Article Per Year (5 Year)
p-Index From 2021 - 2026
7.404
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Telematika Scientific Journal of Informatics Jurnal Ilmiah KOMPUTASI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Indonesian Journal of Artificial Intelligence and Data Mining INOVTEK POLBENG INOVTEK Polbeng - Seri Informatika Dinamisia: Jurnal Pengabdian Kepada Masyarakat JURNAL ILMIAH INFORMATIKA JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer JURTEKSI ComTech: Computer, Mathematics and Engineering Applications JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Jurnal Mantik Jurnal Informatika dan Rekayasa Elektronik Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Sistem informasi dan informatika (SIMIKA) JSR : Jaringan Sistem Informasi Robotik Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal J-PEMAS J-COSCIS : Journal of Computer Science Community Service JAIA - Journal of Artificial Intelligence and Applications Malcom: Indonesian Journal of Machine Learning and Computer Science SATIN - Sains dan Teknologi Informasi Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer The Indonesian Journal of Computer Science International Journal of Advances in Artificial Intelligence and Machine Learning
Efrizoni, Lusiana
Program Studi Teknik Informatika, STMIK Amik Riau
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 63 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 63 Documents
Search

 1   2   3   4   5 
Product Classification Based on Categories and Customer Interests on the Shopee Marketplace Using the Naïve Bayes Method Muhammad Oase Ansharullah; Wirta Agustin; Lusiana; Junadhi; Susi Erlinda; Fransiskus Zoromi
JAIA - Journal of Artificial Intelligence and Applications Vol. 2 No. 2 (2022): JAIA - Journal of Artificial Intelligence and Applications
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/jaia.v2i2.888

Abstract

Marketplace is an electronic product marketing platform that brings together many sellers and buyers to transact with each other. The large variety of products sold on Shopee is one of the reasons this application is in great demand by all walks of life. However, the weakness of the large variety of products sold in a marketplace causes buyers who have no potential to buy these products. To overcome this problem, it is necessary to do a classification to determine which products are most in demand by customers. Product categories consist of: Clothing, Beauty Products, Daily Goods, Electronics, and Accessories. The classification method used is Naïve Bayes and the software used is WEKA. The next data collection is done by distributing questionnaires to the existing customers on social media namely, Whatsapp and Instagram, the distribution of the questionnaire is conducted through Google form. There are 90 questionnaires that will be distributed in this study. Some of the indicators asked in the questionnaire namely, do you like shopping online? And what marketplaces are commonly used. These results will be the training data. Interest categories are divided into 4 categories, namely: Very interested, Interested, Not interested, Very not interested. The results obtained in this study are clothing products (72 respondents) are products that are in great demand, daily goods products (7 respondents) are products of interest, beauty and electronic products (5 respondents) are products that are not in demand, and accessories (1 respondents ) is a product that is not very attractive to customers on the Shopee marketplace
Detection Of Malaria Parasites In Human Blood Cells Using Convolutional Neural Network Lusiana Efrizoni; Rais Amin; Ahmad Rizali
JAIA - Journal of Artificial Intelligence and Applications Vol. 2 No. 2 (2022): JAIA - Journal of Artificial Intelligence and Applications
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/jaia.v2i2.947

Abstract

Malaria is a blood disease caused by the Plasmodium parasite which is transmitted by the bite of the female Anopheles mosquito. The diagnosis of malaria is carried out by a microscopist through examination of human blood cells. Their level of accuracy depends on the quality of the tool, expertise in classifying and counting infected and uninfected parasite cells. The disadvantages of examining this way include the difficulty in making a diagnosis on a large scale and the poor quality of the results. The dataset used in model evaluation is a dataset developed by LHNVBC which contains 27,558 cell image data. The malaria dataset will be processed through data science processing using a Convolutional Neural Network with the ResNet architecture. The model will conduct training on the dataset and then the model will be able to recognize malaria parasites in human blood cells. The model will be trained by optimizing multinomial logistic regression using Stochastic Gradient Descent (SGD) and Nesterov momentum values. The results of training data validation accuracy from model training with 50 epochs were obtained at 96.23% and 97% after being tested on data testing.
Aplikasi Penerimaan Karyawan dengan Metode Multi Attribute Utility Theory Riadhil Jannah; Lusiana -
SATIN - Sains dan Teknologi Informasi Vol 1 No 2 (2015): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1096.027 KB) | DOI: 10.33372/stn.v1i2.110

