Claim Missing Document
Check
Articles

PENGEMBANGAN SISTEM INFORMASI RESTORAN BERBASIS ANDROID DAN DESKTOP PADA RESTORAN SUSHI ZEN RAMEN Fahmi Permadi Achmad; Toni Arifin
Jurnal RESPONSIF: Riset Sains & Informatika Vol 3 No 1 (2021): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v3i1.277

Abstract

Ditengah kesibukan restoran yang dibanjiri pengunjung, restoran yang baik adalah restoran yang mampu meningkatkan dan mempertahankan kualitasnya, baik itu dari kualitas rasa makanan, kenyamanan, pelayanan, keamanan, dan pengelolaan. Pengembangan Aplikasi Sistem Informasi adalah salah satu solusi yang mampu mengatasi permasalahan yang ada di restoran. Tujuan dari penelitian ini adalah untuk memudahkan pihak restoran dalam pengoperasian aplikasi dengan dibuatkannya dua aplikasi dengan platform yang berbeda yaitu aplikasi desktop dan mobile yang sesuai dengan kebutuhan user, dan menambahkan beberapa fitur pada aplikasi agar dapat menunjang operasional restoran, penelitian ini dilakukan pada Restoran Sushi Zen Ramen yang berlokasi di daerah Bandung, Jawa Barat. Metodologi digunakan dalam merancang sistem informasi adalah metode Waterfall. Pengumpulan data yang dilakukan berdasarkan tinjauan studi. Pada penelitian ini penulis berhasil membangun dua aplikasi yang saling terhubung, aplikasi desktop yang dibangun menggunakan RAD Studio 10.3 dengan bahasa pemograman Delphi, dan aplikasi android yang dibangun menggunakan Android Studio 3.5.3, dengan bantuan API yang dibuat menggunakan framework SLIM, dan database menggunakan SQLite dan MySql. Aplikasi ini terdiri dari menu master, setting, transaksi, dan laporan serta dilengkapi dengan berbagai macam fitur. Dengan adanya pengembangan sistem ini, pemilik restoran dan manager dapat mengawasi dan mengatasi permasalahan yang dihadapi dalam meningkatkan kualitas restoran.
PENERAPAN ALGORITMA K-MEANS UNTUK ANALISIS DATA ULASAN DI SITUS TRIPADVISOR Maya Nurjanah; Toni Arifin
Jurnal RESPONSIF: Riset Sains & Informatika Vol 3 No 1 (2021): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v3i1.395

Abstract

Ulasan atau review merupakan suatu pendapat langsung dari seseorang. Review yaitu beberapa dari salah satu faktor yang menentukan keputusan seseorang, dengan menunjukkan bahwa orang dapat mengambil jumlah review sebagai indikator popularitas tempat atau nilai dari suatu tempat dengan mempengaruhi kemauan untuk mendatangi suatu tempat pariwisata. Penelitian ini membahas tentang Penerapan metode K-Means untuk review data travel . Dataset ini diambil langsung melalui halaman situs web UCI Machine Learning Repository dengan nama Review Travel dengan jumlah data sebanyak 980 record, terdri dari 10 variabel atau atribut yaitu galeri seni, klub dansa, bilah jus, restoran, museum, resort, taman atau tempat piknik, pantai, bioskop dan lembaga keagamaan. Proses cluster dibagi kedalam 2 (dua) cluster yaitu cluster rating tertinggi (C0) dan cluster rating terendah (C1). Sehingga diperoleh hasil pengelompokkan data ulasan atau review rating wisatawan cluster tertinggi berada pada C0 terdiri dari 3 objek wisata unggulan dengan rating tertinggi pada C0 yaitu Galeri seni dengan rating = 7,118, Museum = 5,396 dan Klub dansa = 4,783. Sedangkan cluster terendah berada pada C1 terdiri dari 3 objek wisata unggulan dengan rating tertinggi yaitu Restoran dengan rating = 10,394, Klub dansa = 3,361, Galeri seni = 3,233.
OPTIMASI NAÏVE BAYES MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK TINGKAT KEBERHASILAN CRYOTHERAPY PADA PENYAKIT KUTIL Rahayu Febryani; Toni Arifin
Jurnal RESPONSIF: Riset Sains & Informatika Vol 3 No 2 (2021): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v3i2.431

