Article Per Year (5 Year)
p-Index From 2020 - 2025
2.737
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Jurnal Khatulistiwa Informatika Jurnal Informatika Universitas Pamulang MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Antivirus : Jurnal Ilmiah Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Computer Science (CO-SCIENCE) Conten : Computer and Network Technology Jurnal Teknik Informatika Journal of Artificial Intelligence and Digital Business
Hiya Nalatissifa
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Perbandingan Algoritma Klasifikasi K-Nearest Neighbor, Random Forest dan Gradient Boosting untuk Memprediksi Ketertarikan Nasabah pada Polis Asuransi Kendaraan Diantika, Sri; Subekti, Agus; Nalatissifa, Hiya; Lase, Mareanus
Jurnal Informatika Universitas Pamulang Vol 6, No 3 (2021): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v6i3.9419

Abstract

An insurance policy provides coverage for compensation for specified loss, damage, illness, or death in exchange for premium payments. Likewise for vehicle insurance, every year the customer needs to pay a premium to the insurance company so that if an accident occurs that is not profitable for the vehicle, the insurance company provides compensation to the customer. The purpose of this research is to classify the health insurance cross-sell prediction dataset so that certain patterns or relationships can be found between the data to become valuable information and build a model to predict whether policyholders (customers) from the previous year will also be interested in insurance. Vehicles provided by the company. The researcher uses the K-nearest neighbor classification algorithm, Random Forest, and gradient boosting classifier as well as Python data mining tools. After doing the research, it was found that the K-nearest neighbor classification algorithm produces a higher accuracy of 91%, when compared to the Random Forest algorithm which is 87% and the boosting classifier algorithm is 88% in classifying customer interest in taking a vehicle insurance policy.
Aplikasi Penerimaan Pemasukan Dan Pengeluaran Dana Keuangan Berbasis Website Pada CV. Berkah Jaya Ahmad Fauzi; Nurlaelatul Maulidah; Riki Supriyadi; Hiya Nalatissifa; Sri Diantika
Bianglala Informatika Vol 9, No 2 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (498.113 KB) | DOI: 10.31294/bi.v9i2.11501

Abstract

CV.  Berkah  Jaya  merupakan  perusahaan  milik  swasta  yang  bernaung  dalam  usaha  sebagai  supplier  toko  buku  dan  alat  peraga  ke  berbagai  tempat.  Sebagai  supplier  buku  dan  alat  peraga  CV.  Berkah  Jaya  memiliki  cukup  banyak  data  yang  belum  terorganisir  dengan  baik,  terutama  dalam  bidang  pencatatan  penerimaan  dan  pengeluaran  dana  keuangan.  Sistem  pencatatan  data  pada  CV.  Berkah  Jaya  saat  ini  masih  dilakukan  secara  manual  meskipun  sudah  menggunakan  microsoft  excel  sebagai  program  yang  membantu  dalam  pencatatan,  seringkali  menjadi  kurang  efektif  dan  tidak  efisien  sehingga  menimbulkan  hambatan  karena  membutuhkan  waktu  yang  lama  dalam  memproses  data.  Data  pemasukan  dan  pengeluaran  dana  keuangan  akan  mudah  dimanipulasi  oleh  pihak  yang  tidak  bertanggung  jawab  jika  masih  menggunakan  sistem  pencatatan  yang  manual.  Adanya  sistem  komputer  akan  sangat  membantu  perusahaan  dalam  pemecahan  masalah  dalam  hal  pengelohan  data  keuangan.  Penggunaan  komputer  juga  dapat  dijadikan  alat  untuk  mencapai  tujuan  dan  mencari  kemudahan  dalam  melakukan  suatu  proses  pekerjaan,  terutama  yang  melibatkan  banyak  data  dalam  hal  ini  mengenai  data  transaksi  yang  mencakup  data  pemasukan  dan  pengeluaran  dana  keuangan  perusahaan.  Dengan  sistem  komputerisasi  keuangan  ini,  dapat  mempermudah  perusahaan  dalam  melakuan  proses  pengolahan  data  keuangan  dan  laporan.
Penerapan Algoritma Naive Bayes Dan Support Vector Machine dalam Memprediksi Autisme Riki Supriyadi; Nurlaelatul Maulidah; Ahmad Fauzi; Hiya Nalatissifa; Sri Diantika
Swabumi Vol 10, No 1 (2022): Volume 10 Nomor 1 Tahun 2022
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v10i1.12294