Abstract

Penerimaan karyawan, bila dikelola secara profesional akan menentukan mutu dan kesuksesan dalam memperoleh karyawan sesuai dengan requirement yang telah ditetapkan. Setiap calon karyawan (pelamar) akan mengikuti serangkaian tes, salah satunya adalah ujian tertulis. Namun sayang, pelaksanaan ujian tertulis selama ini masih dilakukan secara konvensional, calon karyawan menulis jawaban di lembar jawaban yang sudah disedikan tim seleksi. Hal ini yang menyebabkan Tim seleksi (i.e. Personalia), kesulitan dalam melakukan koreksi dan proses penilaian memakan waktu yang lama. Selanjutnya Pelamar tidak bisa mengetahui hasil ujian tertulis yang sudah mereka ikuti dan status kelulusannya. Keputusan akhir, apakah calon karyawan itu diterima (lulus) atau tidak juga masih berdasarkan perkiraan dari pimpinan saja. Ini yang menjadi alasan kenapa aplikasi penerimaan karyawan yang komputerisasi sangat diperlukan. Metode yang digunakan adalah Multi Attribute Utility Theory (MAUT). Pengolahan nilai dengan menggunakan metode MAUT akan menghasilkan hasil akhir dengan rangking tertinggi. Aplikasi ini akan di uji coba pada STIKes Hang Tuah Pekanbaru dan didiharapkan dapat membantu dan mempermudah tim seleksi dalam penerimaan karyawan. Selanjutnya pelamar juga dapat mengetahui dengan cepat tentang status kelulusannya yang sesuai dengan posisi lowongan pekerjaan (loker) yang tersedia.
Metode SLR untuk Mengidentifikasi Isu-Isu dalam Software Engineering Lusiana -; Melva Suryani
SATIN - Sains dan Teknologi Informasi Vol 3 No 1 (2014): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1478.584 KB) | DOI: 10.33372/stn.v3i1.347

Abstract

Software Engineering (SE) merupakan disiplin ilmu yang berkaitan dengan semua aspek produksi software yang dimulai dari tahap awal spesifikasi sampai pada pemeliharaan sistem yang digunakan [1], oleh sebab itu SE memiliki peran penting terhadap perkembangan dunia teknologi informasi. Penelitian ini mengkaji isu dan pedekatan yang digunakan dalam SE empat tahun terakhir (2010-2013) yang belum teridentifikasi dengan baik, dengan menggunakan metode SLR. SLR merupakan cara untuk mengidentifikasi, mengevaluasi dan menafsirkan semua penelitian yang tersedia dengan pertanyaan penelitian tertentu, bidang topik, atau fenomena yang menarik [2] (Kitchenham 2007). Dengan metode SLR isu-isu yang berhubungan dalam software engineering akan diidentifikasi dengan menggunakan kata kunci “what the problem” (apa masalah) dan “how to solve the problem” (bagaimana memecahkan masalah tersebut). Hasil penelitian dapat dijadikan panduan oleh mahasiswa dan pembaca lainnya untuk melakukan penelitian yang berhubungan dengan SE selain itu, penelitian ini juga dapat membantu pembaca untuk mencari topik yang dominan penelitian dalam bidang SE
Sistem Pendukung Keputusan Pemberian Kredit Menggunakan Metode Analytical Hierarchy Process (AHP) pada Usaha Ekonomi Desa R. Guntur Surya Yuwana -; Lusiana -
SATIN - Sains dan Teknologi Informasi Vol 3 No 2 (2014): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1158.883 KB) | DOI: 10.33372/stn.v3i2.366

