Article Per Year (5 Year)
p-Index From 2021 - 2026
8.534
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Jurnal Riset Informatika JOISIE (Journal Of Information Systems And Informatics Engineering) Journal of Information System, Applied, Management, Accounting and Research METIK JURNAL Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jusikom: Jurnal Sistem Informasi Ilmu Komputer Systematics Zonasi: Jurnal Sistem Informasi Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) JURSIMA (Jurnal Sistem Informasi dan Manajemen) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer JIKA (Jurnal Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Infotek : Jurnal Informatika dan Teknologi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal of Engineering, Science and Information Technology Djtechno: Jurnal Teknologi Informasi Jurnal Tika Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Mandiri IT Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Jurnal Minfo Polgan (JMP) Society: Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Komtekinfo Jurnal Buana Pengabdian Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science JUSIFOR : Jurnal Sistem Informasi dan Informatika Golden Ratio of Data in Summary Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Bulletin of Network Engineer and Informatics (BUFNETS) JURSIMA Journal Of Artificial Intelligence And Software Engineering VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Sistem Informasi dan Manajemen Masyarakat Berkarya: Jurnal Pengabdian dan Perubahan Sosial Jurnal Abdimas Mahakam
Novalia, Elfina
Universitas Buana Perjuangan Karawang
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 67 Documents
Search

 1   2   3   4   5 
Klasifikasi Hasil Penjualan Minuman Ringan Pada Koperasi Berdasarkan Jenis Barang Menggunakan Algoritma K-Means Clustering Awaljan Situmorang; Tukino Tukino; Elfina Novalia; Sandi Ahmad
Jurnal Tika Vol 7 No 3 (2022): Jurnal Teknik Informatika Aceh
Publisher : Fakultas Ilmu Komputer Universitas Almuslim Bireuen - Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (508.815 KB) | DOI: 10.51179/tika.v7i3.1565

Abstract

The joint cooperative store is one of the efforts given by the joint cooperative management to increase cooperative income by calculating profits every year and distributing them to cooperative members in the form of money, commonly known as SHU or the remaining results of operations. However, there are still shortcomings in the implementation of cooperative sales management, one of which is the sale of soft drinks. There are still errors in determining the high and low volume of beverage sales. This research will help cooperative managers to categorize beverage sales data so that customer demand for soft drinks can be fulfilled properly. The data collected from January 2020 to September 2022 is the sale of 11,945 drinks from 15 soft drinks at the Koperasi Bersama store. This research aims to group the sales recapitulation results into a cluster using a data mining approach using the K-Means clustering algorithm. Grouping sales data according to its characteristics. The results of this study indicate that 1 soft drink is included in cluster 0 which is classified as high sales volume, while 14 soft drinks are included in cluster 1 which is classified as low sales volume.
Klasterisasi Data Jamaah Umrah pada Tanurmutmainah Tour Menggunakan Algoritma K-Means Muhamad Djaka Permana; April Lia Hananto; Elfina Novalia; Baenil Huda; Tukino Paryono
Jurnal KomtekInfo Vol. 10 No. 1 (2023): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v10i1.332

