Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) MEANS (Media Informasi Analisa dan Sistem) Jurnal Informatika Polinema (JIP)
Susana, Heliyanti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

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

Found 7 Documents
Search

 1 
ANALISIS SEGMENTASI PUSKESMAS DI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOID BERDASARKAN INDIKATOR PENYEBAB STUNTING Komalasari, Cahyaningrum; Faqih, Ahmad; Dikananda, Fatihanursari; Sulaeman, Muhamad; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8189

Abstract

Stunting merupakan keadaan dimana seseorang mengalami kekurangan gizi. Namun, hingga saat ini, belum terdapat segmentasi Puskesmas terkait stunting berdasarkan indikatornya menggunakan data mining di Kabupaten Cirebon. Pada penelitin ini bertujuan untuk menganalisis segmentasi puskesmas terkait stunting dengan indikatornya guna memberikan rekomendasi pencegahan dan penyuluhan terkait stunting menggunakan Algoritma Partitioning Around Medoid (PAM). Data bersumber dari website opendata.jabarprov.go.id dan opendata.cirebonkab.go.id dan observasi langsung ke dinas Kesehatan kab. Cirebon. Variabel yang digunakan Jumlah Ibu Hamil yang mengalami KEK (Kekurangan Energi Kronik), Jumlah stunting, Jumlah Ahli Gizi dan Jumlah Puskesmas aktif yang ada di kabupaten Cirebon pada tahun 2022. Proses pengolahan data menggunakan metode KDD (Knowledge Discovery in Database). Implementasi k-medoids dilakukan dengan inisiasi nilai centroid secara acak dalam iterasi. Hasil menunjukkan medoid sementara sebesar 7122,045634, dan medoid awal 6348,966306, dengan selisih 773,0793279 hasil yang signifikan mengakibatkan penghentian iterasi pada tahap pertama. Evaluasi manual dengan rumus SSW (Sum of Square Within Cluster) dan SSB (Sum of Square Between) menghasilkan rasio cluster 0,8470604, mendekati 0, menunjukkan hasil yang baik dan Evaluasi cluster menggunakan Davies-Bouldin Index (DBI) menggunakan RapidMiner menghasilkan nilai 0,569. Cluster 1 (19 puskesmas) memiliki kasus stunting tertinggi, sedangkan Cluster 2 (41 puskesmas) memiliki kasus stunting rendah, memberikan dasar rekomendasi pencegahan serta penyuluhan yang lebih terarah.
PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DIAGNOSA TUMOR OTAK Azhar, Azhar; Siswoyo, Bambang; Pratama, Denni; Anam, Khaerul; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8242

Abstract

Penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) dalam klasifikasi tumor otak dari citra medis, membedakan empat kelas utama: Glioma, Meningioma, Pituitary, dan NonTumor. Masalah utama yang diatasi adalah kebutuhan akan diagnosis yang cepat dan akurat dalam penanganan kanker otak, yang seringkali terhambat oleh keterbatasan metode tradisional. Dengan mengumpulkan dataset yang komprehensif, dilakukan pemrosesan dan augmentasi data sebelum melatih model CNN, penelitian ini berhasil mencapai akurasi yang tinggi dalam mengklasifikasikan tumor otak. Hasilnya menunjukkan bahwa pendekatan ini memiliki potensi untuk meningkatkan diagnosis dan penanganan kanker otak dengan lebih efisien dan akurat, berkontribusi pada kemajuan dalam bidang medis dan teknologi.
PENERAPAN ALGORTIMA NAÏVE BAYES DALAM KLASIFIKASI HARGA PONSEL Saputra, Bayu; Anwar, Saeful; Tohidi, Edi; Susana, Heliyanti; Pratama, Denni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8281

