Article Per Year (5 Year)
p-Index From 2020 - 2025
4.128
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) CESS (Journal of Computer Engineering, System and Science) Sinkron : Jurnal dan Penelitian Teknik Informatika Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Perspektif : Jurnal Ekonomi dan Manajemen Universitas Bina Sarana Informatika Jurnal Teknik Komputer AMIK BSI Moneter : Jurnal Akuntansi dan Keuangan Paradigma Jurnal Teknik Informatika STMIK Antar Bangsa Jurnal Mantik Penusa Jurnal Riset Teknologi dan Inovasi Pendidikan (Jartika) VOX EDUKASI: Jurnal Ilmiah Ilmu Pendidikan Jurnal Riset Informatika Building of Informatics, Technology and Science BERNAS: Jurnal Pengabdian Kepada Masyarakat Journal of System and Computer Engineering Jurnal Sains Indonesia Akasia: Artikel Ilmiah Sistem Informasi Akuntansi JUSTIAN - Jurnal Sistem Informasi Akuntansi Indonesian Journal of Networking and Security - IJNS JUSTIN (Jurnal Sistem dan Teknologi Informasi) Ilmu Komputer untuk Masyarakat Jurnal Ilmiah AgriSains PENA ABDIMAS : Jurnal Pengabdian Masyarakat Literasi: Jurnal Pengabdian Masyarakat dan Inovasi Journal of Accounting Information System
Nurfia Oktaviani Syamsiah
Universitas Bina Sarana Informatika
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Teknik Informatika STMIK Antar Bangsa

 1 
PENERAPAN ESDLC PADA SISTEM PAKAR FORWARD CHAINING DAN RULE BASE REASONING UNTUK DIAGNOSA AWAL PENYAKIT KARDIOVASKULAR DAN PARU-PARU MANUSIA Syamsiah, Nurfia Oktaviani
Jurnal Teknik Informatika Vol. 1 No. 1 (2015): JTI Periode Februari 2015
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v1i1.29

Abstract

Abstract— The World Health Organization (WHO) estimates that there will be about 20 million deaths due to cardiovascular disease and lung in 2015. Thus, the current Cardiovascular Disease largest contributor to global mortality rate of single and will continue to dominate the mortality trend in the future. Besides the limited number of medical personnel who are able to diagnose the early symptoms of cardiovascular disease and lung increases the amount of ignorance someone who has the disease. Therefore, the diagnosis of the disease must be done quickly and accurately. Expert systems are offered as a second choice after specialist medical personnel. By using Expert System Development Life Cycle (ESDLC), the application of expert systems and rule-based forward chaining reasoning, simulation diagnose cardiovascular disease and lung providing solutions based on existing symptoms. Intisari— Organisasi Kesehatan Dunia (WHO) memperkirakan akan ada sekitar 20 juta kematian karena penyakit kardiovaskular dan paru-paru pada tahun 2015. Dengan demikian, Penyakit Kardiovaskular saat ini penyumbang terbesar angka kematian global yang tunggal dan akan terus mendominasi tren kematian di masa yang akan datang. Selain itu keterbatasan jumlah tenaga medis yang mampu mendiagnosa gejala awal penyakit kardiovaskular dan paru-paru meningkatkan jumlah ketidaktahuan seseorang akan penyakit yang dimilikinya tersebut. Oleh karena itu diagnosa pada penyakit tersebut harus dilakukan secara cepat dan akurat. Sistem pakar ditawarkan sebagai pilihan kedua setelah tenaga medis spesialis. Dengan menggunakan metode Expert System Development Life Cycle (ESDLC), penerapan sistem pakar forward chaining dan aturan berbasis penalaran, simulasi mendiagnosa penyakit kardiovaskular dan paru-paru memberikan solusi berdasarkan gejala yang ada. Keyword: sistem pakar,  forward chaining, rule based reasoning, kardiovaskular, paru-paru
Penerapan Jaringan Syaraf Tiruan Backpropagation Dalam Prediksi Produksi Bahan Pangan Pokok di Indonesia Syamsiah, Nurfia Oktaviani; Wahono, Romi Satria
Jurnal Teknik Informatika Vol. 3 No. 1 (2017): JTI Periode Februari 2017
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v3i1.123