Abstract

Wisata religi khususnya umroh dan haji semakin diminati oleh masyarakat saat sekarang ini. Tanurmutmainah Tour merupakan salah satu agen travel yang bergerak dibidang jasa wisata relegi untuk memberikan layanan umroh dan haji. Fakta yang terjadi bahwa Tanurmutmainah Tour memiliki banyak data jamaah yang berbeda-beda, sehingga permasalahan yang dihadapi dalam hal ini adalah sulitnya menemukan pengetahuan seputar strategi yang dibutuhkan dalam pengembangan. Berdasarkan permasalahan tersebut maka, penelitian ini bertujuan untuk menggali pengetahuan yang tersembunyi dari data jemaah umroh dan haji dengan menggunakan algoritma K-Mean Cluster. Algoritma tersebut digunakan untuk melakukan pengelompokan data guna melihat minat calon jemaah umroh dan haji dalam memilih paket yang telah disediakan. Pengelompokan tersebut akan menyajikan kategori C1 (Sangat Diminati), C2 (Diminati) dan C3 (Kurang Diminati). Proses kluster nantinya akan menguji sejumlah 27 dataset penelitian calon jemaah umroh haji yang tercatat didatabase sistem Tanurmutmainah Tour. Berdasarkan proses kinerja algoritma K-Means, bahwa hasil proses kluster menghasilkan 38% kelompok sangat diminati dengan paket kamar Quad, 34% kelompok diminati dengan paket kamar Triple, dan 28% kelompok kurang diminati untuk paket kamar Double. Hasil tersebut dapat disimpulkan bahwa kinerja algoritma K-Means telah sesuai untuk melakukan proses klusterisasi kategori paket yang akan dipilih bagi calon jemaah umroh dan haji Tanurmutmainah Tour. Dengan hasil tersebut maka kontribusi penelitian mampu memberikan informasi baru kepada pihak pengelola Tanurmutmainah dalam strategi pelayanan kepada calon jemaah umroh dan haji.
Prediction of Rice Field Planted Area with CRISP-DM Using Classification and Regression Tree (Cart) Algorithms : Prediksi Luas Tanam Sawah dengan CRISP-DM Menggunakan Algoritma Classification and Regression Tree (Cart) Elfina Novalia; Apriade Voutama; Garno
SYSTEMATICS Vol 5 No 1 (2023): April 2023
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/sys.v5i1.8755

Abstract

Every year the area of paddy fields in Karawang Regency has increased and decreased due to land conversion. Climate change also causes changes in the amount of rain and rain patterns that cause shifts in the beginning of the season and the planting period. If the decrease in planting area will be affected, then the price of rice will increase and farmers will maintain the area and not convert their rice fields to function, therefore a study was conducted to predict the rice planting area in order to know the description of the area of rice planted in Karawang Regency will increase. , decreased or stabilized. So the search for information on the data on the area of rice planting in Karawang Regency was carried out. A total of 180 data were processed using data mining techniques so that they could mine information from the data. Data mining is a technique of extracting or new discoveries from large data and then extracting the data into information that can later be used. Experiments were carried out using the CART algorithm and cross validation using the Weka tools. The results of the evaluation carried out can be concluded that the CART algorithm using different K values provides different evaluation results. The performance of the algorithm is seen from the accuracy, precision, recall and F-Measurement, thus providing different performance values for each result. The value of k=8 has the highest accuracy value, which is 90% with precision 0.918%, recall 0.906% and F-measure 0.949%.
Pengelompokkan Data Obat-Obatan Pada Pelayanan Kesehatan Menggunakan Algoritma K-Means Clustering Anita Saptiani; Baenil Huda; Elfina Novalia; Arif Budimansyah Purba
JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 3 (2022): Jursima Vol.10 No.3 Desember 2022
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i3.510

Abstract

ABSTRAK Pada perencanaan kebutuhan obat yang akurat maka pengadaan obat itu menjadi lebih efektif serta efisien, sehingga dapat tersedia dengan jenis dan jumlahnya sesuai dengan yang dibutuhkan. Clustering data mining ini bisa dipakai menganalisa pemakaian obat, perencanaan dan pengelolaan obat di Puskesmas . Metode yang akan diaplikasikan yaitu metode clustering pada data obat menggunakan algoritma K-Means yang dapat membagi data pada cluster sehingga data yang mempunyai kesamaan akan dijadikan satu kelompok dan data yang berbeda akan dikelompokkan pada kelompok lainnya. Tujuan penelitian ini yaitu mengelompokkan data obat di Puskesmas Karangsambung yang dapat digunakan sebagai acuan untuk pengambilan keputusan dalam perencanaan dan persediaan obat di Puskesmas Karangsambung. Pada hasil penelitian ini yaitu mengelompokkan tingkat pemakaian obat pada Puskesmas Karangsambung, yang datanya diambil dari tahun 2019 sampai 2022. Data yang dihasilkan dikelompokan menjadi 3 cluster, yang nantinya pemakaiannya dikelompokkan tinggi, sedang, rendah.
Pengelompokkan Data Obat-Obatan Pada Pelayanan Kesehatan Menggunakan Algoritma K-Means Clustering Anita Saptiani; Baenil Huda; Elfina Novalia; Arif Budimansyah Purba
JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 10 No 3: Jursima Vol.10 No.3
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i3.510

