Article Per Year (5 Year)
p-Index From 2020 - 2025
0.888
P-Index
This Author published in this journals
All Journal Voice Of Informatics ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA IT (INFORMATIC TECHNIQUE) JOURNAL INFOSYS (INFORMATION SYSTEM) JOURNAL Jurnal Salome: Multidisipliner Keilmuan CSRID
Fujiati, Fujiati
Universitas Satya Terra Bhinneka
Religion Aerospace Engineering Humanities Computer Science & IT Decision Sciences, Operations Research & Management Medicine & Pharmacology Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
RANCANG BANGUN APLIKASI GAME EDUKASI INTERAKTIF DENGAN MENGGUNAKAN METODE GAME DESIGN DOCUMENT Sri Lestari Rahayu; Fujiati _
Jurnal VOI (Voice Of Informatics) Vol 8, No 1 (2019)
Publisher : STMIK Tasikmalaya

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

Abstract

Pendidikan memiliki tugas untuk menghasilkan anak-anak peserta didik yang memiliki pola pikir cerdas, beradab dan cepat tanggap. Anak-anak peserta didik diharapkan mampu mencapai kemandirian dan mampu beradaptasi dengan lingkungan luar yang selalu mengalami perubahan dan perkembangan. Media pembelajaran yang digunakan yaitu dengan menggunakan game. Game memiliki peran yang besar dalam membangun rasa semangat pada peserta didik untuk memperoleh pelajaran dari guru. Hal itu berbeda dengan pengunaan metode konvensional yang cenderung membosankan karena hanya mendengarkan penjelasan dari guru di depan kelas. Dengan menggunakan aplikasi game edukasi untuk belajar bahasa inggris maka dapat meningkatkan daya ingat anak sehingga dapat menyimpan materi pelajaran dengan cepat dibandingkan dengan metode konvensional selain itu belajar menjadi menyenangkan dan peserta didik tidak cepat bosan dalam proses belajar bahasa inggris khususnya pengenalan nama-nama buah dan nama-nama hewan. Pada penelitian ini, perancangan sistem menggunakan metode game design document dan prototype lalu pada proses pengujian mengunakan metode blackbox. Hasil akhir dari penelitian ini adalah aplikasi game edukasi yang dapat digunakan oleh peserta didik dengan didampingi oleh guru. Penggunaan aplikasi ini mampu memotivasi peserta didik untuk belajar bahasa inggris dengan cara yang menyenangkan dan dapat dipahami dengan cepat.  Kata kunci— Pendidikan, Game, Game Design Document, Prototype, Blackbox
Penerapan Digital Game Based Learning Pada Media Pembelajaran “LABIRIN” Fujiati Fujiati; Sri Lestari Rahayu
IT (INFORMATIC TECHNIQUE) JOURNAL Vol 7, No 2 (2019): IT JOURNAL OKTOBER 2019
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/it.7.2.2019.91-98

Abstract

Seiring perkembangan telnologi sebuah permainan atau game dapat dijadikan sebuiah media pembelajaran, game edukasi merupakan salah satu media pembelajaran yang dapat digunakan oleh sekolah untuk menarik minat belajar para siswa. Selain dapat membantu guru ataupun sekolah dalam menarik minat belajar siswa, game edukasi juga dapat dimanfaatkan orangtua dalam memilih permainan yang baik untuk anak dirumah. Media pembelajaran berupa game edukasi yang mengguanakan gadget telah mengikuti perkembangan teknologi edukasi. Untuk menarik minat siswa dalam belajar baik disekolah maupun dirumah maka dari itu penulis akan membuat sebuah game edukasi yang akan dijadikan sebagai media pembelajaran mengguanakan metode digital game based learning. Metode ini menerapkan beberapa langkah yang akan disesuaikan dengan materi belajar siswa, sehingga game ini akan sangat baik dijadikan sebagai media pembelajaran.
Penerapan Metode Single Exponential Smoothing Pada Penentuan Penjualan Karton Jadi Pada PT. Industri Pembungkus International Ernita Silitonga; Fujiati Fujiati
IT (INFORMATIC TECHNIQUE) JOURNAL Vol 7, No 1 (2019): IT JOURNAL APRIL 2019
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/it.7.1.2019.36-48

