Article Per Year (5 Year)
p-Index From 2021 - 2026
1.556
P-Index
This Author published in this journals
All Journal JURNAL TEKNOLOGI INFORMASI Respati Jurnal Abdimas Berdaya : Jurnal Pembelajaran, Pemberdayaan dan Pengabdian Masyarakat Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Pengabdian Masyarakat Information Technology (JPM ITech) JAMU : Jurnal Abdi Masyarakat UMUS
Siti Rihastuti
STMIK Amikom Surakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : JURNAL TEKNOLOGI INFORMASI

 1 
Analisis Perencanaan Sistem Pendukung Keputusan Menggunakan Simple Additive Weighting (SAW) Dalam Penerimaan Staf Di STMIK Cipta Darma Surakarta  Siti Rihastuti; Afnan Rosyidi
JURNAL TEKNOLOGI INFORMASI Vol 6, No 2 (2020): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v6i2.1144

Abstract

AbstraksiSTMIK Cipta Darma Surakarta merupakan salah satu perguruan tinggi komputer di Surakarta yang berusaha menyediakan pelayanan administratif yang baik kepada mahasiswa, sehingga pihak manajemen membutuhkan karyawan yang memiliki kemampuan dan kecakapan yang layak untuk mendukung hal tersebut. Penelitian ini dibuat untuk merancang sistem pendukung keputusan untuk membantu bagian PSDM dalam menyeleksi calon staf baru. Pendidikan, usia, pengalaman kerja, nilai ipk, tes tertulis, tes wawancara dan status merupakan kriteria yang digunakan dalam proses penilaian terhadap penerimaan staf yang baru. Metode simple additive weighting (SAW) dipilih karena metode ini memiliki tahapan dalam menentukan perankingan untuk selanjutnya menghasilkan keputusan terbaik berdasarkan beberapa alternatif yang ada. Analisis yang dilakukan menghasilkan urutan nama calon staf baru yang diterima berdasarkan peringkat nilai dari aspek yang dinilai. Sehingga bagian PSDM dapat menentukan nama staf baru yang benar-benar layak diterima.Kata Kunci: sistem pendukung keputusan, simple additive weighting, penerimaan staf 
Analisa Algoritma String Matching Dan Winnowing Untuk Deteksi Kemiripan Judul Tugas Akhir Perguruan Tinggi Lilik Sugiarto; Cisde Mulyadi; Siti Rihastuti
JURNAL TEKNOLOGI INFORMASI Vol 6, No 2 (2020): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v6i2.1141

Abstract

AbstrakJudul Tugas akhir merupakan gambaran awal dari sebuah isi suatu dokumen, dimana judul merupakan arah awal dari sebuah isi suatu penelitian, Dimana terdapat kemiripan tugas akhir dengan isi yang diduga mirip dengan tugas akhir yang sudah pernah ada. Untuk pendeteksian awal sebuah Judul tugas akhir ada beberapa metode ataupun algoritma diantaranya String Matching Dan winnowing. Adapun Algoritma Winnowing merupakan salah satumetodeuntuk mendeteksi kesamaan (common subsequence). Duateks diketahui memiliki kesamaan kata/kalimat apabila didalam dokumen tersebut dijumpai fingerprint, fingerprint inilah yang akan dijadikan dasar pembanding antara teks, dimana nilai fingerprint diperoleh darin-grammengubahtekskedalamnilaiangka { hash}. Sedangkan string Matching suatu metode pencocokan teks dengan langkah Memindai teks dengan bantuan sebuah finger yang ukurannya sama dengan panjang pattern kemudian Menempatkan window pada awal teks dan Membandingkan karakter pada window dengan karakter dari pattern. Setelah pencocokan dilakukan pergeseran ke kanan pada window. Prosedur ini dilakukan berulang-ulang sampai window berada pada akhir teks. Mekanisme ini disebut mekanisme sliding window. Analisa kedua metode baik string matching maupun winnowing akan dapat diketahui metode manakah yang lebih efektif dan efisien dalam deteksi dini kemiripan sebuah judul Tugas Akhir.Kata kunci: Algoritma, Winnowing, String Matching, Pattern, Fingerprint, hash, Window
Analisis Sistem Pendukung Keputusan Pemilihan Asisten Dosen Menggunakan Metode SAW di STMIK Amikom Surakarta Rosyidi, Afnan; Rihastuti, Siti
JURNAL TEKNOLOGI INFORMASI Vol 7, No 2 (2021): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v7i2.1904

Abstract

Asisten dosen merupakan sumber daya manusia yang sangat membantu dosen saat berlangsungnya matakuliah praktek. Agar asisten dosen yang direkut sesuai dengan kebutuhan dan memiliki kemampuan yang baik dalam mendampingi mahasiswa saat belajar di laboratorium, maka dalam penelitian ini diusulkan sebuah analisis sIstem pendukung keputusan pemilihan asisten dosen di STMIK Amikom Surakarta. Metode yang digunakan untuk melakukan perhitungan dalam pemilihan asisten dosen adalah Simple Additive Weighting (SAW). Kriteria yang digunakan dalam pemilihan asisten dosen adalah minimal nilai ipk 3,0 dan jenjang semester minimal semester 3, nilai tes tertulis dan nilai tes wawancara. Hasil akhir dari perhitungan menggunakan SAW akan menjadi pertimbangan Ketua UPT laboratorium dapat menentukan mahasiswa yang lolos menjadi asisten dosen, yaitu mahasiswa yang telah menjalani seleksi dan memiliki urutan ranking berdasarkan nilai teratas hingga terbawah dari keseluruhan peserta yang mengikuti seleksi. Kata Kunci: pemilihan asisten dosen, simple additive weighting, sistem pendukung keputusan 
Analisa Sistem Penerimaan Berkas Lamaran Calon Pegawai Berbasis Web Di PT XYZ Rosyidi, Afnan; Rihastuti, Siti
JURNAL TEKNOLOGI INFORMASI Vol 8, No 2 (2022): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v8i2.2774