Abstract

Di jaman sekarang digital saat ini bidang teknologi berkembang pesat terutama terkait dengan beragamnya fitur yang ada pada ponsel dan tingkat spesifikasi ponsel yang semakin dinamis. Fitur ponsel semakin terus maju berkembang seperti penyimpanan memori, resolusi layar amoled, kapasitas baterai yang tahan lama menjadi aspek penentu harga ponsel. Spesifikasi ponsel semakin meningkat banyak fitur canggih yang dimiliki ponsel, maka dalam harga pun meningkat. Harga yang merupakan proses nilai tukar sangat penting digunakan dalam peluang ekonomi dan bisnis. Harga menjadi acuan pertama dalam jual beli. Penelitian ini bertujuan untuk menentukan keakuratan hasil nilai dan kinerja model klasifikasi harga ponsel yang menggunakan algoritma naïve bayes. Klasifikasi merupakan proses cara menemukan sebuah atribut serupa dalam sekumpulan objek dalam data yang dapat mengklasifikasikannya ke setiap kelas berbeda pada model klasifikasi yang telah ditentukan. Salah satu algoritma teknologi klasifikasi yang mudah diimplementasikan dan memiliki kecepatan mekanisme yang cepat disebut metode algoritma Naive Bayes. Pemodelan statistik dapat menggunakan metode Naïve Bayes dalam proses klasifikasi data. Menghitung suatu nilai probabilitas, metode ini dapat melatih data uji berdasarkan peristiwa data yang telah terjadi. Penelitian ini akan memanfaatkan klasifikasi yaitu Naïve Bayes. Pada artikel kali ini telah melakukan penelitian dengan penerapan algoritma Naïve Bayes dalam mengklasifikasikan harga ponsel dapat memperoleh nilai akurasi 85.50%.
KOMPARASI ALGORITMA APRIORI DAN FP-GROWTH UNTUK MEMBERIKAN STRATEGI DISKON Lorentiana Wijayanti, Rima; Kurniawan, Rudi; Mulyawan, Mulyawan; Herdiana, Ruli; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8935

Abstract

PT Menara Intermode memiliki data yang besar terkait penjualan tas brand En-ji Collection secara offline. Data ini dapat memberikan informasi atau pola terkait penjualan. Penulis menemukan permasalahan dalam mengidentifikasi pola pembelian transaksi karena terbatasnya menganalisis data tersebut. PT Menara Intermode memerlukan strategi pemasaran yang tepat. Kebiasaan belanja pelanggan dapat dicari pola nya dengan menggunakan teknik data mining. Dengan menggunakan teknik data mining penulis mempunyai tujuan untuk memberikan strategi diskon kepada konsumen. Tahap pertama dimulai dengan pengumpulan data, data yang yang telah dikumpulkan sebanyak 2.343 data transaksi, kemudian dilakukan data selection yang dimana melakukan pemilihan atribut yang penting sehingga memiliki hasil. Setelah data selection, dilakukan preprocessing pada data yang dimana untuk mengecek kerangkapan data dan menggunakan data sesuai kebutuhan. Setelah data preprocessing, dilakukan data transformasi yaitu dilakukan penyesuaian format data dalam bentuk tabular untuk proses data mining. Pada tahap data mining diterapkan menggunakan algoritma Apriori dan FP-Growth melalui pengujian RapidMiner. Hasil dari penelitian ini Algoritma Apriori menghasilkan 2 rules sedangkan algoritma FP-Growth menghasilkan 19 rules dengan minimum support 0,1 atau 10% dan minimum confidence 0,4 atau 40% yang dapat digunakan untuk memberikan strategi diskon kepada konsumen.
IMPLEMENTASI ALGORITMA REGRESI LINIER DALAM MEMPREDIKSI KEUNTUNGAN CV. XYZ Auliya, Suci; Suarna, Nana; Ali, Irfan; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12593

