Garuda - Garba Rujukan Digital

PENGUATAN KAPASITAS YOUTUBE MENGGUNAKAN SEO DI MAJELIS SHOLAWAT MOROBANGUN Mustopa, Ali; Mulyatun, Sri; Santoso, Joko Dwi; Hidayat, Tonny; Seniwati, Erni; Setiawanto, Irwan
Jurnal Pengabdian Masyarakat AbdiMas Vol 10, No 01 (2023): Jurnal Pengabdian Masyarakat Abdimas
Publisher : Universitas Esa Unggul

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47007/abd.v10i01.7130

Meningkatnya pentingnya media digital sebagai alat diseminasi informasi dan pemasaran menuntut berbagai komunitas untuk mengadaptasi dan memanfaatkan platform ini, termasuk Majelis Sholawat di Morobangun. Untuk membantu anggota majelis memanfaatkan YouTube sebagai alat dakwah dan diseminasi informasi, sebuah program pelatihan tentang Search Engine Optimization (SEO) dan manajemen konten YouTube diadakan. Pelatihan ini dirancang sebagai serangkaian workshop dan sesi praktek yang melibatkan sebagaian besar anggota majelis. Metodologi yang digunakan adalah metode hibrida, yakni mengkombinasikan pelatihan daring dan luring. Kendala yang dihadapi berupa perubahan agenda dan ketersediaan alat, namun secara keseluruhan, capaian luaran program berhasil mencapai target yang ditetapkan. Hasil dari pelatihan ini menunjukkan peningkatan signifikan dalam kualitas konten yang dihasilkan, serta peningkatan kompetensi anggota dalam memanfaatkan platform YouTube untuk tujuan dakwah dan edukasi. Pelatihan ini membuktikan bahwa dengan pendekatan yang terstruktur dan kolaboratif, peningkatan kapasitas dan adaptasi terhadap media digital dapat terwujud dengan efektif.

Clustering Performance Between K-means and Bisecting K-means for Students Interest in Senior High School Seniwati, Erni; Sidauruk, Acihmah; Haryoko, Haryoko; Lukman, Achmad
Building of Informatics, Technology and Science (BITS) Vol 5 No 1 (2023): June 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v5i1.3624

The interest of high school students is an important thing to do to see the talents of each student based on the academic scores obtained in the first and second semesters. There are two majors of interest in this case study, namely natural and social studies with criteria for natural studies scores including mathematics, chemistry, biology and physics. Meanwhile, the social studies criteria include history, economics, geography and sociology. This research propose comparing of clustering time and accuracy based on manual data from school as a reference of clustering in SMAN 1 Wonosari for 2011/2012 academic year using two clustering methods namely K-means and Bisecting K-Means. The results of this research compare to manual results interest from class teacher, so this work can demonstrate the run time comparison and accuracy of this study. The accuracy result shows 87.5% for both methods but different run times. For bisecting k-means got 0.0229849 seconds to complete the clustering process faster than k-means only got 0.0929448 seconds

Implementation of The Naïve Bayes Algorithm For Diagnosing Lung Disesase In An Expert System Concept Hafiyyan, Azka; Seniwati, Erni; Haryoko, H
IJISTECH (International Journal of Information System and Technology) Vol 7, No 1 (2023): The June edition
Publisher : Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/ijistech.v7i1.300

Web-based lung disease diagnosis expert system is an application designedto help diagnose lung disease quickly and accurately. This system uses the Naïve Bayes classification method which is one of the techniques in artificial intelligence. The Naïve Bayes method utilizes probability to classify data based on existing attributes. In the context of a lung disease expert system, these attributes can include symptoms experienced by patients such as cough, shortness of breath, chest pain, and so on. Research results have shown that in the test of accuracy comparing the expert with the lung disease diagnostic system using the naive Bayes method, the accuracy rate reached 86.66%. With the achieved accuracy rate, it can be stated that the system is capable of performing diagnoses effectively and accurately

Implementation of The Naïve Bayes Algorithm For Diagnosing Lung Disesase In An Expert System Concept Hafiyyan, Azka; Seniwati, Erni; Haryoko, H
IJISTECH (International Journal of Information System and Technology) Vol 7, No 1 (2023): The June edition
Publisher : Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/ijistech.v7i1.300

Web-based lung disease diagnosis expert system is an application designedto help diagnose lung disease quickly and accurately. This system uses the Naïve Bayes classification method which is one of the techniques in artificial intelligence. The Naïve Bayes method utilizes probability to classify data based on existing attributes. In the context of a lung disease expert system, these attributes can include symptoms experienced by patients such as cough, shortness of breath, chest pain, and so on. Research results have shown that in the test of accuracy comparing the expert with the lung disease diagnostic system using the naive Bayes method, the accuracy rate reached 86.66%. With the achieved accuracy rate, it can be stated that the system is capable of performing diagnoses effectively and accurately