Abstract

ABSTRAK Pada perencanaan kebutuhan obat yang akurat maka pengadaan obat itu menjadi lebih efektif serta efisien, sehingga dapat tersedia dengan jenis dan jumlahnya sesuai dengan yang dibutuhkan. Clustering data mining ini bisa dipakai menganalisa pemakaian obat, perencanaan dan pengelolaan obat di Puskesmas . Metode yang akan diaplikasikan yaitu metode clustering pada data obat menggunakan algoritma K-Means yang dapat membagi data pada cluster sehingga data yang mempunyai kesamaan akan dijadikan satu kelompok dan data yang berbeda akan dikelompokkan pada kelompok lainnya. Tujuan penelitian ini yaitu mengelompokkan data obat di Puskesmas Karangsambung yang dapat digunakan sebagai acuan untuk pengambilan keputusan dalam perencanaan dan persediaan obat di Puskesmas Karangsambung. Pada hasil penelitian ini yaitu mengelompokkan tingkat pemakaian obat pada Puskesmas Karangsambung, yang datanya diambil dari tahun 2019 sampai 2022. Data yang dihasilkan dikelompokan menjadi 3 cluster, yang nantinya pemakaiannya dikelompokkan tinggi, sedang, rendah.
Klasterisasi Data Obat dengan Algoritma K-Means (Kasus pada UPTD Puskesmas Curug) kastiawan, Nurhayadi; Huda, Baenil; Novalia, Elfina; Nurapriani, Fitria
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 8, No 1 (2024): EDISI MARET
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v8i1.771

Abstract

Managing drug supplies is very important because it minimizes drug losses in institutions such as health centers, pharmacies and hospitals, so that drugs of any type are in accordance with the quantity needed. The research aims at grouped drug data, where this case study was carried out at the Curug Health Center UPTD which will be used as a guide in submitting a drug import plan at this health center. The data processed in this research is the 2022 annual report, drug needs plan and proposed drug needs (RKO 2023) at the Curug Health Center UPTD. The data in this research was processed by the K-Means algorithm with the rapidminer tool, where this technique data is grouped by collecting data into clusters. The results obtained were that Cluster 0 was a very low cluster which contained 14 drug items, then Cluster 1 with 12 drug items was a low cluster, Cluster 3 with 2 drug items was a high cluster and Cluster 2 was the highest cluster with 2 items drug.
Implementasi K-Means dan K-Nearest Neighbors pada Kategori Siswa Berprestasi Widyanti, Tyas; Shofiah Hilabi, Shofa; Hananto, Agustia; Tukino; Novalia, Elfina
Jurnal Informasi dan Teknologi 2023, Vol. 5, No. 1
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37034/jidt.v5i1.255