Abstract

AbstrakAutism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang menyebabkan anak mengalami gangguan dalam kemampuan komunikatif, fungsi sosial, dan perilaku kaku atau berulang. Diagnosis terhadap screening autisme adalah langkah awal untuk mengetahui kondisi anak dalam proses penanganan autisme secara dini. Konsultasi dengan dokter atau tenaga medis menjadi pilihan utama yang dilakukan oragtua, namun keterbatasan tenaga medis yang berfokus terhadap perkembangan otak membuat orang tua sulit menangani anaknya. Machine learning menjadi salah satu alternatif dalam penanganan penyakit terutama autisme untuk membantu meningkatkan kemampuan pendeteksian otomatis. Dalam penelitian yang telah dilakukan dengan menerapkan dua algoritma data mining yaitu algoritma Naive Bayes dan Support Vector Machine (SVM) kedua algoritma kemudian dikomparasi dimana hasil yang ditunjukan algoritma Naive Bayes mendapatkan hasil akurasi 96,45% sedangkan Support Vector Machine (SVM) mendapatkan hasil akurasi 81,56% dan disimpulkan dalam penelitan ini algoritma yang paling sesuai untuk mendeteksi penyakit autisme yaitu Naive Bayes dimana memiliki akurasi yang lebih baik saat pengujian. Kata Kunci : Deteksi Autisme , Naive Bayes, Support Vector Machine AbstractAutism Spectrum Disorder (ASD) is a neurodevelopmental disorder that causes children to experience impairments in communicative abilities, social functioning, and rigid or repetitive behaviors. Diagnosis of autism screening is the first step to knowing the condition of children in the process of handling autism early. Consultation with a doctor or medical personnel is the main choice made by oragtua, but the limitations of medical personnel who focus on brain development make it difficult for parents to handle their children. Machine learning is one of the alternatives in the treatment of diseases, especially autism, to help improve automatic detection capabilities. In research that has been done by applying two data mining algorithms, namely naive bayes algorithm and support vector machine (SVM) both algorithms are then compared where the results shown by naive bayes algorithm get an accuracy of 96.45% while support vector machine (SVM) gets an accuracy of 81.56% and concluded in this study the most suitable algorithm to detect autism disease is Naive Bayes which has better accuracy when testing. Keywords: Autism Detection, Naive Bayes, Support Vector Machine
Sistem Penunjang Keputusan Menggunakan Metode Topsis untuk Menentukan Kelayakan Bantuan Rumah Tidak Layak Huni (RTLH) Hiya Nalatissifa; Yudi Ramdhani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 19 No 2 (2020)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.257 KB) | DOI: 10.30812/matrik.v19i2.638

Abstract

Memiliki rumah yang layak untuk dihuni merupakan keinginan setiap manusia, kemiskinan merupakan faktor utama seseorang tidak dapat memenuhi kebutuhan primer maupun sekundernya. Upaya pemerintah untuk meningkatkan kesejahteraan rakyat adalah dengan mengadakan berbagai program penanggulangan kemiskinan, salah satunya pemberian dana Rumah Tidak Layak Huni (RTLH) yang harus tepat sasaran kepada penduduk yang tidak mampu. Akan tetapi dalam pelaksanaannya petugas mengalami kesulitan dalam pengolahan data, sehingga diperlukan suatu Sistem Penunjang Keputusan (SPK) yang dapat membantu dalam menentukan penerima bantuan RTLH. Salah satu metode SPK adalah metode TOPSIS yang merupakan sebuah metode yang mampu membantu proses pengambilan keputusan yang optimal/praktis dengan konsep yang sederhana/mudah dipahami. Desa Sumbaga merupakan salah satu desa yang membutuhkan sebuah SPK dalam menentukan masyarakat yang berhak menerima bantuan dana RTLH. Pihak desa mengalami kesulitan dalam hal penetapan penerima bantuan karena banyaknya data calon penerima dan kriteria-kriteria yang harus dipertimbangkan dalam pengolahan datanya, pengambilan keputusan dilakukan secara subyektif atau mengandalkan perkiraan/prediksi, sehingga masih terdapat penyaluran bantuan yang tidak tepat sasaran. Hasil dari penelitian ini adalah sistem pendukung keputusan kelayakan bantuan rumah tidak layak huni (RTLH) dengan menggunakan metode TOPSIS yang dibangun sebagai alat bantu untuk penentuan kelayakan bantuan RTLH.
IMPLEMENTASI METODE EXTREME PROGRAMMING DALAM APLIKASI SISTEM INFORMASI KELULUSAN (ASIK) Riza Arby Khoerus Shidiq; Luthfiah Alya Choirunnisa; Tri Ayuningsih Dewi Indahrini; Rousyati Rousyati; Warjiyono Warjiyono; Husni Mubarok; Hiya Nalatissifa; Angga Ardianysah; Dzulchan Abror
CONTEN : Computer and Network Technology Vol. 2 No. 1 (2022): Juni 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v2i1.1318

