Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jifosi

IMPLEMENTASI METODE DEMPSTER-SHAFER UNTUK DIAGNOSA PENYAKIT KULIT KUCING Tataq Distasianto; Eva Yulia Puspaningrum; Yisti Vita Via
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (775.881 KB)

Abstract

Kucing adalah hewan yang banyak dipelihara masyarakat. Namun, hal tersebut tidak diimbangi dengan pengetahuan mengenai penyakit serta penanganan yang tepat. Hal tersebut dapat diatasi dengan memanfaatkan sistem pakar yang mampu mendeteksi penyakit kulit yang diderita kucing berdasarkan gejala yang diderita. Penelitian ini menggunakan metode Dempster-Shafer untuk menentukan persentase nilai keyakinan dari penyakit yang terdiagnosa. Sistem pakar ini dibangun menggunakan bahasa pemrograman Visual Basic .NET. Dari pengujian terhadap 119 data, didapatkan akurasi sebesar 98,3% yang menunjukkan bahwa sistem pakar mampu mendeteksi jenis penyakit kulit pada kucing.
REKOMENDASI PENJUALAN PAKET KOSMETIK MENGGUNAKAN ALGORITMA IMPROVISASI APRIORI Sari, Nabella Permata; Purbasari, Intan Yuniar; Yisti Vita Via
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (273.472 KB)

Abstract

Sebuah metode untuk menganalisis data transaksi yang berjumlah ribuan pada sebuah toko online di e-commerce sangat penting untuk dilakukan. Hal ini bertujuan untuk menghasilkan informasi yang berguna sebagai strategi pemasaran. Penelitian ini bertujuan untuk menentukan rekomendasi menu pilihan paket kosmetik. Metode yang digunakan dalam penelitian ini yaitu dengan menggunakan Algoritma Improvisasi Apriori. Dalam penelitian ini, alur pembuatan sistem dimulai dari pemindaian data transaksi yang kemudian dilanjutkan dengan penentuan minimum support serta minimum confidence, kemudian Algoritma Improvisasi Apriori akan melakukan analisis kandidat itemset-1 dan menghasilkan beberapa iterasi dimulai dari Frequent Itemset-1, Frequent Itemset-2, Frequent Itemset-3 dan menghasilkan output berupa aturan asosiasi yang akan digunakan sebagai rekomendasi paket kosmetik. Dari hasil penelitian dapat diketahui bahwa dengan menggunakan nilai minimum support sebesar 2% dan nilai minimum confidence sebesar 30% akan menghasilkan jumlah aturan asosiasi terbanyak. Dengan nilai minimum support 5% dan nilai minimum confidence 30%, memerlukan total waktu proses terkecil yaitu 12 detik dibandingkan dengan menggunakan nilai pasangan parameter yang lain. Serta terdapat 2 aturan asosiasi yang hampir selalu muncul dalam pengujian.
Sistem Pendeteksi Objek Beras Dan Benda Asing Berbasis Keras Dan Google Colab Alfath Daryl Alhajir; Yisti Vita Via; Wahyu Syaifullah Jauharis Saputra
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 3 (2021): JIFoSI Volume 2, No 3: November 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.2234/jifosi.v2i3.369

Abstract

Standar SNI 6128:2020 menjelaskan kualitas beras menjadi 3 kelas berdasarkan komposisi dari komponen-komponen mutu beras, yaitu komponen mutu beras kepala, butir patah, butir menir, butir merah/hitam, butir rusak, butir kapur, benda asing, dan butir gabah, dimana beras kepala merupakan komponen mutu yang paling diinginkan dan sisanya tidak diinginkan. Oleh karena itu, dapat dilihat urgensi untuk membangun sistem yang dapat melakukan proses pemisahan beras tersebut dari komponen yang tidak diinginkan. Dikembangkan sebuah sistem berbasis deep learning yang dapat mendeteksi beras dan benda asing yang diimplementasikan menggunakan framework deep learning keras melalui platform google colaboratory, yang menggunakan bahasa pemrograman python. Sistem ini diharapkan dapat mempunyai performa terbaik yang kemudian dapat digunakan pada sistem pemisahan beras sebagai subsistem rekognisi yang menerima input subsistem sensor kamera dan menghasilkan informasi yang bermanfaat yang kemudian akan diproses oleh subsistem aktuator. Hasil dari penelitian ini adalah sebuah sistem yang dapat mendeteksi himpunan objek yang ada pada citra dengan kategori beras dan benda asing.