Article Per Year (5 Year)
p-Index From 2020 - 2025
2.59
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Jurnal Khatulistiwa Informatika Jurnal Informatika Universitas Pamulang Antivirus : Jurnal Ilmiah Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Computer Science (CO-SCIENCE) Jurnal Teknik Informatika Journal of Artificial Intelligence and Digital Business Akademika
Diantika, Sri
Universitas Bina Sarana Informatika
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Perbandingan Algoritma Klasifikasi K-Nearest Neighbor, Random Forest dan Gradient Boosting untuk Memprediksi Ketertarikan Nasabah pada Polis Asuransi Kendaraan Diantika, Sri; Subekti, Agus; Nalatissifa, Hiya; Lase, Mareanus
Jurnal Informatika Universitas Pamulang Vol 6, No 3 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v6i3.9419

Abstract

An insurance policy provides coverage for compensation for specified loss, damage, illness, or death in exchange for premium payments. Likewise for vehicle insurance, every year the customer needs to pay a premium to the insurance company so that if an accident occurs that is not profitable for the vehicle, the insurance company provides compensation to the customer. The purpose of this research is to classify the health insurance cross-sell prediction dataset so that certain patterns or relationships can be found between the data to become valuable information and build a model to predict whether policyholders (customers) from the previous year will also be interested in insurance. Vehicles provided by the company. The researcher uses the K-nearest neighbor classification algorithm, Random Forest, and gradient boosting classifier as well as Python data mining tools. After doing the research, it was found that the K-nearest neighbor classification algorithm produces a higher accuracy of 91%, when compared to the Random Forest algorithm which is 87% and the boosting classifier algorithm is 88% in classifying customer interest in taking a vehicle insurance policy.
Aplikasi Penerimaan Pemasukan Dan Pengeluaran Dana Keuangan Berbasis Website Pada CV. Berkah Jaya Ahmad Fauzi; Nurlaelatul Maulidah; Riki Supriyadi; Hiya Nalatissifa; Sri Diantika
Bianglala Informatika Vol 9, No 2 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (498.113 KB) | DOI: 10.31294/bi.v9i2.11501

Abstract

CV.  Berkah  Jaya  merupakan  perusahaan  milik  swasta  yang  bernaung  dalam  usaha  sebagai  supplier  toko  buku  dan  alat  peraga  ke  berbagai  tempat.  Sebagai  supplier  buku  dan  alat  peraga  CV.  Berkah  Jaya  memiliki  cukup  banyak  data  yang  belum  terorganisir  dengan  baik,  terutama  dalam  bidang  pencatatan  penerimaan  dan  pengeluaran  dana  keuangan.  Sistem  pencatatan  data  pada  CV.  Berkah  Jaya  saat  ini  masih  dilakukan  secara  manual  meskipun  sudah  menggunakan  microsoft  excel  sebagai  program  yang  membantu  dalam  pencatatan,  seringkali  menjadi  kurang  efektif  dan  tidak  efisien  sehingga  menimbulkan  hambatan  karena  membutuhkan  waktu  yang  lama  dalam  memproses  data.  Data  pemasukan  dan  pengeluaran  dana  keuangan  akan  mudah  dimanipulasi  oleh  pihak  yang  tidak  bertanggung  jawab  jika  masih  menggunakan  sistem  pencatatan  yang  manual.  Adanya  sistem  komputer  akan  sangat  membantu  perusahaan  dalam  pemecahan  masalah  dalam  hal  pengelohan  data  keuangan.  Penggunaan  komputer  juga  dapat  dijadikan  alat  untuk  mencapai  tujuan  dan  mencari  kemudahan  dalam  melakukan  suatu  proses  pekerjaan,  terutama  yang  melibatkan  banyak  data  dalam  hal  ini  mengenai  data  transaksi  yang  mencakup  data  pemasukan  dan  pengeluaran  dana  keuangan  perusahaan.  Dengan  sistem  komputerisasi  keuangan  ini,  dapat  mempermudah  perusahaan  dalam  melakuan  proses  pengolahan  data  keuangan  dan  laporan.
Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja Hiya Nalatissifa; Windu Gata; Sri Diantika; Khoirun Nisa
Jurnal Informatika Universitas Pamulang Vol 5, No 4 (2020): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v5i4.7575

