Article Per Year (5 Year)
p-Index From 2021 - 2026
3.218
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Informatika InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Indonesian Journal on Software Engineering (IJSE) Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Komtika (Komputasi dan Informatika) Jurnal Teknoinfo Jurnal Sistem Informasi dan Teknologi (SINTEK) Indonesian Journal Computer Science (ijcs) Jurnal Komputer Antartika CHAIN: Journal of Computer Technology, Computer Engineering and Informatics Prawara Jurnal Pengabdian Masyarakat (JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Jurnal Teknoinfo Jurnal Infortech
Annida Purnamawati
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Library & Information Science Mathematics Public Health Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
SISTEM INFORMASI SERVICE MOBIL BERBASIS WEBSITE MENGGUNAKAN METODE WATERFALL Mely Mailasari; Monikka Nur Winnarto; Annida Purnamawati
Jurnal Teknoinfo Vol. 19 No. 2 (2025): July 2025 Period
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/teknoinfo.v19i2.198

Abstract

The web-based car service information system aims to provide convenience in the process of recording and managing vehicle service online. This system was developed as a solution to the problem of managing service data which is still done conventionally using recording in a ledger resulting in data accumulation and inefficiency as well as unpredictable service customer queues. With this web-based system, customers are given the convenience of accessing service information and booking service schedules without having to visit the workshop directly and officers find it easier to manage service transaction data, check car spare part stock and create reports. The development of this system uses the waterfall method which includes needs analysis, system design, design, implementation and testing. With this system, it is expected to improve the operational efficiency of the workshop for workshop employees and make it easier for customers to access service information.
Sistem Pendukung Keputusan Penentuan Produk Terbaik Menggunakan Metode Preference Selection Index Annida Purnamawati; Monikka Nur Winarto; Daniati Uki Eka Saputri
CHAIN: Journal of Computer Technology, Computer Engineering, and Informatics Vol. 1 No. 2 (2023): Volume 1 Number 2 April 2023
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/chain.v1i2.28

Abstract

The purpose of this research is to assist the company in determining the best product to use based on production results so that it can increase customer satisfaction in using and consuming products sold using the preference selection index method. The application of the preference selection index method in determining the best product will result in a comparison of the values of all product data produced in the 1st quarter period. So that the developed decision support system can determine the best product according to predetermined criteria. The calculation of determining the best product using the preference selection index shows that the results of calculating the final value of the 1st best product get a final score of 0.9495 obtained for the Original Banana Chips product, the 2nd best product gets a final score of 0.8969 obtained for the Banana Chips product Balado Hijau and the 3rd best product with a final score of 0.8783 was obtained for the Milk Banana Chips product.
Behind the Black Box: Improving Stunting Determinants Analysis Through Explainable Artificial Intelligence Wawan Nugroho; Heribertus Ary Setyadi; Supriyanta Supriyanta; Galih Setiawan Nurohim; Annida Purnamawati
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12656

Abstract

Stunting is a public health problem that has a long-term impact on the quality of human resources. This study aims to analyze the performance of machine learning algorithms and identify the dominant factors of stunting using the Explainable Artificial Intelligence (XAI) approach. The dataset used was 120,999 toddlers with age, height, gender, and nutritional status attributes. The research stages include data pre-processing, normalization, separation of training and testing data (80:20), modeling using C4.5 algorithms, Support Vector Machine (SVM), and Random Forest, and evaluation using accuracy, precision, recall, and F1-score. The results showed that Random Forest and C4.5 achieved the best performance with an accuracy of 99.93%, while SVM achieved 98.37%. Interpretive analysis using SHAP revealed that height and age were the most dominant factors in the stunting classification with a contribution of 0.59 and 0.41, respectively, while gender contributed relatively small. These findings show that the integration of multi-algorithmic evaluation and XAI not only results in accurate prediction models, but also transparent and interpretive, thus supporting data-driven decision-making in efforts to accelerate stunting reduction in Indonesia
Klasifikasi Jenis Penyakit Daun Teh Menggunakan Arsitekture VGG16 Monikka Nur Winnarto; Mely Mailasari; Annida Purnamawati
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.250