Abstract

Penyakit kutil merupakan salah satu penyebab masalah kesehatan kulit yang ditandai dengan timbulnya benjolan kecil pada kulit, penyakit ini disebabkan oleh virus Human Papiloma Virus. Ada berbagai cara dalam penyembuhan penyakit kutil, salah satunya dengan melakukan cryotherapy. Metode cryotherapy adalah teknik pengobatan terapi dengan berendam didalam es atau air yang dingin selama kurang lebih 30 menit, dalam suhu -18 derajat celcius sampai 24 derajat celcius, sehingga sel-sel kanker dalam tubuh pasien membeku dan terbukti dapat memperpanjang umur pasien bahkan ada kemungkinan sembuh. Untuk mengurangi kesalahan deteksi penyakit ini serta menghindari keterlambatan dalam mendiagnosis dengan memanfaatkan teknik data mining. Salah satu metode data mining yang bisa digunakan adalah klasifikasi algoritma Naïve Bayes serrta untuk meningkatkan akurasi menggunakan pembobotan optimasi Particle Swarm Optimization. Pada penelitian ini, algoritma Naïve Bayes berbasis Particle Swarm Optimization meningkatkan nilai akurasi sebesar 97.22% dan nilai AUC sebesar 0.991 yang termasuk kategori Excellent Classification.
APLIKASI MONITORING BAGIAN SALES PROMOTION PADA PT. MULTI GARMEN JAYA BERBASIS ANDROID Ridwan Ridwan; Toni Arifin
Jurnal RESPONSIF: Riset Sains & Informatika Vol 3 No 2 (2021): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v3i2.438

Abstract

Multi Garmen Jaya merupakan salah satu perusahaan yang bergerak dalam bidang manufaktur garmen. Dalam proses pemasarannya perusahaan ini membuat counter pada salah satu department store yang telah bekerja sama secara retailing. Proses pembuatan laporan penjualan juga pengecekan barang pada setiap counter produk masih bersifat konvensional. Sales akan menghitung hasil penjualan kemudian mengirimkan laporannya melalui pesan whatsapp. Proses tersebut membuat pihak SPV perlu memeriksa serta memberikan himbauan kepada karyawannya untuk segera memberikan laporan pada akhir shift. Pada penelitian ini, penulis melakukan perancangan aplikasi monitoring yang dapat menghitung secara otomatis data yang telah diinputkan, menyimpan histori laporan, dan mengecek ketersediaan barang juga dapat memberikan reminder dan push notification ketika karyawan belum juga mengirimkan laporan pada SPV. Aplikasi ini dirancang dengan menggunakan metode SDLC model waterfall dan firebase sebagai penyimpanan data. Berdasarkan hasil pengujian, aplikasi monitoring karyawan bagian Sales Promotion pada PT. Multi Garmen Jaya berbasis android dapat membantu SPV dalam melakukan monitoring karyawan dan mempermudah Sales Promotion dalam pembuatan laporan penjualan harian juga mengecek ketersediaan barang di counter.
APLIKASI MONITORING BAGIAN SALES PROMOTION PADA PT. MULTI GARMEN JAYA BERBASIS ANDROID Ridwan Ridwan; Toni Arifin
Jurnal RESPONSIF: Riset Sains & Informatika Vol 3 No 2 (2021): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v3i2.438

Abstract

Multi Garmen Jaya merupakan salah satu perusahaan yang bergerak dalam bidang manufaktur garmen. Dalam proses pemasarannya perusahaan ini membuat counter pada salah satu department store yang telah bekerja sama secara retailing. Proses pembuatan laporan penjualan juga pengecekan barang pada setiap counter produk masih bersifat konvensional. Sales akan menghitung hasil penjualan kemudian mengirimkan laporannya melalui pesan whatsapp. Proses tersebut membuat pihak SPV perlu memeriksa serta memberikan himbauan kepada karyawannya untuk segera memberikan laporan pada akhir shift. Pada penelitian ini, penulis melakukan perancangan aplikasi monitoring yang dapat menghitung secara otomatis data yang telah diinputkan, menyimpan histori laporan, dan mengecek ketersediaan barang juga dapat memberikan reminder dan push notification ketika karyawan belum juga mengirimkan laporan pada SPV. Aplikasi ini dirancang dengan menggunakan metode SDLC model waterfall dan firebase sebagai penyimpanan data. Berdasarkan hasil pengujian, aplikasi monitoring karyawan bagian Sales Promotion pada PT. Multi Garmen Jaya berbasis android dapat membantu SPV dalam melakukan monitoring karyawan dan mempermudah Sales Promotion dalam pembuatan laporan penjualan harian juga mengecek ketersediaan barang di counter.
Implementasi Algoritma Naïve Bayes Berbasis Particle Swarm Optimization Untuk Memprediksi Penyakit Hepatitis Hilda Farida Husniah; Toni Arifin
Jurnal Ilmu Komputer Vol 14 No 1 (2021): Jurnal Ilmu Komputer
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JIK.2021.v14.i01.p05