Abstract

Absence is a problem for the company. Absenteeism is defined as a task that is assigned to an individual, but the individual cannot complete the task when he is not present. Absence from work is influenced by many factors, including mismatched working hours, job demand and other factors such as serious accidents / illness, low morale, poor working conditions, boredom, lack of supervision, personal problems, insufficient nutrition, transportation problems, stress, workload, and dissatisfaction. The purpose of this study is to predict absenteeism at work based on the Absenteeism at work dataset obtained from the UCI Machine Learning repository site using the Weka 3.8 application and the Naïve Bayes algorithm, Support Vector Machine (SVM), and Random Forest. In the results of the study, the Random Forest algorithm obtained the highest accuracy, precision, and recall values compared to the Naïve Bayes and SVM algorithms, which resulted in an accuracy value of 99.38%, 99.42% precision and a recall of 99.39%.
Penerapan Algoritma Naive Bayes Dan Support Vector Machine dalam Memprediksi Autisme Riki Supriyadi; Nurlaelatul Maulidah; Ahmad Fauzi; Hiya Nalatissifa; Sri Diantika
Swabumi Vol 10, No 1 (2022): Volume 10 Nomor 1 Tahun 2022
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v10i1.12294

Abstract

AbstrakAutism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang menyebabkan anak mengalami gangguan dalam kemampuan komunikatif, fungsi sosial, dan perilaku kaku atau berulang. Diagnosis terhadap screening autisme adalah langkah awal untuk mengetahui kondisi anak dalam proses penanganan autisme secara dini. Konsultasi dengan dokter atau tenaga medis menjadi pilihan utama yang dilakukan oragtua, namun keterbatasan tenaga medis yang berfokus terhadap perkembangan otak membuat orang tua sulit menangani anaknya. Machine learning menjadi salah satu alternatif dalam penanganan penyakit terutama autisme untuk membantu meningkatkan kemampuan pendeteksian otomatis. Dalam penelitian yang telah dilakukan dengan menerapkan dua algoritma data mining yaitu algoritma Naive Bayes dan Support Vector Machine (SVM) kedua algoritma kemudian dikomparasi dimana hasil yang ditunjukan algoritma Naive Bayes mendapatkan hasil akurasi 96,45% sedangkan Support Vector Machine (SVM) mendapatkan hasil akurasi 81,56% dan disimpulkan dalam penelitan ini algoritma yang paling sesuai untuk mendeteksi penyakit autisme yaitu Naive Bayes dimana memiliki akurasi yang lebih baik saat pengujian. Kata Kunci : Deteksi Autisme , Naive Bayes, Support Vector Machine AbstractAutism Spectrum Disorder (ASD) is a neurodevelopmental disorder that causes children to experience impairments in communicative abilities, social functioning, and rigid or repetitive behaviors. Diagnosis of autism screening is the first step to knowing the condition of children in the process of handling autism early. Consultation with a doctor or medical personnel is the main choice made by oragtua, but the limitations of medical personnel who focus on brain development make it difficult for parents to handle their children. Machine learning is one of the alternatives in the treatment of diseases, especially autism, to help improve automatic detection capabilities. In research that has been done by applying two data mining algorithms, namely naive bayes algorithm and support vector machine (SVM) both algorithms are then compared where the results shown by naive bayes algorithm get an accuracy of 96.45% while support vector machine (SVM) gets an accuracy of 81.56% and concluded in this study the most suitable algorithm to detect autism disease is Naive Bayes which has better accuracy when testing. Keywords: Autism Detection, Naive Bayes, Support Vector Machine
Komparasi Algoritma SVM Dan Naive Bayes Untuk Klasifikasi Kestabilan Jaringan Listrik Sri Diantika; Windu Gata; Hiya Nalatissifa
Elkom : Jurnal Elektronika dan Komputer Vol 14 No 1 (2021): Juli: Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v14i1.319