Abstract

Abstract — Foods prediction is one of the ways applicable to know condition of food stockpiling. Even have available research about food material condition, but that research object just confines to one food and data material that is utilized is gross production data only. This research started by processing netto's production data their material food to get time series data of food. Method that is utilized is artificial neural network backpropagation  with data input is previous year datas. Severally experimental being done to get optimal architecture and resulting predicts that accurate. Result observationaling to point out optimal architecture is network with one input layer with 9 neuron, one hidden layer with 9 neuron and one output layer (9 - 6 - 1). Best activation function that is utilized is tansig, training's function best is trainrp with epochs 138 with RMSE's 0,0100. Intisari — Prediksi bahan pangan pokok merupakan salah satu cara yang dapat digunakan untuk mengetahui kondisi persediaan pangan. Meskipun sudah ada penelitian tentang kondisi bahan pangan, tetapi objek penelitian tersebut hanya terbatas pada satu bahan pangan serta data yang digunakan adalah data produksi bruto saja. Penelitian ini diawali dengan mengolah data produksi netto masing-masing bahan pangan untuk mendapatkan nilai runtun waktu data produksi bahan pangan pokok. Metode yang digunakan adalah jaringan syaraf tiruan dengan input data adalah data-data tahun sebelumnya. Beberapa percobaan dilakukan untuk mendapatkan arsitektur yang optimal dan menghasilkan prediksi yang akurat.Hasil penelitian menunjukkan arsitektur yang optimal adalah jaringan dengan satu lapisan masukan dengan 9 neuron, satu lapisan tersembunyi dengan 6 neuron dan satu lapisan keluaran (9-6-1). Fungsi aktivasi terbaik yang digunakan adalah tansig, fungsi training terbaik adalah trainrp dengan epochs 138 yang menunjukan RMSE 0,0100. Keyword: Backpropagation, Neural Network, Prediction, Food
PENERAPAN ESDLC PADA SISTEM PAKAR FORWARD CHAINING DAN RULE BASE REASONING UNTUK DIAGNOSA AWAL PENYAKIT KARDIOVASKULAR DAN PARU-PARU MANUSIA Syamsiah, Nurfia Oktaviani
Jurnal Teknik Informatika Vol 1 No 1 (2015): JTI Periode Februari 2015
Publisher : LPPM STMIK Antar Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v1i1.29

Abstract

Abstract— The World Health Organization (WHO) estimates that there will be about 20 million deaths due to cardiovascular disease and lung in 2015. Thus, the current Cardiovascular Disease largest contributor to global mortality rate of single and will continue to dominate the mortality trend in the future. Besides the limited number of medical personnel who are able to diagnose the early symptoms of cardiovascular disease and lung increases the amount of ignorance someone who has the disease. Therefore, the diagnosis of the disease must be done quickly and accurately. Expert systems are offered as a second choice after specialist medical personnel. By using Expert System Development Life Cycle (ESDLC), the application of expert systems and rule-based forward chaining reasoning, simulation diagnose cardiovascular disease and lung providing solutions based on existing symptoms. Intisari— Organisasi Kesehatan Dunia (WHO) memperkirakan akan ada sekitar 20 juta kematian karena penyakit kardiovaskular dan paru-paru pada tahun 2015. Dengan demikian, Penyakit Kardiovaskular saat ini penyumbang terbesar angka kematian global yang tunggal dan akan terus mendominasi tren kematian di masa yang akan datang. Selain itu keterbatasan jumlah tenaga medis yang mampu mendiagnosa gejala awal penyakit kardiovaskular dan paru-paru meningkatkan jumlah ketidaktahuan seseorang akan penyakit yang dimilikinya tersebut. Oleh karena itu diagnosa pada penyakit tersebut harus dilakukan secara cepat dan akurat. Sistem pakar ditawarkan sebagai pilihan kedua setelah tenaga medis spesialis. Dengan menggunakan metode Expert System Development Life Cycle (ESDLC), penerapan sistem pakar forward chaining dan aturan berbasis penalaran, simulasi mendiagnosa penyakit kardiovaskular dan paru-paru memberikan solusi berdasarkan gejala yang ada. Keyword: sistem pakar,  forward chaining, rule based reasoning, kardiovaskular, paru-paru
Penerapan Jaringan Syaraf Tiruan Backpropagation Dalam Prediksi Produksi Bahan Pangan Pokok di Indonesia Syamsiah, Nurfia Oktaviani; Wahono, Romi Satria
Jurnal Teknik Informatika Vol 3 No 1 (2017): JTI Periode Februari 2017
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v3i1.123