Abstract

Usaha Ekonomi Desa Simpan Pinjam (UED-SP). Yang terletak di desa Kesambo Ampai Kecamatan Mandau Kabupaten Bengkalis, merupakan lembaga yang bergerak dibidang keuangan untuk menunjang ekonomi desa. Saat ini, UED-SP kesulitan dalam mengambil keputusan pemberian kredit kepada nasabah yang tidak lain adalah penduduk desa kesambo Ampai, karena banyaknya penduduk desa yang ingin meminjam. Untuk membantu UED-SP, diusulkanlah suatu Sistem Pendukung Keputusan (SPK) pemberian kredit. SPK menggunakan beberapa kriteria dan kemudian dicari nilai eigen vektor. Nilai eigen vektor diperoleh dari perbandingan criteria, kemudian rangking nasabah diperoleh dengan menggunakan metode  Analiytical Hierarchy Process (AHP). Sistem ini diharapkan dapat  menghasilkan keputusan yang transparan dan objektif yang dapat membantu UED-SP Desa Kesambo Ampai Kec. Mandau, Kab. Bengkalis dalam pemberian kredit.
Sentiment Analysis for Online Learning using The Lexicon-Based Method and The Support Vector Machine Algorithm M. Khairul Anam; Triyani Arita Fitri; Agustin Agustin; Lusiana Lusiana; Muhammad Bambang Firdaus; Agus Tri Nurhuda
ILKOM Jurnal Ilmiah Vol 15, No 2 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i2.1590.290-302

Abstract

The pros and cons regarding online learning has been a hot topic in society, both on social media and in the real world. Indonesian netizens still post opinions about online learning on social media such as Twitter. This study aims to analyze public comments to determine whether the trend of the comments is positive, negative, or neutral. The classification of netizen opinions is called sentiment analysis. This study applies 2 ways of carrying out sentiment analysis. The first stage employs the SVM algorithm with data labeling automatically obtained from the Emprit Academy drone portal while the second stage is still using the SVM algorithm but the data labeling with lexicon-based method. The results of this study are comparisons of labels obtained automatically from the Emprit Academy drone portal and labeling using lexicon based. The SVM algorithm obtains an accuracy of 90%, while the use of lexicon-based increases the accuracy value by 5% to 95%. It can be concluded that labeling data using a lexicon-based method can improve the accuracy of the SVM algorithm.
Klasifikasi Teks untuk Mendeteksi Depresi dan Kecemasan pada Pengguna Twitter Berbasis Machine Learning: Text Classification for Detecting Depression and Anxiety among Twitter Users based on Machine Learning Kharisma Rahayu; Vindi Fitria; Dhini Septhya; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.780

Abstract

Depresi adalah gangguan mental yang mempengaruhi kesejahteraan dan kualitas hidup seseorang.Pengaruh sosial menyebabkan penderita depresi dan gangguan kecemasan mengabaikan orang-orang di sekitarnya. Jadi mereka beralih ke media sosial seperti Twitter untuk mendapatkan dukungan. Penderita depresi pengguna Twitter sulit untuk diidentifikasi berdasarkan tweet. Oleh karena itu pemodelan klasifikasi teks untuk penderita depresi sangat diperlukan agar mengetahui seberapa banyak pengguna twitter yang mengalami depresi dan kecemasan. Klasifikasi teks  merupakan metode untuk mengelompokkan data yang sejenis ke dalam kelompok yang sesuai. Algoritma yang digunakan dalam membuat pola penderita depresi adalah algoritma Decision Tree, Random Forest, Naive Bayes, dan K-Nearest Neighbor (KNN). Penggunaan keempat algoritma bertujuan untuk melihat kinerja algoritma terbaik. Hasil percobaan yang dilakukan diperoleh bahwa algoritma  Random Forest pada splitting data 80:20 memiliki kinerja yang lebih baik, dengan nilai akurasi sebesar 0.957 atau 96%. Hasil penelitian ini dapat digunakan oleh pengguna untuk mengetahui penderita depresi dan kecemasan.
Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning: Sentiment Analysis of Public Opinion on Twitter Toward BSI Bank Using Machine Learning Algorithms Ratna Andini Husen; Rizki Astuti; Lili Marlia; Rahmaddeni Rahmaddeni; Lusiana Efrizoni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.901