Abstract

Keseimbangan antara pasokan dan permintaan listrik sangat diperlukan untuk mendapatkan jaringan listrik yang stabil, agar dapat diketahui pola data kestabilan jaringan listrik ini maka diperlukan pengelompokkan atau pengklasifikasian terhadap data dengan memanfaatkan teknik data mining guna mengolah informasi. Untuk mencari metode data mining yang bisa menghasilkan akurasi terbaik dalam mengklasifikasikan data Kestabilan jaringan listrik, maka pada penelitian ini dilakukan perbandingan penerapan algoritma klasifikasi SVM dan Naïve Bayes terhadap dataset Electrical Grid Stability Simulated yang yang diambil dari UCI Machine Learning. Dari hasil pengujian klasifikasi kestabilan jaringan listrik yang telah dilakukan menggunakan aplikasi WEKA 3.8.2. Metode Support Vector Machine (SVM) menunjukan tingkat accuracy yang lebih baik yaitu sebesar 98.9% jika dibandingkan dengan metode Naive Bayes yang meghasilkan nilai akurasi sebesar 97.64% Hasil akurasi ini akan menunjukan hasil yang berbeda tergantung dengan jenis data, jumlah instance, label class dan Percentage split data yang digunakan.
Penerapan Teknik Random Oversampling Untuk Memprediksi Ketepatan Waktu Lulus Menggunakan Algoritma Random Forest Diantika, Sri; Nalatissifa, Hiya; Maulidah, Nurlaelatul; Supriyadi, Riki; Fauzi, Ahmad
Computer Science (CO-SCIENCE) Vol. 4 No. 1 (2024): Januari 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v4i1.1996

Abstract

Punctuality of graduation is something that students yearn for, besides being important for students, punctuality of graduation is also very important for universities, this is because the aspect of student graduation is one aspect of assessment in an institutional accreditation process of a university to show its quality. One of the obstacles faced to find out whether a student can graduate on time or not is because the study period cannot be detected early, this will have an impact on late student graduation. To analyze this, a lot of research was conducted on the accuracy of student graduation, through the cumulative grade point average (GPA) obtained by students during their studies. This research on the prediction of student graduation timeliness uses a random forest algorithm model. The data used in this research object has an unbalanced number of data classes, to overcome this, a random oversampling (ROS) resampling technique is applied and also applies Split validation or division between learning data by 50% for test data and 50%. To evaluate the model built, the author uses evaluation metrics such as accuracy, recall, and precision. The results of the study showed that the proposed model can well predict compared to other models, namely with the results precision of 87.05%, accuracy test values of 90.04%, recall of 90.04%.From these results, it can be interpreted that the random forest algorithm is considered good in predicting the timeliness of a student's graduation
RANCANG BANGUN SISTEM INFORMASI PERPUSTAKAAN BERBASIS WEBSITE PADA SMK NEGERI 1 BUMIJAWA Nalatissifa, Hiya; Maulidah, Nurlaelatul; Fauzi, Ahmad; Supriyadi, Riki; Diantika, Sri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6000

Abstract

Sistem komputer telah banyak digunakan dalam berbagai bidang, terutama dalam bidang pendidikan. Memanfaatkan IT pada bidang pendidikan saat ini sudah menjadi hal yang umum, maka sekolah berlomba-lomba dalam meningkatkan mutu pendidikan menjadi unggul dan harus berubah dan berkembang dalam bidang TIK, khususnya dalam penerapan/penggunaan sistem informasi yang terkomputerisasi. Pepustakaan memiliki bagian yang sangat penting untuk memenuhi kebutuhan intelektualitas para penggunanya. SMK Negeri 1 Bumijawa memiliki perpustakaan yang masih menggunakan sistem manual untuk pengolahan datanya. Masalah yang ada saat ini adalah membutuhkan waktu lama untuk memproses data sehingga membuat kinerja petugas perpustakaan terhambat dan dapat menimbulkan adanya resiko kehilangan atau kerusakan data yang mengakibatkan pengolahan data tidak efektif dan tidak efisien. Rancang bangun sistem informasi perpustakaan berbasis website merupakan solusi yang dapat digunakan dalam mempermudah pemrosesan data dan untuk memudahkan pengolahan informasi, khususnya efisiensi dan efektifitas peminjaman dan pengembalian buku.
PENERAPAN TEKNIK RANDOM OVERSAMPLING UNTUK MENGATASI IMBALANCE CLASS DALAM KLASIFIKASI WEBSITE PHISHING MENGGUNAKAN ALGORITMA LIGHTGBM Diantika, Sri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6006

