Article Per Year (5 Year)
p-Index From 2020 - 2025
8.471
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Teknologi dan Manajemen Informatika Jurnal Informatika SITEKIN: Jurnal Sains, Teknologi dan Industri Scientific Journal of Informatics CESS (Journal of Computer Engineering, System and Science) INFORMAL: Informatics Journal Jurnal Sains dan Informatika IJISCS (International Journal Of Information System and Computer Science) Jurnal Teknologi Informasi dan Terapan (J-TIT) Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) JIKA (Jurnal Informatika) Suluah Bendang: Jurnal Ilmiah Pengabdian Kepada Masyarakat SKANIKA: Sistem Komputer dan Teknik Informatika Brilliance: Research of Artificial Intelligence Ilmu Komputer untuk Masyarakat Digital Transformation Technology (Digitech) Teknomatika: Jurnal Informatika dan Komputer
Karina Auliasari
Instititut Teknologi Nasional Malang
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 74 Documents
Search

 1   2   3   4   5 
Analisis Keterkaitan Penyakit Pasien pada Puskesmas Menggunakan Metode Association Rule karina auliasari; Yuli Susanti
INFORMAL: Informatics Journal Vol 1 No 2 (2016): INFORMAL : Informatics Journal
Publisher : Faculty of Computer Science, University of Jember

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

Abstract

The need for vigilance against the disease is an effort to reduce morbidity and prevalence of complications in diseases. Medical records of hospitalized patients in the many and varied Puskesmas can then be processed to analyze the pattern of disease that often affects people in the area around Puskesmas. Implementation of association rule method is expected to generate linkages between the rule of item combinations of diseaseThe data used in this research is an inpatient medical records of patients Brang Rea Puskesmas from January to June 2015. The system was developed using the programming language Visual Basic and Microsoft SQL Server 2008 as the database. Tests on the analysis modules generate output system of rules "if" "then" or "if" "it", rule or rule illness taken from the rules that exceed the value or the minimum support and minimum confidence. From the results of system testing conducted seen that the rules that can be used by the health center for analysis Brang Rea inpatients disease is a rule that has a value of minimum support and minimum confidence-value equals or exceeds the value specified by the administrator.
Penerapan Metode Peramalan untuk Identifikasi Permintaan Konsumen Karina Auliasari; Mariza Kertaningtyas; Mawan Kriswantono
INFORMAL: Informatics Journal Vol 4 No 3 (2019): INFORMAL - Informatics Journal
Publisher : Faculty of Computer Science, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/isj.v4i3.14615

Abstract

The forecast model is done using data from several years before, with the involvement of time parameters in the forecast process is usable for the company to made an effective and efficient planning. Forecasting has an important role because the company requires short-term, medium-term and long-term estimates for each management. For short-term estimates, a company requires personnel, production and transportation scheduling, which is part of the process of scheduling and estimating consumer demand. In this study the results of three forecasting methods were compared, there is simple average, naïve and seasonal naive on demand data of PT SUPER SUKSES NIAGA to be further these three method measured its forecast accuracy using the value of MASE (Mean Absolute Square Error). From the results of data pre-processing consumers whose high value of demand are PT. DIESELINDO, PT. DUTA, PT. HEXINDO and PT. PANATAMA. The results of forecasting shown that the method that has the smallest MASE value is the simple moving average method.
STUDI KOMPARASI KLASIFIKASI POLA TEKSTUR CITRA DIGITAL MENGGUNAKAN METODE K-MEANS DAN NAÏVE BAYES Karina Auliasari; Mariza Kertaningtyas
Jurnal Informatika Vol 18, No 2 (2018): Jurnal Informatika
Publisher : IIB Darmajaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30873/ji.v18i2.1220

