto Gama Wisnu Fajarianto Hasanah, Qomariyatul Nawir Rasidi Noorkholid, Mohammad Ivan Priza Pandunata Satriyo, Levinda Caesarianty Putri Susapto