Abstract

Perkembangan produksi teh di Indonesia semakin menurun setiap tahunnya. Penurunan produksi teh salah satunya disebabkan adanya serangan hama dan penyakit pada daun teh yang mempengaruhi hasil panen dan kualitas teh. Klasifikasi penyakit dauh teh sangat penting untuk mengetahui perawatan yang diperlukan dalam keberlanjutan sistem budidaya. Klasifikasi penyakit daun teh masih mengandalkan tenaga professional dan pengalaman kerja petani, hal ini akan memakan waktu, melelahkan dan tidak efisien. Beberapa tahun terakhir kemunculan algoritma pembelajaran mesin menyediakan sistem dukungan untuk klasifikasi penyakit daun teh. Penelitian ini bertujuan untuk melakukan klasifikasi jenis  penyakit daun teh menggunakan arsitektur CNN VGG16. VGG16 memiliki score akurasi cukup tinggi, dan memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi. Arsitektur VGG16 menghasilkan akurasi sebesar 94% dan nilai loss 0,2266% yang menujukkan bahwa arsitektur ini mampu melakukan klasifikasi penyakit dauh teh dengan baik yang ditunjukkan dengan hasil pengujian dari 36 data yang mana 35 data citra daun teh terdeteksi benar dan 1 citra terdeteksi dengan klasifikasi jenis penyakit yang salah.
Analisis Prediktif Tingkat Kecanduan Penggunaan Smartphone Pada Anak Menggunakan Algoritma C4.5 Adinda Septiani; Ayu Regina Putri Cahyani; Hoetomo Damaputra; Nuchi Dara Nurfitri; Rolastuan Rolastuan; Annida Purnamawati
Jurnal Komputer Antartika Vol. 3 No. 4 (2025): Desember
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v3i4.1246

Abstract

Penggunaan smartphone yang berlebihan pada anak dan remaja usia sekolah menjadi isu penting di era digital karena dapat memengaruhi perkembangan sosial, emosional, dan akademik mereka. Penelitian ini bertujuan untuk memprediksi tingkat kecanduan smartphone pada pelajar berusia 5–18 tahun berdasarkan persepsi dan pengawasan orang tua dengan menerapkan metode data mining menggunakan algoritma C4.5 pada perangkat lunak RapidMiner. Data dikumpulkan melalui kuesioner yang disebarkan kepada 516 orang tua di Kabupaten Karawang dengan variabel mencakup durasi penggunaan smartphone, intensitas penggunaan media sosial, dampak terhadap kegiatan belajar dan emosional, tingkat pengawasan orang tua, serta dampak kesehatan dan sosial keluarga. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu memprediksi tingkat kecanduan smartphone dengan akurasi sebesar 93.21%. Penelitian ini berkontribusi dalam mengidentifikasi faktor-faktor utama kecanduan smartphone pada anak Indonesia berdasarkan persepsi orang tua, sehingga dapat menjadi acuan dalam upaya pencegahan dan pengawasan penggunaan smartphone di kalangan pelajar.   Excessive smartphone use among school-aged children and adolescents has become an important issue in the digital era, as it can affect their social, emotional, and academic development. This study aims to predict the level of smartphone addiction among students aged 5–18 years based on parental perception and supervision by applying data mining methods using the C4.5 algorithm in RapidMiner software. Data were collected through questionnaires distributed to 517 parents in Karawang Regency, with variables including smartphone usage duration, social media usage intensity, impact on learning and emotional activities, level of parental supervision, as well as health and social impacts within the family. The results show that the C4.5 algorithm can predict the level of smartphone addiction with an accuracy of 93.21%. This study contributes to identifying the key factors of smartphone addiction among Indonesian children based on parental perceptions, providing a reference for prevention and supervision efforts in smartphone use among students.
Klasifikasi Hobi Membaca pada Mahasiswa menggunakan Metode C4.5 pada Aplikasi RapidMiner Aurelia Yolanda; Muhammad Abdillah Nur; Eeng Sri Yuliyani; Muhammad Rifqi Setiawan; Lutfi Rizalwan; Annida Purnamawati
Jurnal Komputer Antartika Vol. 3 No. 4 (2025): Desember
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v3i4.1258

Abstract

Berbagai macam hobi di dunia yang dapat menjadi hal yang positif  bagi individu tersebut. Bermula dari minatnya seseorang terhadap sesuatu yang akan menjadi hobi individu itu sendiri, Salah satunya adalah hobi dalam membaca yang sangat penting bagi individu tersebut dalam hal mencari informasi ataupun mengisi waktu luang. Berbagai banyak jenis genre buku yang sangat disukai oleh individu yaitu genre fantasi, fiksi ilmiah, romansa, horor, misteri, biografi, sejarah, sains, motivasi dan sebagainya dengan berbagai tempat bacaan dalam media cetak maupun online. Dalam penelitian ini akan bertujuan mengetahui hobi membaca dan mengetahui genre minat yang menjadi hobi membaca bagi mahasiswa pada Universitas Tanjungpura di pontianak dengan menggunakan Metode C4.5 serta model Decision Tree yang di mana metode ini akan di uji menggunakan perangkat lunak RapidMiner Altair AI Studio Ver 2026 dan telah didapatkan hasil accuracy sebesar 64,42% pada kategori atribut hobi membaca dengan 3 pilihan yaitu Sangat Minat, Netral dan Kurang Minat.   There are various hobbies in the world that can be positive for the individual. Starting from a person's interest in something that will become the individual's hobby, one of which is a hobby in reading which is very important for the individual in terms of seeking information or filling free time. Various types of book genres that are very popular with individuals are fantasy, science fiction, romance, horror, mystery, biography, history, science, motivation and so on with various reading places in print and online media. In this study, the aim will be to find out reading hobbies and find out the genre of interest that becomes a reading hobby for students at Tanjungpura University in Pontianak using the C4.5 Method and the Decision Tree model where this method will be tested using RapidMiner Altair AI Studio Ver 2026 software and has obtained an accuracy result of 64.42% in the reading hobby attribute category with 3 options, namely Very Interested, Neutral and Less Interested.
Deteksi Dini Stunting pada Balita Menggunakan Data Mining dengan Algoritma C4.5 Muhamad Regen; Yogi Nur Alamsyah; Rendi Lesmana; Asima Rodame Tampubolon; Diana Nur Hafifah; Annida Purnamawati
Jurnal Komputer Antartika Vol. 4 No. 1 (2026): Maret
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i1.1277