Abstract

Hepatitis disease is an inflammatory disease of the liver cells, caused by infections (viruses, bacteria, parasites), medicines (including traditional medicines), consuming alcohol, excessive fats and autoimmune diseases. The cause of hepatitis is often caused by Hepatitis B and C Virus. The Hepatitis prevalence in Indonesia in 2013 amounted to 1.2% increased twice compared to the year 2007 Riskesdas of 0.6%. East Nusa Tenggara is the province with the highest prevalence of Hepatitis in 2013 of 4.3%. Researchers are trying to make a breakthrough by making research for the prediction classification of Hepatitis patients with data mining technique. Naïve Bayes is a method used to predict the probability of the future based on past experience and proved to have a high level of accuracy and high speed of calculation. Particle Swarm Optimization is used to improve the accuracy of the method. The research aims to determine if the Naïve Bayes-based Particle Swarm Optimization method can improve the accuracy of the good. The results of using Naïve Bayes-based Particle Swarm Optimization has a confusion matrix accuracy of 91.90% and an AUC of 0946 proved that has good results than Naïve Bayes has a confusion matrix accuracy of 88.52% and AUC 0896.
Optimasi Metode Klasifikasi Dengan Menggunakan Particle Swarm Optimization Untuk Identifikasi Penyakit Diabetes Retinopathy Toni Arifin; Asti Herliana
Khazanah Informatika Vol. 4 No. 2 Desember 2018
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v4i2.6825

Abstract

Penyakit diabetic retinopathy, merupakan salah satu jenis penyakit yang bermula dari diabetes mellitus. Hingga dewasa ini, penyakit diabetic retinopathy masih sulit untuk dikenali pada tahap awal. Hal ini dimungkinkan karena sifat dari penyakit ini yang menyerang bagian dalam sistem saraf mata terlebih dulu. Hingga saat ini, para ahli masih mengandalkan pemeriksaan dengan menggunakan serangkain tes pada mata serta memeriksa rekam medis dari pasien. Metode yang digunakan hingga saat ini, selain tentunya memerlukan proses yang panjang juga menghabiskan biaya yang tidak murah. Hal ini dapat menyulitkan penderita dengan kondisi ekonomi lemah. Penelitian yang dilakukan kali ini, bermaksud untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Setelah didapatkan metode klasifikasi terbaik, maka dikemudian hari penelitian ini dapat dikembangkan menjadi sebuah perangkat lunak pendeteksi diabetic retinopathy. Dari penelitian yang dilakukan dapat disimpulkan bahwa metode Neural Network (NN) merupakan metode terbaik dalam menghasilkan akurasi yang tinggi bila dikombinasikan dengan metode pemilihan fitur PSO.
Optimasi decision tree menggunakan particle swarm optimization untuk identifikasi penyakit mata berdasarkan analisis tekstur Toni Arifin; Asti Herliana
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 1, Year 2020 (January 2020)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.208 KB) | DOI: 10.14710/jtsiskom.8.1.2020.59-63

Abstract

The problem of visual impairment is a serious problem with increasing cases, ranging from visual impairment to the cause of blindness. This study examines the development of an identification application for the classification of patients with eye disorders using the Decision Tree (DT) method, which is optimized using Particle Swarm Optimization (PSO). This study used 311 eye image data, consisting of 233 normal eye images and 78 eye images with glaucoma, cataracts, and uveitis. The feature extraction used Gray Level Co-occurrence Matrix (GLCM), while the feature optimization used the PSO and the learning method used DT. This optimized visual impairment classification application can improve system accuracy to 88.09 %.
Optimasi Decision Tree menggunakan Particle Swarm Optimization untuk klasifikasi sel Pap Smear Toni Arifin
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 7 No 3 (2020): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v7i3.361

Abstract

This research presents the classification of Pap Smear cells. The data used is the Herlev dataset which amounts to 917. This research aims to determine whether the use of particle swarm optimization algorithm can improve the performance of the Decision tree algorithm in classifying Pap Smear Cell data. The stages of this research are preprocessing, feature optimization, knowledge rules, evaluation and performance report. The results of this research are the Decision Tree algorithm produces an accuracy of 91.39% with AUC 0.858, While the application of particle swarm optimization algorithm in Decision tree resulted in better accuracy of 96.76% with AUC 0.926.
KLASIFIKASI SEL TUNGGAL PAP SMEAR BERDASARKAN ANALISIS FITUR BERBASIS NAÏVE BAYES CLASSIFIER DAN PARTICLE SWARM OPTIMIZATION Taufik Hidayatulloh; Asti Herliana; Toni Arifin
Swabumi Vol 4, No 2 (2016): Volume 4 Nomor 2 Tahun 2016
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v4i2.1138

Abstract

Research from the informatics experts about cervical cancer mainly single cell of the Papsmear, increasingly showing the almost prefect results. 20 features produced by researchconducted by Jantzen, Norup, Dounias and Bjerregaard, has now been developed and reviewed.This assessment takes precedence on efficiency features that make a significant contribution(assessed based on the percentage of best feature tool). Until now, the problems that have not beenable to solve is to maximize the results of the classification of the 7th grade single cells of PapSmear. This is due to the lack of research experts with a combination of the best methods thatproduce maximum results. After reviewing previous studies, classification methods that providethe best value to date is Naive Bayes. For the optimization method used in the present study is theParticle Swarm Optimization. With a combination of methods Naive Bayes and Particle SwarmOptimization, obtained better results from previous research that is 62.67% for the classificationof 7 classes and 95.70% for the classification of 2 classes.