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN MOBIL BEKAS MENGGUNAKAN METODE SAW: STUDI KASUS : BOGEL AUTO Noviana , Zakia Rahmadhani; Seniwati, Erni; Hartanti, Ninik Tri
Journal of Information System Management (JOISM) Vol. 6 No. 1 (2024): Juni
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2024v6i1.1676

Sistem Penunjang Keputusan berupa website merupakan salah satu teknologi yang dapat digunakan untuk membantu memberikan solusi yang sesuai dengan keinginan calon pembeli. Sistem Penunjang Keputusan memiliki banyak metode yang ditawarkan, namun pada penelitian ini metode yang akan digunakan yaitu Simple Additive Weighting (SAW). Metode ini sangat cocok digunakan untuk perhitungan bobot, karena calon pembeli cukup mengisikan beberapa kriteria yang tersedia seperti keinginannya pada form pengisian. Setiap pertanyaan kriteria hanya dapat diisi dengan satu pilihan jawaban. Metode SAW akan digunakan untuk mengolah data yang diisikan oleh calon pembeli dengan memperhitungkan bobot preferensi setiap kriteria yang telah ditentukan sebelumnya. Hasil normalisasi akan dihitung dengan mengalikan bobot kriteria yang sudah ditetapkan oleh sistem. Hasil dari pengujian sistem penunjang keputusan ini terdapat dua jenis yaitu pengujian fungsional pada sistem menunjukkan hasil yang valid antara skenario pengujian dengan hasil yang diharapkan dan evaluasi perhitungan menunjukkan bahwa hasil perbandingan antara perhitungan menggunakan sistem dengan perhitungan manual melalui spreadsheet menunjukkan bahwa hasil akhir perhitungan sama.

Metode Elbow K-Means dalam Implementasi Data Mining pada Pemetaan Penyebaran Guru SMK Hartanti, Ninik Tri; Seniwati, Erni; Pramitasari, Rina
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12715083

Kualitas dari sistem pendidikan akan selalu dievaluasi sehingga mutu pendidikan akan semakin baik. Salah satu langkah untuk mendukung mutu pendidikan adalah adanya faktor sarana prasarana yang memadai dan adanya peran guru dalam proses pembelajaran yang berkualitas. Pola penyebaran guru menjadi penting guna mendukung pemerataan dalam penempatan guru sesuai dengan kebutuhan untuk setiap daerah. Penelitian ini membahas tentang bagaimana pola penyebaran guru SMK di Magelang, berdasarkan jumlah sekolah, jumlah guru dan siswa SMK di Magelang. Metode data mining yang digunakan adalah K-means Clustering, dengan dikombinasikan dengan metode penentuan jumlah klaster yaitu metode Elbow. Melalui metode Elbow akan dihasilkan nilai Sum of Squared Error (SSE) yang berfungsi untuk menentukan jumlah klaster. Hasil penelitian adalah terdapat 3 klaster dalam penyebaran guru SMK di Magelang. Klaster terbanyak adalah klaster ke2 dengan 11 kecamatan yaitu kecamatan Grabag, Sawangan, Dukun, Tempuran, Srumbung, Candimulyo, Kajoran, Pakis, Ngluwar, Kaliangkrik, dan Ngablak. Kemudian klister ke3 dengan kategori cukup yang terdapat 8 kecamatan, yaitu Mertoyudan, Salaman, Mungkid, Secang, Borobudur, Bandongan, Tegalrejo dan Windusari. Sedangkan klaster terkecil adalah klaster ke1 dengan 2 kecamatan, yaitu kecamatan Muntilan dan Salam.

Penerapan Metode Simple Additive Weighting Untuk Menentukan Siswa Penerima Bantuan Dana SMK PL Leonardo Klaten Pangemanan, Robertus Aldrin; Seniwati, Erni
Intechno Journal : Information Technology Journal Vol. 5 No. 2 (2023): December
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2023v5i2.572

SMK PL Leonardo Klaten has a program that is held every month to provide relief fund to students. Decision making in the selection process is currently still done manually, thus requiring more time and allowing for inaccurate selection results due to a lack of thoroughness which can lead to wrong targeting. To solve this problem, a decision support system was designed using the Simple Additive Weighting (SAW) method so that the selection process would be more accurate, efficient and easier for the SMK PL Leonardo Klaten to determine which students are entitled to receive relief fund. The implementation of this decision support system has succeeded in displaying a ranking that can be used as consideration for determining students who receive relief fund at SMK PL Leonardo Klaten. The level of match between the results of manual calculations and the results of system calculations is the same and produces an accuracy of 100% which indicates that the calculation of the SAW method on the system is correct.