Abstract

Perekrutan karyawan dilakukan oleh PT XYZ untuk mendapatkan karyawan yang sesuai dengan kebutuhan perusahaan. Kebutuhan akan sumber daya manusia yang berkualitas merupakan kebutuhan mutlak bagi perusahaan untuk dapat berkembang dan maju di masa depan. Perusahaan harus memastikan terlebih dahulu kriteria karyawan yang diinginkan dan menjadikannya sebagai pedoman dalam melakukan rekrutmen dan seleksi karyawan. Dalam hal ini, pihak HRD (Human Resource Department) dari PT. XYZ kerap menghadapi masalah tempat atau lokasi untuk para pelamar kerja saat menunggu, dari tahapan antrian serta pemilahan berkas-berkas yang masuk sesuai posisi lowongan yang ada. Untuk mendukung proses tersebut diperlukan sebuah Sistem Penerimaan Berkas Lamaran Calon Pegawai Berbasis Web di PT. XYZ. Tujuan dari penelitian ini adalah merancang dan menganalisa Sistem Penerimaan Berkas Lamaran Calon Pegawai Berbasis Web yang difungsikan untuk membantu pihak HRD dalam melakukan seleksi dan pemilahan berkas calon pegawai. Sistem ini bisa diterapkan di PT. XYZ dalam aktifitas perusahaan pada perekrutan karyawan di waktu mendatang.Kata kunci: analisis, seleksi, penerimaan berkas, web. 
Penerapan Algoritma Fp-Growth Untuk Analisa Pola Belanja Konsumen Toko Daffamart Rihastuti, Siti; Rosyidi, Afnan
JURNAL TEKNOLOGI INFORMASI Vol 9, No 2 (2023): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v9i2.3661

Abstract

Salah satu cara yang dilakukan untuk mendapatkan konsumen yang loyal adalah dengan mengetahui pola belanja konsumen, yaitu pemilik toko memfasilitasi keinginan konsumen dengan meletakkan produk yang akan dibelinya di tempat atau etalase yang mudah ditemukan dan didekatnya terpajang juga produk lain yang berhubungan dengan produk tersebut. Salah satu motede data mining yang bisa digunakan untuk mengetahui barang apa saja yang sering dibeli konsumen adalah dengan algoritma FP-Growth. Analisa pola belanja konsumen berdasarkan penerapan FP-Growth yang dilakukan bertujuan untuk membantu konsumen dalam mendapatkan dan memastikan ketersediaan barang yang akan dibelinya dengan mudah berdasarkan tata letak barang yang terpajang di etalase
Implementasi K-Nearest Neighbours Dengan Google Collab Untuk Klasifikasi Penyakit Kanker Payudara Rihastuti, Siti; Rosyidi, Afnan; Handoko, Handoko
JURNAL TEKNOLOGI INFORMASI Vol 10, No 2 (2024): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v10i2.5223

Abstract

Penelitian ini bertujuan untuik mengklasifikasi penyakit kanker payudara berdasarkan dataset pasien penderita penyakit kanker payudara menggunakan model K-Nearest Neigbors dan pengujian menggunakan Google Colab. Kanker payudara adalah salah satu jenis kanker yang paling umum di kalangan wanita dan deteksi dini sangat penting untuk meningkatkan peluang kesembuhan bagi penderitanya. Sebanyak 569 record dataset penyakit kanker payudara digunakan yang diambil dari situs kaggle. Terdapat 32 variabel yang ada didalam kriteria dataset yang akan diuji. Model KNN diterapkan dengan menentukan nilai K = 1 hingga 20. Dari hasil pengujian menggunakan KNN dan Google Colab terhadap dataset diperoleh nilai akurasi tertinggi sebesar 96.49% dengan nilai K=9. Akurasi cenderung stabil dan memiliki selisih yang sedikit mulai dari K=3 hingga K =20. Nilai presisi tertinggi terdapat pada angka 97,18% dengan beberapa nilai K=4, 6, 8, 9, dan K=10. Nilai recall dan F1-score tertinggi sebesar 97.18% pada K=9. Perolehan nilai akurasi, presisi, recall dan F1-score yang tinggi dan cukup stabil mampu mendeteksi kasus kanker payudara dengan tingkat akurasi yang baik. Nilai F1-score yang tinggi menunjukkan bahwa model KNN memiliki keseimbangan yang baik antara precision (ketepatan dalam memprediksi secara akurat) dan recall (sensitivitas dalam mengukur kinerja model dalam memprediksi kasus kanker payudara ganas yang sebenarnya). Berdasarkan hasil pengujian menunjukkan bahwa model K-Nearest Neigbors memiliki kinerja yang cukup baik dalam memprediksi kanker payudara.
Co-Authors Afnan Rosyidi Cisde Mulyadi Cisde Mulyadi Febrianta Surya Nugraha Handoko Handoko Hanif Al Fatta Ina Sholihah Widiati, Ina Sholihah Kusrini Kusrini Lashwaty, Nina Dewi Lilik Sugiarto Nina Dewi Lashwaty Purwidiantoro, Moch. Hari Tinuk Agustin Tiya Suryani