Abstract

Abstract — Foods prediction is one of the ways applicable to know condition of food stockpiling. Even have available research about food material condition, but that research object just confines to one food and data material that is utilized is gross production data only. This research started by processing netto's production data their material food to get time series data of food. Method that is utilized is artificial neural network backpropagation  with data input is previous year datas. Severally experimental being done to get optimal architecture and resulting predicts that accurate. Result observationaling to point out optimal architecture is network with one input layer with 9 neuron, one hidden layer with 9 neuron and one output layer (9 - 6 - 1). Best activation function that is utilized is tansig, training's function best is trainrp with epochs 138 with RMSE's 0,0100. Intisari — Prediksi bahan pangan pokok merupakan salah satu cara yang dapat digunakan untuk mengetahui kondisi persediaan pangan. Meskipun sudah ada penelitian tentang kondisi bahan pangan, tetapi objek penelitian tersebut hanya terbatas pada satu bahan pangan serta data yang digunakan adalah data produksi bruto saja. Penelitian ini diawali dengan mengolah data produksi netto masing-masing bahan pangan untuk mendapatkan nilai runtun waktu data produksi bahan pangan pokok. Metode yang digunakan adalah jaringan syaraf tiruan dengan input data adalah data-data tahun sebelumnya. Beberapa percobaan dilakukan untuk mendapatkan arsitektur yang optimal dan menghasilkan prediksi yang akurat.Hasil penelitian menunjukkan arsitektur yang optimal adalah jaringan dengan satu lapisan masukan dengan 9 neuron, satu lapisan tersembunyi dengan 6 neuron dan satu lapisan keluaran (9-6-1). Fungsi aktivasi terbaik yang digunakan adalah tansig, fungsi training terbaik adalah trainrp dengan epochs 138 yang menunjukan RMSE 0,0100. Keyword: Backpropagation, Neural Network, Prediction, Food
Co-Authors Abdul Gani Agustiana, Irma Anna Anna Apriani Mustika Burhanudin Burhanudin Chandra, Hari Dedi Saputra Dominikus Riki Irawan Duta Setiawan Eni Heni Hermaliani Eva Meilinda Fadillah, Sunia Maharani Fara Dina Fara Dina - AMIK BSI Pontianak Febri Wulandari firmansyah, Yoki Fitriani, Nadiya Hamdatun Nupus Imam Muzakki Imroatus Sholikhah Indah Purwandani Ismawan Ismawan Jubaidah Jubaidah Kela Tulvina Lestari, Melda Zulika Lisnawanty Mahmud Sairan Maulidia Maulidia Muhammad Sony Maulana Nanda Diaz Arizona Nila Hardi Nurwahyuni Panny Agustia Rahayuningsih Purwandani, Indah Putri Amalia Raja Sabaruddin Reza Maulana Ria Ulandari Riski Annisa Rokhimin - AMIK BSI Bekasi Romi Satria Wahono Rosmiati, Mia Sarwani Sarwani Siti Nurwahyuni Sri Murni Sumanto, Sumanto Tia Rumanah Tri Haryati Umi Faddillah Wahyu Nugraha Wanty Eka Jayanti Weishky Steven Dharmawan Windi Irmayani Yeni Mustika Yundari, Yundari