Abstract

Kemudahan mendapatkan Segala informasi dari website, membuat masyarakat lebih memilih website sebagai sarana mencari sebuah informasi yang cepat. maraknya penggunaan website, membuat beberapa oknum yang tidak bertanggungjawab menyalahgunakan penggunaan website, seperti melakukan penipuan atau phishing. Phishing menjadi salah satu kejahatan siber yang memiliki sifat mengancam serta menjebak user dengan cara memancing user atau pengguna untuk secara tidak langsung memberikan suatu informasi kepada pelaku phishing. Dari permasalahan tersebut peneliti melakukan penelitian menggunakan dataset publik dari Kaggle yang berisi kumpulan URL situs web berjumlah lebih dari 11000 situs web. Peneliti mengusulkan model untuk mengklasifikasikan website phishing dan non phishing menggunakan lightGBM. Kami juga menerapkan Random Over Sampling (ROS) pada data untuk mengatasi masalah ketidakseimbangan kelas pada data. Eksperimen kami menunjukkan bahwa metode yang diusulkan mencapai akurasi sebesar 96,9%, recall 96,9%, , F1-Score 96,9%, dan nilai ROC 99,7%. Ini secara signifikan lebih baik daripada beberapa metode lain
Penerapan Extreme Programming dan Flutter Dalam Mobile Application Jago Masak Sebagai Sistem Pencarian Resep Masakan Nurlaelatul Maulidah; Sri Diantika; Hiya Nalatissifa; Ahmad Fauzi; Riki Supriyadi
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 2 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i2.718

Abstract

Memasak merupakan seni mengolah bahan makanan menjadi hidangan yang menggugah selera dan disajikan dengan cara menarik. Banyak aspek kehidupan sehari-hari masyarakat dipengaruhi oleh dunia kuliner. Olahan makanan yang beragam membuat masyarakat ingin memberikan makanan terbaik untuk keluarganya, Dengan menggunakan resep makanan yang tepat, pemasak dan penikmatnya akan menikmati makanan mereka.  Resep masakan adalah salah satu panduan yang memuat nama masakan, bahan, bumbu, cara membuat sampai cara menghidangkannya. Seringkali seorang pengolah makanan yang sedang mencari resep, kesulitan menentukan menu apa yang akan dibuat dari bahan yang ada di dapur. Oleh karena itu, dibuatlah aplikasi android untuk memudahkan pemilihan resep masakan. Aplikasi jago masak ini dibuat dengan menggunakan model extreme programming berbasis android, dengan menerapkan flutter. Dimana aplikasi ini dapat digunakan untuk pecinta kuliner yang ingin memasakan masakan Indonesia, western dan jepang. Aplikasi ini juga sudah dilakukan pengujian menggunakan blackbox testing. Dimana semua tombol, fitur dan lain sebagainya telah berfungsi dengan baik.
ANALISIS PENGARUH KUALITAS WEBSITE PPDB TERHADAP KEPUASAN PENGGUNA MENGGUNAKAN REGRESI LINIER BERGANDA Silvia, Hana; Aprilia Kartini, Kasih; Dafa, Muhammad; Nuris, Nuzuliarini; Diantika, Sri
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 18 No 2 (2024): November 2024
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/antivirus.v18i2.3936

Abstract

In today’s digital era, many individuals rely on websites to quickly and efficiently obtain information. Vocational High Schools (SMK) are not left behind in leveraging modern technology through the website-based New Student Admission System (PPDB). While this system offers convenience, crucial questions arise regarding the quality of the PPDB Bersama website and its impact on user satisfaction. This study aims to analyze the effect of website quality on user satisfaction at SMKS 28 Oktober 1928 II. Utilizing the Webqual 4.0 method, the research identifies three independent variables: usability, information quality, and interaction quality, with user satisfaction as the dependent variable. Data processing was conducted using Excel and SPSS. The results indicate that all independent variables significantly contribute to user satisfaction. The coefficient of determination (R²) of 0.813 suggests that 81.3% of user satisfaction can be explained by these variables, while the remaining percentage is influenced by other factors. These findings affirm that the quality of the PPDB Bersama website has a significant positive impact on user satisfaction at SMKS 28 Oktober 1928 II, highlighting the importance of enhancing and maintaining platform quality to support better educational processes.
Co-Authors AA Sudharmawan, AA Agus Subekti Ahmad Fauzi Ahmad Fauzi Ahmad Fauzi Akrom, Akrom Aprilia Kartini, Kasih Dafa, Muhammad Fauzi Ahmad Muda Gata, Windu Hiya Nalatissifa Hiya Nalatissifa Khoirun Nisa Mareanus Lase Mawadatul Maulidah Nurlaelatul Maulidah Nuzuliarini Nuris Rifandi, Julian Riki Supriyadi Riki Supriyadi Salsabila, Nina Nur Silvia, Hana Windu Gata