Abstract

Opini publik yang terekspresikan melalui media sosial, khususnya Twitter, telah menjadi sumber informasi yang penting bagi perusahaan dan lembaga keuangan, termasuk Bank BSI. Analisis sentimen opini publik dapat membantu Bank BSI dalam memahami pandangan dan persepsi masyarakat terhadap layanan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan algoritma machine learning yaitu algoritma SVM, naïve bayes dan logistic regression untuk menganalisis sentimen opini publik terhadap Bank BSI yang terdapat dalam tweet di Twitter. Data tweet yang digunakan dalam penelitian ini diambil situs dari kaggle dengan jumlah data 24.401, berisi tentang ulasan komentar pengguna terkait ransomware pada Bank BSI. Hasil dari percobaan yang telah dilakukan diperoleh bahwa SVM menghasilkan akurasi 0,88%, naive bayes menghasilkan akurasi 0,76%, dan logistic regression menghasilkan akurasi 0,86%. Berdasarkan dari hasil percobaan bahwa SVM mendapatkan performa kinerja yang lebih unggul dari pada algoritma naive bayes dan logistic regression . Dalam konteks ini, SVM dapat menjadi pilihan yang baik untuk analisis sentimen secara umum. Penelitian ini mengungkapkan bahwa persentase sentimen negatif terhadap Bank BSI lebih tinggi daripada sentimen positif. Temuan ini menunjukkan adanya keprihatinan dan ketidakpuasan yang signifikan di antara masyarakat terhadap layanan perusahaan. Meskipun ada beberapa sentimen positif yang teridentifikasi.
PERBANDINGAN ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI KESEHATAN MENTAL MAHASISWA Farhan Pratama; Zikri Hadryan nst; Zuriatul Khairi; Rahmaddeni; Lusiana Efrizoni
JURNAL ILMIAH BETRIK Vol. 15 No. 01 APRIL (2024): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : P3M Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v15i01 APRIL.224

Abstract

Kesehatan mental telah menjadi masalah besar di dunia pendidikan, terutama di perguruan tinggi. Hal ini terlepas dari kenyataan bahwa kesehatan mental berkontribusi terhadap kemajuan akademik dan perkembangan siswa, dan bahkan kesehatan mental dapat mempengaruhi lingkungan di kampus. Kesehatan mental adalah ketika seseorang dapat menjalani kehidupan normal, bekerja dengan produktif, dan berkontrubusi dengan orang-orang di sekitarnya. Tujuan dari penelitian ini adalah untuk klasifikasi Kesehatan mental Mahasiswa. kecerdasan buatan, atau yang juga dikenal sebagai pembelajaran mesin, terdapat sejumlah algoritma. Pendekatan algoritma yang digunakan dalam penelitian ini adalah Random Forest dan KNN. Dataset yang digunakan berasal dari website Kaggle, Dataset berjumlah 1100 data. Hasil penelitian menunjukkan nilai akurasi rata-rata. Dengan menggunakan metode konfusi metrik pada hutan acak, penelitian ini menemukan nilai akurasi 97% pada pembagian data 70:30 dan nilai akurasi 99% pada pembagian data 80:20. Dengan metode KNN diperoleh nilai akurasi 88% pada data pembagian 70:20 dan nilai akurasi 90% pada data pembagian 80:20.
PENERAPAN ALGORITMA K-NN DAN SVM DALAM KLASIFIKASI DATA GEMPA BUMI TERHADAP POTENSI TSUNAMI DI INDONESIA Risky Harahap; M. Irpan; M. Azzuhri Dinata; Rahmaddeni; Lusiana Efrizoni
JURNAL ILMIAH BETRIK Vol. 15 No. 01 APRIL (2024): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : P3M Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v15i01 APRIL.228