Abstract

SMKS Bhakti Praja Adiwerna adalah salah satu sekolah menengah kejuruan yang terdapat di Kabupaten Tegal. Pada saat ini mempunyai kurang lebih 1.800 peserta didik. Berdasarkan hasil observasi tim penulis, hampir setiap kelulusan SMKS Bhakri Praja Adiwerna masih menggunakan cara konvensional yaitu dengan mengundang orang tua siswa datang ke sekolah untuk mengambil surat kelulusan anak – anaknya Masalahnya adalah masih banyak orang tua siswa yang datang tidak tepat dari waktu yang ditentukan pihak sekolah pada undangan pengambilan surat kelulusan sehingga menimbulkan bertambahnya waktu untuk pembagian surat kelulusan tersebut. Dari permasalahan yang telah diuraikan sebelumnya, sebagai upaya dalam mempersingkat waktu penyampaian hasil kelulusan maka SMKS Bhakti Praja Adiwerna membutuhkan sistem berbasis web yang dapat diaskses oleh para siswa untuk melihat pengumuman lulus tidaknya mereka. Hal ini bertujuan untuk lebih memudahkan para siswa dalam mengetahui hasil kelulusan mereka, karena mudah diakses kapan dan dimana saja. Di sisi lain, dengan adanya sistem ini juga sangat membantu pihak sekolah dalam mempersiapkan proses pengumuman hasil kelulusan para siswanya. Dengan dirancangnya website ASIK ini dapat mempermudah para siswa kelas dua belas (12) dalam mengetahui kelulusannya. Mempermudah para siswa dalam melihat hasil kelulusan pada sistem dimana saja. Memberikan efisiensi, baik waktu maupun materiil karena dengan adanya sistem ini instansi Pendidikan tidak perlu repot – repot membuat informasi kelulusan yang berupa fisik/surat keterangan kelulusan.
Komparasi Algoritma SVM Dan Naive Bayes Untuk Klasifikasi Kestabilan Jaringan Listrik Sri Diantika; Windu Gata; Hiya Nalatissifa
Elkom : Jurnal Elektronika dan Komputer Vol 14 No 1 (2021): Juli: Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v14i1.319

Abstract

Keseimbangan antara pasokan dan permintaan listrik sangat diperlukan untuk mendapatkan jaringan listrik yang stabil, agar dapat diketahui pola data kestabilan jaringan listrik ini maka diperlukan pengelompokkan atau pengklasifikasian terhadap data dengan memanfaatkan teknik data mining guna mengolah informasi. Untuk mencari metode data mining yang bisa menghasilkan akurasi terbaik dalam mengklasifikasikan data Kestabilan jaringan listrik, maka pada penelitian ini dilakukan perbandingan penerapan algoritma klasifikasi SVM dan Naïve Bayes terhadap dataset Electrical Grid Stability Simulated yang yang diambil dari UCI Machine Learning. Dari hasil pengujian klasifikasi kestabilan jaringan listrik yang telah dilakukan menggunakan aplikasi WEKA 3.8.2. Metode Support Vector Machine (SVM) menunjukan tingkat accuracy yang lebih baik yaitu sebesar 98.9% jika dibandingkan dengan metode Naive Bayes yang meghasilkan nilai akurasi sebesar 97.64% Hasil akurasi ini akan menunjukan hasil yang berbeda tergantung dengan jenis data, jumlah instance, label class dan Percentage split data yang digunakan.
Penerapan Teknik Random Oversampling Untuk Memprediksi Ketepatan Waktu Lulus Menggunakan Algoritma Random Forest Diantika, Sri; Nalatissifa, Hiya; Maulidah, Nurlaelatul; Supriyadi, Riki; Fauzi, Ahmad
Computer Science (CO-SCIENCE) Vol. 4 No. 1 (2024): Januari 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v4i1.1996