Citra Sitentik Untuk Klasifikasi Buah Menggunakan Algoritma SIFT Descriptor, Bag of Features dan Support Vector Machine Lukman, Achmad; Seniwati, Erni; Riswanto, Eko
Building of Informatics, Technology and Science (BITS) Vol 6 No 3 (2024): December 2024
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i3.6296

Recognizing specific objects assigned to a computer using artificial intelligence of course goes through a training and testing process using machine learning methods, the limited number of datasets makes it difficult for deep learning methods to carry out classification, so to overcome this, other methods are needed, including Scale Invariant Features Transform ( SIFT) which is a method of image processing to extract features from a limited amount of data and combined with a method in machine learning. To overcome the inability of deep learning to use limited datasets, this research uses a combination of SIFT and bag of features to extract features and support vector machine (SVM) to carry out classification. In this study, the aim is to observe the effect of synthetic images on the performance of the combination of SIFT descriptor, Bag of Features and Support Vector Machine algorithms in classifying real fruit images. The dataset involved is a synthetic image in the form of a 3D image that is made into a complete object, then taking random views to make an image that represents the object as training data. Furthermore, for testing data, real images taken from the dataset link in previous research will be used. The number of synthetic datasets that can be collected for each fruit is 150 images, so that the total is 450 images, while the real fruit images consist of 148 apple images, 152 banana images, and 166 orange images, so that the total real images are 466 images. The results of this research show that the highest accuracy was 65.45% with an F1-score reaching 58.45%.

PREDIKSI PRODUK DISKON UNTUK PENJUALAN KOKO SHOPE MENGGUNAKAN ALGORITMA APRIORI Imran, Muhammad Khamjah Bin; Seniwati, Erni
Intechno Journal : Information Technology Journal Vol. 2 No. 1 (2020): July
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2020v2i1.1541

Koko shope merupakan sebuah toko yang menjual barang-barang yang berhubungan dengan k-pop. Seiring berjalan nya waktu, data transaksi pada koko shope semakin menumpuk dan hal ini akan sia-sia apabila dibiarkan begitu saja. Algoritma Apriori adalah suatu algoritma yang digunakan untuk penentuan frequent itemsets pada aturan asosiasi Boolean. Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Analisis asosiasi atau association rule adalah tehnik pada data mining yang di gunakan untuk menemukan aturan suatu kombinasi item. Suatu aturan asosiasi dapat diketahui dengan dua parameter , yaitu support dan confidence. Support (nilai penunjang) adalah presentase kombinasi item tersebut dalam basis data, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar item dalam aturan asosiasi Keluaran dari algoritma ini merupakan sebuah aturan asosiasi yang terdiri dari beberapa kombinasi itemset, yang bisa digunakan untuk membantu dalam memperbaiki pengambilan keputusan dimasa yang akan datang. Salah satu manfaat dari pengambilan keputusan ini adalah sebagai bahan rekomendasi pembuatan sebuah bundel diskon barang berdasarkan aturan asosiasi yang terbentuk agar promo yang dibuat dapat tepat sasaran dan sesuai kebutuhan pasar.

Metode Item-Based Collaborative Filtering untuk Rekomendasi Produk Skincare Sari , Yulviani Puteri Puspita; Seniwati, Erni; Rahman, Bahtiar
Journal Automation Computer Information System Vol. 5 No. 1 (2025): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i1.113

Pemilihan produk skincare yang sesuai sering kali menjadi tantangan bagi konsumen karena banyaknya variasi produk dan perbedaan jenis kulit individu. Konsumen membutuhkan rekomendasi produk dengan memberikan kedekatan keseuaian item skincare yang dibutuhkan. Untuk mengatasi permasalahan tersebut, pada penelitian ini dibuat sistem rekomendasi untuk produk skincare dengan menggunakan metode Item-Based Collaborative Filtering(IBCF). Metode ini merekomendasikan produk dengan menganalisis kesamaan antar item berdasarkan riwayat interaksi pengguna, seperti ulasan, rating, atau pembelian. Dengan menghitung tingkat kemiripan antar produk menggunakan metrik cosine similarity, sistem dapat menyarankan produk skincare yang mirip dengan produk-produk yang sebelumnya disukai oleh pengguna lain dengan preferensi serupa. Dataset yang digunakan bersumber dari dataset publik yaitu kaggle. Data kategori produk yang dilibatkan pada penelitian ini yaitu Pembersih Wajah, Masker, Penutup, Sunscreen, dan Perawatan serta total data produk sebanyak 2.453. Berdasarkan pengujian yang dilakukan dengan memilih kategori produk "Masker", brand/merek yang dipilih "Asama", dan produk spesifik "Purifying Deep Cleansing Clay Mask" telah berhasil memberikan hasil rekomendasi teratas yaitu produk Mediheal - Teatree Care Solution Essential Mask EX dengan detail skor yang transparan: Rating score 81.2%, Review score 100%, menghasilkan Total Skor 90.6%. Hasil yang diperoleh menunjukkan bahwa sistem rekomendasi yang telah dibuat dapat memberikan hasil rekomendasi dengan persentase sangat baik yaitu mendekati 100%

Title

Found 14 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 14 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 14 Documents
Search