Abstract

PT. Industri Pembungkus International yang bergerak dibidang produksi karton jadi, pengiriman serta penjualan karton jadi. Perusahaan sering mengalami kendala, khususnya masalah perhitungan penjualan karton jadi untuk periode berikutnya. Masalah tersebut diantaranya adalah kesalahan dalam perhitungan data keuangan yang melibatkan penjualan karton jadi, keterlambatan dalam penyelesaian laporan dan masih banyak masalah lainnya. Meskipun demikian hasil perkiraan yang diperoleh mungkin saja tidak sama dengan rencana. Pemanfaatan ramalan penjualan akan digunakan untuk informasi penjualan karton jadi untuk memprediksi tingkat penjualan pada hari yang akan datang. Peramalan penjualan yang akan diterapkan dengan menggunakan metode Exponential Smoothing, dengan tujuan untuk memprediksi penjualan pada 1 periode (per bulan).Kesalahan pembuatan laporan prediksi penjualan diatas disebabkan oleh sistem pengolahan data yang masih menggunakan cara semi komputerisasi khususnya dalam pembuatan laporan penjualan karton jadi, dan proses perhitungan peramalan karton jadi sehingga tidak efisien karena membutuhkan waktu yang lama dalam proses penentuan prediksi penjualan karton jadi dan laporan penjualan karton jadi tidak dapat diperoleh dengan cepat, yang menjadi bahan penelitian penulis adalah data penjualan karton jadi pada tahun 2017, 2018, dan tahun 2019.
Penerapan Metode AHP Dan Topsis Pada Sistem Pendukung Keputusan Dalam Seleksi Penerimaan Karyawan Baru Pada Ma’had Abu Ubaidah Bin Al-Jarrah Medan Novita Pratiwi; Fujiati Fujiati
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 1 (2022): InfoSys Agustus 2022
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.1.2022.81-91

Abstract

Proses seleksi karyawan baru selalu di hadapkan pada pilihan sulit untuk menentukan karyawan yang berkualitas, sehingga lembaga akan menggunakan berbagai kriteria untuk memperoleh karyawan yang sesuai dengan kriteria yang dibutuhkan. Proses perekrutan karyawan ini merupakan masalah yang melibatkan banyak kriteria, mengingat banyaknya pelamar yang akan diseleksi sehingga membuat bagian penyeleksi mengalami kesulitan dalam mengadakan penyeleksian calon karyawan baru pada Ma’had Abu Ubaidah. Metode Analytical Hierarchy Process (AHP) di gunakan untuk menentukan bobot kriteria, dan Technique for Order Preference by Similarity to Order Solution (TOPSIS) berperan dalam menentukan perangkingan prioritas yang paling ideal, dalam hal ini dilakukan penyeleksian karyawan baru dengan cara memberikan bobot nilai sesuai dengan kebutuhan. Untuk mendapatkan karyawan yang baik, diperlukan proses seleksi yang baik. Penggabungan metode AHP dan TOPSIS dapat menghasilkan hasil perangkingan yang lebih objektif. Dengan melakukan penggabungan metode AHP serta TOPSIS dapat menghasilkan rekomendasi yang baik. Output hasil dari penelitian ini berupa laporan hasil seleksi yang bertujuan untuk menghasilkan informasi yang dapat digunakan sebagai pendukung keputusan oleh Mahad
APLIKASI KEAMANAN DATA PROGRAM ACARA TV PADA TVRI MENGGUNAKAN METODE AES Ismail Lubis; Fujiati Fujiati
Jurnal Salome : Multidisipliner Keilmuan Vol. 1 No. 2 (2023)
Publisher : CV. ADIBA AISHA AMIRA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (989.979 KB)