Abstract

Sebagian besar wilayah Indonesia adalah negara pesisir. Indonesia memiliki lebih banyak lautan dari pada daratan. Terletak diantara dua samudra yaitu Samudra Hindia dan Samudra Pasifik. Letak geografis Indonesia menyebabkan gempa bumi terjadinya potensi tsunami yang sering menyebabkan kerusakan gempa di seluruh Indonesia yang sudah mengalami korban jiwa. Selama ini, BMKG mengalami kesulitan dalam klasifikasi data gempa bumi yang berpotensi terhadap tsunami, oleh karena itu penelitian ini akan bertujuan melakukan klasifikasi data gempa bumi berpotensi terhadap tsunami menggunakan algoritma K-Nearest Neighbor dan Support Vector Machine. Dataset yang digunakan berasal dari dataset BMKG dengan jumlah 620 dengan splitting data. Dataset akan displitkan dibagi menjadi dataset training dan dataset testing dengan rasio 80:20. Hasil penelitian menunjukkan akurasi pada algoritma K-NN 96% sedangkan algoritma SVM memiliki akurasi tertinggi 98%. Dari dua algoritma terlihat bahwa kinerja algoritma SVM lebih tinggi dari pada K-NN. Hasil penelitian ini bisa digunakan oleh BMKG dalam melakukan klasifikasi data gempa bumi yang berpotensi terhadap tsunami.
Co-Authors -, Dwi Haryono Afrinanda, Rizky Agung Marinda Agus Tri Nurhuda Agustin Agustin Agustin Agustin Agustin Agustin, Endy Wulan Ahmad - Fauzan Ahmad Fauzan Ahmad Rizali Anam, M Khairul Andhika, Imam Anthony Anggrawan Anugraha, Yoga Safitra Aprilia, Fanesa Arifin, Muhammad Amirul Armoogum , Sheeba Aulia, Rahma Azhari, Zahra Cikita, Putri Dadynata, Eric Deni, Rahmad Devi Puspita Sari, Devi Puspita Dhini Septhya Djamalilleil, Said Azka Fauzan Edwar Ali Erlinda, Susi Ermy Pily, Annisa Khoirala ester nababan Fadly Fadly Farhan Pratama Fatdha, Eiva Fauzan, Aulia Filza Izzati Finanta Okmayura Firdaus, Muhammad Bambang Firman, Muhammad Aditya Fransiskus Zoromi Fransiskus Zoromi, Fransiskus Habibie, Dedi Rahman Hadi Asnal, Hadi Handayani, Nadya Satya Haviluddin Haviluddin Helda Yenni, Helda Hidaya Spitri Hutasoit, Josua Iftar Ramadhan Ihsan, Raja Muhammad Ike Yunia Pasa Irwanda Syahputra Julianti, Nadea Junadhi Junadhi Junadhi Junadhi Junadhi, Junadhi Karpen Kartina Diah K. W. Kharisma Rahayu Koko Harianto Lathifah, Lathifah Lestari, Fika Ayu Lili Marlia M. Azzuhri Dinata M. Irpan Marhadi, Nanda Maulana, Fitra Melva Suryani Muhammad Bambang Firdaus Muhammad Oase Ansharullah Muhammad Syaifullah MUHAMMAD TAJUDDIN Munawir Munawir Muslim Muslim Nanda, Annisa Nasution , Zikri Hardyan Novfuja, Elma Nurul fadillah, Nurul Oktavianda Oktavianda, Oktavianda Purnama, Muhammad Adji Putantri, Nazlah Sari Putra, Febrianda Putri, Adinda Dwi Putri, Siti Faradila R. Guntur Surya Yuwana - Rabbani, Salsabila Rahmaddeni Rahmaddeni Rahmaddeni, - Rahmiati Rahmiati Rais Amin Ramadhani, Jilang Rati Rahmadani Ratna Andini Husen Revaldo, Bagus Tri Riadhil Jannah Rini Yanti, Rini Risky Harahap Risman Risman Rizki Astuti Rohmatulloh, Vanda Rometdo Muzawi, Rometdo Safitri, Dea Sahelvi, Elza Sapina, Nur Sapitri, Riska Mela Sari, Atalya Kurnia Sarjon Defit Sarjon Defit Setiawan , Andri Shahreen Kasim, Shahreen Sholekhah, Fitriana Sularno Supian, Acuan Susandri, Susandri Susanti Susanti Susanti, Susanti Susi Erlinda Syahrul Imardi Syarifuddin Elmi Tahiyat, Hafsah Fulaila Tashid Tawa Bagus, Wahyu Torkis Nasution Tri Putri Lestari, Tri Putri Tri Revaldo, Bagus Triyani Arita Fitri Try Puspa Siregar, Farida Ulfa, Arvan Izzatul Unang Rio Uthami, Kurnia Vindi Fitria Wirta Agustin Wirta Wirta Yanti, Rini Yoyon Efendi Yulli Zulianda Zahra Azhari Zakaria , Mohd Zaki Zakaria, Mohd Zaki Zega, Wilman Zikri Hadryan nst Zulafwan Zuriatul Khairi Zuriatul Khairi