Abstract

Dalam penelitian ini dilakukan pengujian performa menggunakan metode k-means dan naïve bayes dalam mengelompokkan dan mengklasifikasikan dua jenis set data citra dengan pola tekstur yang berbeda. Set data yang diuji merupakan set data citra pola batik dan set data pola brodatz,  fitur ciri pola citra yang digunakan pada penelitian ini adalah fitur contrast dan energy yang didapatkan menggunakan metode gray level co-occurance matrix (GLCM). Hasil pengujian menggunakan  parameter akurasi prediksi memperlihatkan bahwa set data citra pola brodatz mempunyai akurasi prediksi yang lebih baik dibandingkan set data citra pola batik yaitu dengan selisih nilai sebesar 1.52 %. Untuk parameter waktu dalam menghasilkan nilai fitur contrast dan energy set data citra pola batik lebih cepat mengenerate jika dibandingkan dengan set data citra pola brodatz dengan selisih waktu 27.8 milidetik. Hasil serupa juga terjadi pada pengujian berdasarkan parameter waktu prediksi, dimana waktu prediksi set data citra pola batik lebih cepat dibandingkan dengan set data citra pola brodatz dengan selisih waktu 30.6 milidetik. Dari pengujian menggunakan parameter waktu maka dapat disimpulkan bahwa set data citra pola brodatz memerlukan waktu lebih lama dikarenakan pola teksturnya yang tidak seragam yaitu dalam satu citra terdapat pola halus dan kasar dikarenakan citra merupakan citra dengan tekstur alami, berbeda dengan citra pola batik yang memiliki keseragaman pengulangan pola sehingga tekstur lebih teratur.
FEATURE EXTRACTION AND K-MEANS CLUSTERING APPROACH TO CLASSIFY THE COVID-19 LUNG CT-SCAN IMAGE Karina Auliasari
IJISCS (International Journal of Information System and Computer Science) Vol 5, No 3 (2021): IJISCS (International Journal of Information System and Computer Science)
Publisher : STMIK Pringsewu Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/ijiscs.v5i3.1109

Abstract

Feature extraction is the most important step in the classification process. Feature extraction is a method to obtain some statistical features about the image. The level of accuracy in the classification depends on the feature extraction. For detecting COVID-19, there are many features that can be used to classify them, including morphological feature extraction, first-order and second-order textures (GLCM). In this research, some features are used such as eccentricity, metric, mean, variance, skewness, contrast, correlation, energy, and homogeneity, which are then classified by the K-Means Method. The morphological feature data for cluster 1 is 98 data points and cluster 2 is 32 data points. The first-order texture feature data for cluster 1 is 88 data points, and cluster 2 is 42 data points. The last one uses GLCM data for cluster 1, and there are 75 data points, while cluster 2 has 55. From the calculation of accuracy, sensitivity, specificity, precision, and recall, the highest value is 50% for first-order texture extraction data, while the morphological feature extraction and GLCM data are 49.23% and 47.69%.
Analisis Cluster Atribut Audio pada Lagu Terpopuler Aplikasi TikTok Karina Auliasari; Mariza Kertaningtyas
Jurnal Sains dan Informatika Vol. 8 No. 2 (2022): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v8i2.497

Abstract

Layanan streaming musik seperti TikTok telah merubah cara konsumen mendengarkan musik. Memahami apa atribut yang membuat lagu tertentu menjadi populer dapat memberikan informasi tertentu untuk menciptakan pengalaman pelanggan yang lebih baik serta lebih banyak lagi upaya pemasaran yang efektif bagi pengembang aplikasi TikTok. Pada penelitian ini dilakukan cluster analisis pada dataset yang berjumlah 6746 track yang paling populer pada aplikasi TikTok dari tahun 2004 hingga tahun 2021. Pada penelitian ini dilakukan empat proses dalam metode penelitian yaitu pengumpulan data, pra-pemrosesan data, penerapan algoritma K-Means dan analisis hasil klasterisasi. Dataset dari proses pengumpulan data memiliki sebelas atribut yaitu danceability, key, energy, loudness, speechiness, acousticness, instrumentalness, liveness, valence, tempo, dan duration. Dari hasil cluster menunjukkan menunjukkan ada dua kelompok data dimana data yang dikelompokkan merupakan data lagu atau musik dengan nilai popularitas lebih dari 50. Klaster pertama berisi 1846 data sedangkan pada klaster kedua ada 2876 data. Dari hasil klaster dapat diketahui bahwa terdapat beberapa atribut yang membuat lagu atau track musik pada aplikasi TikTok menjadi trending yaitu diantaranya atribut instrumentalness dengan nilai yang tinggi, durasi pemutaran yang lama, danceability, loudness, speechiness, valence dan tempo yang juga memiliki nilai yang tinggi.
PENENTUAN KELOMPOK KELUARGA SEJAHTERA MENGGUNAKAN METODE VARIABLE CENTERED INTELLIGENT RULE SYSTEM Aris Dwi Darmawan; Karina Auliasari
Jurnal Teknomatika Vol 8 No 2 (2016): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Keluarga merupakan unit terkecil dari masyarakat yang terdiri atas kepala keluarga dan beberapa orang yang tinggal di satu atap. Dalam keluarga terdapat kondisi saling ketergantungan dan membutuhkan satu sama lain. Dalam penelitian ini dikembangkan sistem penentuan kelompok keluarga sejahtera menggunakan metode Variable Centered Intelligent Rule System (VCIRS) dengan dasar data keluarga yang bersumber dari BKKBN Kota Mojokerto. Wujud aturan dari sistem adalah pernyataan kesimpulan bahwa suatu keluarga terklasifikasi pada kelompok keluarga sejahtera tertentu sesuai fakta yang dimilikinya. Aturan tersebut kemudian dianalisa nilai Variabel Usage Rate(VUR), Rule Usage Rate(RUR), dan Node Usage Rate(NUR) yang menunjukan nilai aturan yang akan semakin meningkat bergantung pada indikator yang di pilih. Dari hasil pengujian efektifitas penggunaan waktu pada proses penentuan menunjukkan bahwa sistem bekerja tiga kali lebih cepat dibandingkan dengan proses yang dilakukan oleh BKKBN Kota Mojokerto.
EKSTRAKSI CIRI TEKSTUR CITRA WAJAH PENGGUNA NARKOTIKA MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX Karina Auliasari; Bastian; Bella Fardani
Jurnal Teknomatika Vol 10 No 1 (2017): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Pada umumnya ciri-ciri fisik pengguna narkoba beragam, namun karakteristik pada wajah yang paling terlihat jelas pada pengguna narkotika. Pada dasarnya wajah orang yang sehat atau tidak menggunakan narkoba tampak lebih segar dan tidak turun atau sayu, sedangkan orang yang menggunakan narkoba tampak lebih turun atau sayu, dan pada bagian kantung mata terlihat menggembung dan hitam. Selain itu pada wajah pengguna narkoba terdapat bintik hitam seperti bekas luka. Sedangkan pada mata tepatnya pada pupil akan rentan terhadap cahaya, dan perbesaran pupil tidak sama dengan orang yang tidak menggunakan narkoba. Dalam penelitian ini mengembangkan metode terbaru untuk menganalisis ciri fisik pengguna narkotika melalui data citra wajah pengguna narkotika. Hasil dari analisis diharapkan dapat menjadi alat identifikasi tambahan yang memperkuat seseorang terindikasi menggunakan narkotika. Metode yang digunakan dalam menganalisis citra wajah pengguna narkoba dalam penelitian ini adalah metode Gray Level Co-occurence Matrices (GLCM).
Penerapan Metode Design Thinking pada Pengembangan Aplikasi Pencarian Kerja GETJOB Iva Roudhotul Rohmah; Aprillia Dwi Dyah Saputri; Hafiidh Yupiza Ramadhani; Zain Aryanta; Karina Auliasari
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.3280