Abstract

Latar belakang penelitian ini adalah pentingnya memahami pengaruh variabel Harga Pokok Penjualan (HPP) terhadap keuntungan perusahaan dalam melakukan analisis keuntungan. Penelitian ini bertujuan menganalisis dan memprediksi keuntungan penjualan pakan ternak di Perusahaan XYZ yang berdomisili di Kabupaten Cirebon. Penelitian ini menggunakan data penjualan bulanan selama tahun 2023 dan 2024, yang mencakup minggu ke, HPP, jumlah penjualan (Qty), total tagihan, total pembayaran, dan margin keuntungan. Data ini diolah melalui teknik preprocessing untuk memastikan kualitasnya sebelum dianalisis menggunakan algoritma regresi linier. Model ini digunakan untuk mempelajari hubungan antara variabel-variabel tersebut dan memprediksi margin keuntungan secara akurat. Hasil penelitian menunjukkan bahwa HPP memiliki koefisien sebesar 0,143, yang berarti setiap kenaikan HPP akan meningkatkan margin keuntungan sebesar 0,143 dengan asumsi variabel lain tetap. Prediksi margin menggunakan model ini juga menunjukkan akurasi tinggi, dengan nilai Root Mean Squared Error (RMSE) sebesar 2%. Temuan ini menunjukkan bahwa algoritma regresi linier adalah alat yang efektif untuk memprediksi keuntungan dan dapat diterapkan pada perusahaan dengan skala data serupa untuk mendukung perencanaan bisnis yang lebih baik
Implementasi Data Mining Metode C.45 untuk Memprediksi Peminat Kuota Internet pada Masa Covid 19 Susana, Heliyanti; Khofidoh, Shanti; Afghani, Azhar Al
MEANS (Media Informasi Analisa dan Sistem) Volume 6 Nomor 2
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (703.023 KB) | DOI: 10.54367/means.v6i2.1513

Abstract

During the Covid 19 pandemic, Telering experienced an increase in sales and there were several internet SIM cards that consumers were less interested in. Various kinds of internet cards are sold and offered to attract consumers' attention, but it cannot be predicted which internet cards the consumers will be interested in. The C4.5 algorithm is a data classification algorithm with a decision tree technique that has advantages. These advantages, for example, can process numeric (continuous) and discrete data, can handle missing attribute values, produce easy rules. The results of the study explain that all providers including Telkomsel, Indosat, and axis are in demand by consumers. In analyzing using the C.45 algorithm with the Rapidminer Tools, the first is that the decision tree results in determining consumer interest are seen from the price, while the accuracy using the C.45 algorithm or decision tree produces an accuracy of 94.67%.
Implementasi Algoritma CNN dalam Sistem Absensi Berbasis Pengenalan Wajah Aldiani, Dea; Dwilestari, Gifthera; Susana, Heliyanti; Hamonangan, Ryan; Pratama, Denni
Jurnal Informatika Polinema Vol. 10 No. 2 (2024): Vol 10 No 2 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i2.4852

Abstract

Pengembangan teknologi pengenalan wajah telah menjadi peluang untuk meningkatkan efisiensi sistem absensi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam sistem absensi berbasis pengenalan wajah. Keunggulan CNN dalam mengekstraksi fitur kompleks dari gambar menjadikannya pilihan yang potensial untuk meningkatkan akurasi pengenalan wajah dalam pengelolaan absensi. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari 20 kelas yang masing-masing memiliki 500 data wajah. Penerapan model CNN dimulai dengan perancangan arsitektur CNN sederhana dengan menambahkan lapisan konvolusi, pooling dan fully connected. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91%. Setelah memperoleh model CNN untuk pengenalan wajah, model CNN diimplementasikan dalam sistem absensi. Berdasarkan hasil implementasi algoritma CNN terhadap sistem absensi diperoleh proses absensi yang akurat dan efisien sehingga dapat mengatasi kecurangan dan manipulasi data serta meningkatkan efisiensi dalam manajemen kehadiran di berbagai lingkungan.
Co-Authors Afghani, Azhar Al Ahmad Faqih Aldiani, Dea Auliya, Suci Azhar Azhar Bambang Siswoyo Bayu Saputra Dikananda, Fatihanursari Gifthera Dwilestari Hamonangan, Ryan Herdiana, Ruli Hery Widijanto Irfan Ali, Irfan Khofidoh, Shanti Komalasari, Cahyaningrum Lorentiana Wijayanti, Rima Mulyawan, Mulyawan Pratama, Denni Rudi Kurniawan Saeful Anwar, Saeful Suarna, Nana Sulaeman, Muhamad Tohidi, Edi