Abstract

Punctuality of graduation is something that students yearn for, besides being important for students, punctuality of graduation is also very important for universities, this is because the aspect of student graduation is one aspect of assessment in an institutional accreditation process of a university to show its quality. One of the obstacles faced to find out whether a student can graduate on time or not is because the study period cannot be detected early, this will have an impact on late student graduation. To analyze this, a lot of research was conducted on the accuracy of student graduation, through the cumulative grade point average (GPA) obtained by students during their studies. This research on the prediction of student graduation timeliness uses a random forest algorithm model. The data used in this research object has an unbalanced number of data classes, to overcome this, a random oversampling (ROS) resampling technique is applied and also applies Split validation or division between learning data by 50% for test data and 50%. To evaluate the model built, the author uses evaluation metrics such as accuracy, recall, and precision. The results of the study showed that the proposed model can well predict compared to other models, namely with the results precision of 87.05%, accuracy test values of 90.04%, recall of 90.04%.From these results, it can be interpreted that the random forest algorithm is considered good in predicting the timeliness of a student's graduation
RANCANG BANGUN SISTEM INFORMASI PERPUSTAKAAN BERBASIS WEBSITE PADA SMK NEGERI 1 BUMIJAWA Nalatissifa, Hiya; Maulidah, Nurlaelatul; Fauzi, Ahmad; Supriyadi, Riki; Diantika, Sri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6000

Abstract

Sistem komputer telah banyak digunakan dalam berbagai bidang, terutama dalam bidang pendidikan. Memanfaatkan IT pada bidang pendidikan saat ini sudah menjadi hal yang umum, maka sekolah berlomba-lomba dalam meningkatkan mutu pendidikan menjadi unggul dan harus berubah dan berkembang dalam bidang TIK, khususnya dalam penerapan/penggunaan sistem informasi yang terkomputerisasi. Pepustakaan memiliki bagian yang sangat penting untuk memenuhi kebutuhan intelektualitas para penggunanya. SMK Negeri 1 Bumijawa memiliki perpustakaan yang masih menggunakan sistem manual untuk pengolahan datanya. Masalah yang ada saat ini adalah membutuhkan waktu lama untuk memproses data sehingga membuat kinerja petugas perpustakaan terhambat dan dapat menimbulkan adanya resiko kehilangan atau kerusakan data yang mengakibatkan pengolahan data tidak efektif dan tidak efisien. Rancang bangun sistem informasi perpustakaan berbasis website merupakan solusi yang dapat digunakan dalam mempermudah pemrosesan data dan untuk memudahkan pengolahan informasi, khususnya efisiensi dan efektifitas peminjaman dan pengembalian buku.
Perancangan Sistem Informasi Rental Mobil Berbasis Website pada Rentalin Aja Supriyadi, Riki; Maulidah, Nurlaelatul; Nalatissifa, Hiya; Fauzi, Ahmad; Diantika, Sri
Indonesian Journal on Software Engineering Vol 10, No 2 (2024): IJSE 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v10i2.24569