Abstract

Pencarian pekerjaan di Indonesia telah bergeser dari media konvensional seperti koran dan selebaran ke platform online. Namun, penelitian sebelumnya menunjukkan kekurangan signifikan pada aplikasi pencarian kerja yang ada di Indonesia. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi pencarian kerja baru dengan fitur save job, relation, dan create job/post. Fitur save job memungkinkan pengguna menyimpan pekerjaan menarik dan mengembangkan jaringan pekerjaan. Fitur relation membantu menciptakan hubungan yang lebih baik antara perusahaan dan pencari kerja. Sedangkan fitur create job/post memungkinkan perusahaan membuat postingan pekerjaan yang dapat dibagikan ke platform lainnya. Sebanyak 59 responden mengisi kuisioner dengan metode System Usability Scale (SUS) untuk menguji kelayakan prototipe aplikasi GetJob. Hasil menunjukkan nilai rata-rata sebesar 75,4 yang termasuk dalam kategori nilai B dengan percentile range ke-60. Pengembangan dan evaluasi lebih lanjut perlu dilakukan untuk meningkatkan pengalaman pengguna, memperbaiki kelemahan, serta menambah fitur-fitur baru pada aplikasi GetJob. Dengan pengembangan yang tepat, aplikasi GetJob diharapkan dapat membantu pencari kerja di Indonesia untuk lebih mudah menemukan pekerjaan yang sesuai dengan kualifikasi dan keinginan mereka.
Peningkatan Branding Awarness Studio Dhyana Yoga melalui Pengembangan Website dan Konten Instagram Karina Auliasari; Mariza Kertaningtyas; Diah Wilis Lestarining Basuki; Muhammad Rafi Faddilani
Ilmu Komputer untuk Masyarakat Vol 4, No 2 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkomas.v4i2.1979