Abstract

Confidentiality of data or information is very important information in an organization or a company which is a complete service. And in this technological age, it is an era where using a computer network where an irresponsible party can access a network access, this can result in the data transmission process being insecure because it is used by other parties who are not responsible for collect data or information that can be detrimental to certain parties. One way to maintain the security and confidentiality of data is to use cryptographic methods. In the field of cryptography, there are two very important concepts, namely encryption and description. The process of sending messages will go through an encryption process to convert the original text (plaintext) into ciphertext. So that it cannot be read or understood by other people and the confidentiality of the data and the integrity of the data to keep it safe.
Analisis Perbandingan Algoritma Klasifikasi Terhadap Data Problem Mesin ATM Dengan Rapidminer Dahriani Hakim Tanjung; Rofiqoh Dewi; Fujiati Fujiati; Rinrin Meilani Salim
Computer Science Research and Its Development Journal Vol. 16 No. 2 (2024): June 2024
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.16.2.2024.188-200

Abstract

The aim of the proposed research is to compare and test the accuracy of data mining classification algorithms. Comparing algorithms that depend on different parameters of a given data set. There are learning and classification algorithms that are used to analyze, study and classify the available data. However, the problem is finding the best algorithm and the desired results with the highest level of accuracy in predicting future values ​​or events from a data set. Where the classification models used are the C4.5 and Naïve Bayes algorithms. Testing and validation using k-fold Cross Validation as well as evaluating the performance of the prediction model using the ROC-AUC graph with graphic visualization. The data used as samples were taken from ATM machine problem data with a total of approximately 250 samples. Testing was carried out with the help of the Rapidminer tool with operators and parameters used in creating models of the algorithms being compared. The tests that have been carried out prove that the C4.5 algorithm has the best performance with an average accuracy value of 96.00%, a recall value of 97.78% and a precision value of 92.14%, while the naïve Bayes algorithm produces an accuracy value of 83. 00%, the recall value is 76.40% and the precision value is 84.82%. Apart from that, evaluation and validation in this test is also seen based on the ROC curve called AUC (Area Under the ROC Curve) where for the C4.5 algorithm the value is 0.931 while naïve Bayes is 0.894 so the C4.5 algorithm is categorized as Very Good Classification because it has a value between 0.90-1.00. These results show that the C4.5 algorithm is proven to be a potentially effective and efficient classification algorithm.
Analisis Komparatif Algoritma Klasifikasi Machine Learning untuk Memprediksi Diabetes Saleh, Alfa; Eka Sari, Ria; Ramadani, Ramadani; Fujiati, Fujiati; Lestari, Ratna
Algoritma: Jurnal Ilmu Komputer dan Informatika Vol 9, No 1 (2025): April 2025
Publisher : Universitas Islam Negeri Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/algoritma.v9i1.23794

Abstract

Diabetes Mellitus is one of the most common chronic diseases, this disease is also a major concern in global public health issues. in this study, a Machine Learning approach was carried out to help predict diabetes in the community. Machine learning is very useful in analyzing health data because of its good ability to process large amounts of data. A comparative study with several machine learning classification algorithms such as K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Naive Bayes and Decision Tree (C4.5) has been conducted to determine which algorithm gives the best results in terms of predicting diabetes. Where, the features used in predicting diabetes include gender, age, history of hypertension, history of heart disease, history of smoking, BMI, level of HbA1c and blood glucose levels. From the results of this study, the accuracy rate of diabetes prediction for the K-Nearest Neighbors (KNN) algorithm is 92.5%, the Support Vector Machine (SVM) algorithm is 94.5%, the Naive Bayes algorithm is 90% and the last for the Decision Tree (C4.5) algorithm is 93.5%. So, from the test results of several machine learning classification algorithms it can be concluded that the Support Vector Machine (SVM) algorithm is the most optimal algorithm in terms of predicting diabetes. Keywords: Machine Learning, KNN, SVM, Naive Bayes, Decision Tree, Diabetes.
Co-Authors Dahriani Hakim Tanjung Eka Sari, Ria Ernita Silitonga Ismail Lubis Lestari, Ratna Novita Pratiwi Ramadani, Ramadani Rinrin Meilani Salim Rofiqoh Dewi Saleh, Alfa Sri Lestari Rahayu Sri Lestari Rahayu