Abstract

Penelitian ini menggunakan metode K-Means dan K-NN untuk menentukan siswa berprestasi serta mengkelompokan data menjadi suatu kumpulan data sehingga memperoleh cara menentukan tingkatan siswa beprestasi dengan kategori rendah, cukup, dan tinggi. Setelah menentukan kategori maka bisa dilakukan konsentrasi bimbingan belajar untuk kelas XII khusunya untuk siswa dan siswi yang tedapat pada kategori rendah diharapkan bisa diperhatikan secara khusus guna menciptakan lulusan terbaik di Smkn 3 Karawang.Teknik pengolahan data pada penelitian ini menggunakan perhitungan komputerisasi K-Means dan K-NN yang diterapkan pada aplikasi orange. Tahapan pada pengolahan data ini menyiapkan data nilai siswa kemudian melakukan prepossessing data untuk menghilangkan outlier-nya dan menormalisasikan data menggunakan tools data mining orange akademik siswa TBSM kelas XII dengan metode K-means dan K-NN dari hasil clustering dapat mengetahui tingkat pegelompokan prestasi siswa dan siswi Smkn 3 Karawang pada tahapan selanjutnya menggunakan metode K-NN untuk memprediksi hasil yang lebih baik, dengan metode perhitungan K-NN ini menggunakan dataset K-Means sehingga didapat nilai akurasi yang baik dengan nilai AUC 1.000, Nilai CA 1.000, Nilai F1 1.000, Nilai Precision 1.000 dan Recall 1.000 . Nilai akurasi ini selaku nilai terbaikmenggunakan tata cara lain buat membandingan hasil keakuratan perhitungan.
PREDICTION OF POPULATION GROWTH IN KARAWANG CITY USING MULTIPLE LINEAR REGRESSION ALGORITHM METHOD Desfianthy, Fatiya Hanifah; Hilabi, Shofa Shofiah; Priyatna, Bayu; Novalia, Elfina
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 7 No. 2 (2024): JUSIKOM: JURNAL SISTEM INFROMASI ILMU KOMPUTER
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Currently, Indonesia is experiencing population growth. The factors influencing this growth are the rates of births and deaths. Every year, the population in an area keeps growing. This growth can have various negative impacts on the region. That's why taking action and making predictions about population growth is crucial. The objective of this study is to use a regression algorithm to estimate how fast the population will grow in Karawang City. The data used for this research comes from population records collected by the Karawang City Statistics Agency between 2017 and 2022. To clean, transform, and analyze this data, we employ the Knowledge Discovery in Database (KDD) approach to data mining. By applying linear regression methods with assistance from RapidMiner tools, we have successfully generated predictions based on data that reveal patterns and relationships between variables that influence population growth rates. According to our predictions, there will increase of 338,011 people from 2022 to 2027. This research will assist the Karawang City government in developing plans to minimize negative impacts while optimizing resource utilization such as energy, food, water, and services. Keywords: Multiple Linear Regression, Data Mining, BPS, Rapid Miner
Klasterisasi Data Obat dengan Algoritma K-Means (Kasus pada UPTD Puskesmas Curug) kastiawan, Nurhayadi; Huda, Baenil; Novalia, Elfina; Nurapriani, Fitria
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 8, No 1 (2024): EDISI MARET
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v8i1.771

Abstract

Managing drug supplies is very important because it minimizes drug losses in institutions such as health centers, pharmacies and hospitals, so that drugs of any type are in accordance with the quantity needed. The research aims at grouped drug data, where this case study was carried out at the Curug Health Center UPTD which will be used as a guide in submitting a drug import plan at this health center. The data processed in this research is the 2022 annual report, drug needs plan and proposed drug needs (RKO 2023) at the Curug Health Center UPTD. The data in this research was processed by the K-Means algorithm with the rapidminer tool, where this technique data is grouped by collecting data into clusters. The results obtained were that Cluster 0 was a very low cluster which contained 14 drug items, then Cluster 1 with 12 drug items was a low cluster, Cluster 3 with 2 drug items was a high cluster and Cluster 2 was the highest cluster with 2 items drug.
Prediksi Angka Kelahiran dalam Berbagai Kelompok Umur Ibu Menggunakan Metode K-Nearest Neighbor: Prediction of Birth Rates in Different Age Groups of Mothers Using the K-Nearest Neighbor (K-NN) Method Syafana, Vinka; Hilabi, Shofa Shofiah; Novalia, Elfina; Huda, Baenil
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1392