Abstract

Program pengabdian masyarakat ini mengembangkan website dan konten Instagram untuk studio yoga Dhyana dengan fokus pada peningkatan keterlibatan anggota studio, instruktur yoga dan akses informasi. Melalui penerapan strategi pengembangan konten yang kreatif dan berorientasi pada pengguna, program ini berhasil meningkatkan kualitas layanan dan pengalaman anggota studio yoga. Website yang dioptimalkan menyediakan informasi yang mudah diakses tentang jadwal kelas, instruktur, meningkatkan efisiensi dan kenyamanan bagi anggota. Konten Instagram yang aktif dan bermanfaat, seperti video latihan singkat dan tantangan mingguan, telah memberikan dampak positif pada keterlibatan anggota studio, memotivasi mereka untuk terlibat dalam praktik yoga secara konsisten. Evaluasi program menunjukkan peningkatan kesadaran merek studio yoga Dhyana dan peningkatan dalam interaksi antara anggota dan instruktur melalui platform media sosial. Meskipun berhasil, program ini mengidentifikasi beberapa tantangan, seperti keberlanjutan konten dan integrasi yang lebih baik dengan instruktur. Rekomendasi untuk pengembangan selanjutnya mencakup pemeliharaan kontinuitas program konten instagram, peningkatan kolaborasi dengan instruktur, dan survei berkala terhadap anggota untuk memahami kebutuhan mereka. Hasil positif dari program ini menunjukkan potensi peran yang signifikan dari pengembangan website dan konten Instagram dalam mendukung pertumbuhan dan keberlanjutan studio yoga Dhyana serta meningkatkan kualitas hidup anggota melalui praktik olahraga yoga.
Leveraging VGG16 for Fish Classification in a Large-Scale Dataset Karina Auliasari; Mohamed Wasef; Mariza Kertaningtyas
Brilliance: Research of Artificial Intelligence Vol. 3 No. 2 (2023): Brilliance: Research of Artificial Intelligence, Article Research November 2023
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v3i2.3270

Abstract

When the VGG16 model was applied to fish picture classification, the overall accuracy was a remarkable 99%, demonstrating strong performance over most of the dataset. Still, a thorough assessment of the model's efficacy necessitates a look beyond its general accuracy. A more detailed evaluation is possible thanks to class-specific metrics like precision, recall, and F1-score, which provide information on how well the model performs on particular classes. Although the high overall accuracy is encouraging, more research into these metrics and the possibility of class imbalances should be taken into account to guarantee consistent performance in the fish image classification challenge across all categories. A more comprehensive assessment of the model's effectiveness benefits from a contextual knowledge of the application domain and a careful examination of evaluation measures.
Co-Authors Abdul Mufid Achmad Abdillah, Nur Aditya Prasetyo, Rizki Adyatma Nandana Partha, Putra Afani, Ghana Widya Agung Panji Sasmito Agustine, Thesalonika Nameta AHMAD FAISOL Aji Wicaksono, Bayu Al Biruni, Muhammad Ali Mahmudi Amarta Sholehuddin, Mohamma Dandy Amelia, Diyona Angga Firmansyah, Puja Anggara, Aditya Aprilian Anarki, Galang Aprillia Dwi Dyah Saputri Aria Alfaizi, Hafiz Ariq Ihsan, Muhammad Aris Dwi Darmawan Ariwibisono, FX. As-Siddiqi, M. Halim Bastian Bastomi, Dwi Bella Fardani Daniel, Lazro Eko Putra Deddy Rudhistiar Destama Karni Saputra, Davantio Dewi Sibagariang Diah Wilis Lestarining Basuki Dimas Surya Prasetyo Eka Wijaya, Daniel Eksi Adi Irawan, Alfonsus Fahrudi Setiawan, Ahmad Febriana Santi Wahyuni Finanda, Wibis Fisabilillah, Difa Ghani Muttaqin, Abdul Hafiidh Yupiza Ramadhani Hamdani, Ahmad Hani Zulfia Zahro Hansen Sawa, Karolus Hasan Syu'aibi, Muhammad Hidayatur Rohman, M.Afif IBRAHIM, NAJAD Irvandani, Aditya Iva Roudhotul Rohmah Kalimatullah, Moh. Teguh Laksana, Bintang Nur Lestarining Basuki, Diah Willis Luthfi Andhikaputra, Muhammad Mahmudin, Ali Mariza Kertaningtyas martha kusuma, edwin Maulana Muhammad, Maulana Mawan Kriswantono Mira Orisa Mohamed Wasef Mohamed Wasef Muhammad Rafi Faddilani Mutiara, Siti Pitriya Rizki, Ani Pratama, Ricky Adytya Primaswara P, Renaldi Putri Oktaviani, Anindhita Raflie, Andi Muh Haekal Rahmat Dian Nugraha, Adhitya Renaldi Primaswara Prasetya Renaldi, Bima Rizki, Muhammad Fitra Rizky Prayudhi, Bimo Robby, Mohammad Rofila El Maghfiroh Sena Yudha, Rizky Sentot Achmadi Sholawati, Mutiara Siti Hadijah Solly Aryza Suandi Suandi Sukmadiningtyas Sundari Sundari Suryo Adi Wibowo Uni Umamatun Nysa, Junia Willis, Diah Xaverius Ariwibisono, Franciscus Yosep Agus Pranoto Zain Aryanta Zulfan Najib, Ahmad Zulfia Zahro’, Hani