Abstract

Stunting is a serious issue affecting the growth and development of children in Indonesia, with a prevalence still high, reaching 148 million children under five. This study aims to develop an early detection model for stunting using the C4.5 decision tree algorithm, utilizing a large dataset containing 120,999 records that include attributes of age, height, and gender. The research method used is a quantitative experimental approach with data mining techniques, where the model was evaluated using 10-fold cross-validation to ensure accuracy and generalizability. The results show that the C4.5 model achieves 99.87% accuracy, with very high precision and recall, and good interpretability, making it suitable for implementation in public health systems. These findings emphasize the importance of height as a key indicator in detecting stunting and provide a basis for model integration in digital health initiatives in Indonesia. This study recommends incorporating socioeconomic and environmental attributes for more comprehensive analysis in the future.
Penerapan Algoritma C4.5 untuk Prediksi Risiko Turnover (Pergantian Karyawan) Menggunakan Data Kinerja dan Kepuasan Kerja Ginta Khairunisa; Farah Fauziyyah Hasyim; Andi Aprilia Sidiuzdah; Heri Purnomo; Adia Nanda; Annida Purnamawati
(JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Vol. 1 No. 4 (2025): Volume 1 Nomor 4 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.180997/jrsikom.v1i4.109

Abstract

Tingkat pergantian karyawan yang tinggi menyebabkan kerugian yang besar dari segi finansial dan operasional bagi perusahaan. Penelitian ini bertujuan untuk menciptakan model prediktif yang efisien dalam mengidentifikasi pegawai yang berisiko tinggi mengalami Turnover dengan memanfaatkan algoritma klasifikasi C4.5 yang berbasis pada pohon keputusan. Data yang digunakan berasal dari dataset publik HR-Employee-Attrition yang diambil dari platform Kaggle, yang berisi 1.470 entri serta 35 atribut, mencakup faktor demografis, kinerja, dan tingkat kepuasan. Proses pemodelan dilaksanakan dengan menggunakan perangkat lunak RapidMiner, yang mencakup langkah-langkah persiapan data dan validasi silang. Hasil dari pengujian model menunjukkan rata-rata akurasi sebesar 83,67%. Analisis kinerja kelas mengindikasikan adanya masalah ketidakseimbangan kelas; model memiliki Recall yang sangat baik untuk kelas “Tidak Resign” dengan persentase 95,78%. Namun sangat rendah untuk kelas “Resign” yaitu 20,68%. Model berbasis keputusan menunjukkan bahwa variabel umur merupakan atribut penyaring utama, diikuti oleh Pendapatan Bulanan dan Lama Sejak Promosi Terakhir. Kesimpulan dari studi ini adalah meskipun C4.5 memberikan akurasi yang tinggi secara keseluruhan, masih diperlukan penanganan atas ketidakseimbangan kelas untuk meningkatkan kemampuan dalam mengidentifikasi kejadian Turnover yang sebenarnya. Kata kunci: C4.5, Prediksi Turnover, Penambangan Data, Pohon Keputusan, Manajemen SDM, RapidMiner
Co-Authors ., Supriyanta Adia Nanda Adinda Septiani Andi Aprilia Sidiuzdah Asima Rodame Tampubolon Aurelia Yolanda Ayu Regina Putri Cahyani Daniati Uki Eka Saputri Destiana Putri Diana Nur Hafifah Eeng Sri Yuliyani Eka Rahmawati Fajar Sarasati Fajar Sarasati Farah Fauziyyah Hasyim Galih Setiawan Nurohim Ginta Khairunisa Heri Purnomo Heribertus Ary Setyadi Hilman F Pardede Hoetomo Damaputra Lia Dwi Cahyanti Lutfi Rizalwan Mely Mailasari Monikka Nur Winnarto Muhamad Regen Muhammad Abdillah Nur Muhammad Rifqi Setiawan Nuchi Dara Nurfitri Nurlaelatul Maulidah Oscar Oscar Rendi Lesmana Riyan Latifahul Hasanah Rizki Tri Prasetio, Rizki Tri Rolastuan Rolastuan Wahyutama Fitri Hidayat Wawan Nugroho Yogi Nur Alamsyah Yulianto