Abstract

Studi ini bertujuan untuk mengembangkan prediksi angka kelahiran dalam berbagai kelompok umur ibu melalui pendekatan metode K-Nearest Neighbors (K-NN) dalam suatu sistem informasi. Penelitian ini difokuskan pada analisis dinamika kelahiran dalam konteks kelompok umur ibu, yang merupakan informasi kritis dalam perencanaan kebijakan kesehatan dan pengembangan sosial. Metode K-NN digunakan sebagai pendekatan analisis utama untuk meramalkan angka kelahiran, memanfaatkan pola kemiripan dalam karakteristik kelompok umur ibu. Integrasi metode K-NN dalam sistem informasi memungkinkan pengelolaan dan analisis data yang lebih efisien untuk mendukung kebijakan perencanaan keluarga. Data yang digunakan mencakup variabel demografis, ekonomi, dan sosial yang dapat memengaruhi tingkat kelahiran. Hasil prediksi angka kelahiran diharapkan dapat memberikan wawasan mendalam tentang perubahan dinamis dalam struktur kelahiran, memungkinkan pemahaman yang lebih baik untuk mengarahkan kebijakan kesehatan dan strategi intervensi yang lebih terarah. Penelitian ini menghadirkan kontribusi pada pengembangan sistem informasi yang dapat mendukung analisis prediktif dalam konteks kelahiran. Implikasi temuan ini relevan untuk kebijakan kesehatan, demografi, dan perencanaan keluarga, serta dapat membantu merancang langkah-langkah intervensi yang lebih efektif dan tepat sasaran.
Co-Authors Abdul Hafiz Agustina, Alvi Ahmad Fauzi Ahmad, Sandi Al Khadzik, Fahmi Alfiansyah, Muhammad Rindra Ani Ani Anita Saptiani Apriade Voutama April Hananto April Lia Hananto Arif Budimansyah Purba atikah, dwi Aurel Adhitya Anwar Aviv Yuniar Rahman Awal, Elsa Elvira Awaljan Situmorang Awaludin, Sidqi Baenil Huda Baenil Huda baktria, leonyka Bayu Yoga Astario Desfianthy, Fatiya Hanifah Diningrat, Cahya Emilia Sukmawati, Cici Fadli, Muhammad Abil Faisal, Muhamad Agus Firdaus, Mohamad Ricky Fitri Nur Masruriyah, Anis Fitria Nurapriani Garno garno, Garno Gefira Rahmaifha Goenawan Brotosaputro Gugy Guztaman Munzi Hananto , Agustia Hananto, Agustia Henry Adam Hilabi, Shofa Shofia Hilabi, Shofa Shofiah Hilabi, Shofa Shofiah Huban Kabir Huda, Baenil Indra, Jamaludin Iqbal Maulana Irawan, Agung Susilo Yuda Juwita, Ayu Ratna kastiawan, Nurhayadi Lestari, Renita Lutfiah, Siti Muhamad Djaka Permana Muhamad Helmi Fauzi Nijunnihayah, Uktupi Nur ‘Azah Nurapriani, Fitria Nuriza, Adjeng Putri Nurmayanti, Trisya Paryono, Tukino Prasetya, Rafli Pratama, Daffa Agung Prayono, Tukino Priyatna, Bayu Purba, Arif Budimansyah Rian Pratama Sandi Ahmad Saptiani, Anita Seia Piantara Setiawan, Pratama Wahyu Setiawan, Pratama Wahyu Setiawan, Revi Shofa Shofia Hilabi Shofiah Hilabi, Shofa Situmorang, Awaljan Sopian, Jajang Sukmawati, Cici Emilia Surala, Lyvia Syafana, Vinka Syahri Susanto Tamala, Evi TARMUJI TARMUJI, TARMUJI Tejayanda, Rigger Damaiarta Tita Puspita Sari Tukino Tukino, Tukino tukino, tukino Tukino, Tukino Wahyu Aziz Ramadhani Wahyu, Pratama Widyanti, Tyas Wirlandika, Devri Yoga Astario, Bayu Yusup, Dadang Zhalifunas, Satria Dawas