Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology Ampera Journal of Software Engineering Ampera Jurnal Pengembangan Sistem Informasi dan Informatika KOMMAS: Jurnal Pengabdian Kepada Masyarakat
Kurniati Kurniati
Universitas Bina Darma
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Social Sciences

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Information Technology Ampera

 1 
Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus Hilda Apriyani; Kurniati Kurniati
Journal of Information Technology Ampera Vol. 1 No. 3 (2020): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.volume1.isssue3.year2020.page133-143

Abstract

Diabetes melitus merupakan penyakit kronis yang terjadi akibat kadar glukosa didalam darah yang terlalu tinggi sehingga tidak adanya insulin. Dalam kurun waktu data di Rumah Sakit Islam Siti Khadijah Palembang yang dipengaruhi oleh jumlah dari pasien yang melakukan pemeriksaan kesehatan seperti penyakit diabetes melitus sehingga berpengaruh dalam hal klasifikasi data yang akan menyulitkan pihak rumah sakit. Maka dengan memanfaatkan data mining, pengklasifikasian untuk menentukan pasien yang telah melakukan pemeriksaan termasuk penderita penyakit diabetes atau tidak. Dengan adanya permasalahan tersebut maka penulis melakukan analisis perbandingan dari dua algoritma yaitu algoritma naïve bayes dan algoritma support vector machine untuk klasifikasi penyakit diabetes dengan menggunakan alat bantu WEKA dengan tools options Cross Validation dan Confussion Matrix dengan hasil akurasi tertinggi yaitu algoritma support vector machine dengan kernel polynomial yang hasilnya 96.2704% dan tingkat error sebanyak 3.7296% dapat disimpulkan algoritma yang akurat dalam klasifikasi penyakit diabetes yaitu algoritma support vector machine dengan kernel polynomial.
Perancangan Sistem Monitoring Inventaris Barang Dinas Kebudayaan dan Pariwisata Provinsi Sumatera Selatan Kurniati Kurniati; Faqih Abdul Haris
Journal of Information Technology Ampera Vol. 2 No. 2 (2021): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.volume2.isssue2.year2021.page105-116

Abstract

Monitoring inventaris barang di lingkungan Dinas Kebudayaan dan Pariwisata Provinsi Sumatera Selatan merupakan suatu kegiatan yang rutin setiap bulan dilakukan oleh petugas monitoring inventaris barang. Hal ini dilakukan guna memberi laporan rutin  kepada pihak pusat terhadap kondisi barang yang ada.  Namun, proses yang dilakukan masih bersifat manual. Sehingga, perlu adanya sebuah sistem monitoring inventaris barang untuk mempermudah petugas dalam melakukan monitoring agar proses jauh lebih efektif dan efisien terutama dari sisi waktu. Dalam membangun sistem tersebut menggunkan medode waterfall. Model waterfall merupakan salah satu model pengembangan perangkat lunak yang ada di dalam model SDLC (Sequencial Development Life Cycle) yang memiliki 4 tahapan yaitu analisis, desain, pengodean, pengujian, dan pemeliharaan. Sehingga, dengan adanya sistem ini sangat membantu pekerjaan petugas monitoring inventaris barang dari siis waktu dan kevalidan  data yang di peroleh dalam melakukan proses monitoring dibandingkan secara manual.
Co-Authors Faqih Abdul Haris Hilda Apriyani M. Soekarno Putra Rahmat Novrianda D Ramdhan Reza Wardana Ryandi Apriando Septa Hardini