Abstract

Abstrak Rental mobil merupakan layanan penyewaan kendaraan yang dapat digunakan dengan atau tanpa sopir untuk jangka waktu harian atau mingguan. Dalam menghadapi persaingan yang semakin ketat, pelaku usaha pada bidang ini dituntut untuk terus berinovasi, terutama dalam meningkatkan kualitas pelayanan, keamanan, kenyamanan, dan kemudahan bagi konsumen. Banyak usaha rental mobil yang masih menggunakan sistem manual, di mana pelanggan harus datang langsung atau menghubungi via telepon untuk memeriksa ketersediaan mobil dan pelanggan perlu melakukan booking dengan membayar uang muka, sementara pihak rental masih mencatat data pemesanan dan peminjaman secara manual di buku. Penelitian ini bertujuan untuk merancang sebuah sistem informasi berbasis web yang mempermudah konsumen dalam mendapatkan informasi detail terkait kendaraan yang tersedia di Rentalin Aja. Melalui sistem ini, konsumen dapat mengetahui spesifikasi, harga sewa, serta gambar kendaraan yang tersedia tanpa harus datang langsung ke lokasi. Selain memberikan kemudahan bagi konsumen, website ini juga dirancang untuk membantu staf perusahaan dalam mengelola pemesanan dan menyusun laporan dengan lebih cepat dan akurat. Sistem ini dikembangkan menggunakan metode waterfall, yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, hingga pemeliharaan. Dengan adanya website ini, Rentalin Aja diharapkan mampu memberikan pengalaman yang lebih baik kepada konsumen serta meningkatkan efisiensi operasional perusahaan, sehingga mampu bersaing di industri rental mobil yang semakin kompetitif. Kata kunci: Website, Rental Mobil, Waterfall Abstract Car rental is a vehicle leasing service that can be used with or without a driver for daily or weekly periods. In facing increasingly fierce competition, business players in this field are required to constantly innovate, particularly in improving service quality, security, comfort, and convenience for customers. Many car rental businesses still rely on manual systems, where customers must visit the location or call to check vehicle availability, make bookings with a down payment, and have their booking and rental data manually recorded in a ledger. This study aims to design a web-based information system to facilitate consumers in accessing detailed information about the vehicles available at Rentalin Aja. Through this system, customers can view vehicle specifications, rental prices, and images without having to visit the location. In addition to simplifying the consumer experience, this website is also designed to assist staff in managing bookings and compiling reports more quickly and accurately. The system is developed using the waterfall method, which includes stages of requirements analysis, design, implementation, testing, and maintenance. With this website, Rentalin Aja is expected to provide a better customer experience while improving the company's operational efficiency, enabling it to compete in the increasingly competitive car rental industry. Keywords: Website, Car Rental, Waterfall
IMPLEMENTATION OF MULTI-CLASS GRADIENT BOOSTING TO CLASSIFY ANIMAL SPECIES IN ZOOS: IMPLEMENTASI MULTI-CLASS GRADIENT BOOSTING UNTUK MENGKLASIFIKASIKAN JENIS HEWAN PADA KEBUN BINATANG Sri Diantika; Hiya Nalatissifa; Riki Supriyadi; Nurlaelatul Maulidah; Ahmad Fauzi
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 17 No 1 (2023): Mei 2023
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/antivirus.v17i1.2812

Abstract

Animals are one of the living things that have various types. Grouping types of animals based on similarities and differences in characteristics owned is one of the important activities carried out To make it easier to compare, recognize, study certain types of animals and be able to find out kinship relationships between animals, So if a new type of animal is found that does not yet have a name, it will be easier for us to give a name to the animal based on the type and based on the group. In research on the classification of animal species in zoos that have multi-class, the best classification is obtained by applying gradient boosting parameters with n_estimators of 50, max_depth 3, sub-sample of 1.0, learning rate of 0.1, and using criterion friedman Mse. And by implementing Split validation or division between training data by 80% for training data and 20% for testing data. The results stated that the proposed model was better than some other models that had also been tested with an accuracy value of 93.75%, recal of 94%, precision of 96% and MSE to measure the average magnitude of error in a series of classifications of 12.5%, the smaller the MSE value, the better it would be in classifying.
Co-Authors AA Sudharmawan, AA Agus Subekti Ahmad Fauzi Ahmad Fauzi Akrom, Akrom Angga Ardianysah Diantika, Sri Dzulchan Abror Fauzi Ahmad Muda Gata, Windu Husni Mubarok Luthfiah Alya Choirunnisa Mareanus Lase Mawadatul Maulidah Nurlaelatul Maulidah Riki Supriyadi Riza Arby Khoerus Shidiq Rousyati Rousyati Tri Ayuningsih Dewi Indahrini Warjiyono Warjiyono Yudi Ramdhani