Article Per Year (5 Year)
p-Index From 2020 - 2025
2.092
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer CESS (Journal of Computer Engineering, System and Science) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Jurnal Teknik Komputer AMIK BSI Jurnal Khatulistiwa Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Infortech Akrab Juara : Jurnal Ilmu-ilmu Sosial
Elah Nurlelah
Universitas Bina Sarana Informatika
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Library & Information Science Medicine & Pharmacology Social Sciences

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

Found 15 Documents
Search

 1   2 
Aplikasi Sistem Informasi Koperasi Simpan Pinjam Berbasis Web Pada PT. Mitraindo Sejahtera Utama Tangerang Ari Abdilah; Elah Nurlelah; Fuad Nur Hasan; Dwi Yuni Utami
Jurnal Teknik Komputer AMIK BSI Vol 8, No 1 (2022): JTK Periode Januari 2022
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (908.083 KB) | DOI: 10.31294/jtk.v8i1.11587

Abstract

Koperasi karyawan PT. Mitraindo Sejahtera Utama cara kerjanya masih bersifat manual dengan menggunakan aplikasi Microsoft Excel, sehingga informasi yang dihasilkan kurang akurat dan kemungkinan terjadi kesalahan dalam proses pendataan dan perhitungan. Tujuan penelitian ini untuk membuat sebuah aplikasi simpan pinjam berbasis web pada Koperasi karyawan PT. Mitraindo Sejahtera Utama. Dengan adanya aplikasi ini diharapkan dapat mengurangi kesalahan dalam pengolahan data dan dapat memperlancar jalanya proses simpan pinjam pada Koperasi karyawan PT. Mitraindo Sejahtera Utama, sehingga proses kinerja menjadi lebih cepat dan akurat. Metode perancangan perangkat lunak yang digunakan yaitu analisa sistem berjalan pada Koperasi karyawan PT. Mitraindo Sejahtera Utama meliputi desain sistem, desain database dan implementasi sistem. Laporan yang dihasilkan meliputi laporan data anggota, simpanan anggota, laporan pinjaman serta laporan angsuran pinjaman. Bahasa pemograman yang digunakan adalah PHP My SQL, perangkat lunak yang mendukung dalam pembuatan aplikasi adalah Dreamweaver CS6, Adobe photoshop dan Xampp.
PERANCANGAN MEDIA PEMBELAJARAN ANIMASI INTERAKTIF JAPANESE VOCABULARY BERBASIS ANDROID Dwi Yuni Utami; Sischa Rahmawati; Elah Nurlelah
Jurnal Khatulistiwa Informatika Vol 8, No 2 (2020): Periode Desember 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v8i2.9035

Abstract

Bahasa Jepang merupakan Bahasa yang sudah banyak diminati oleh masyarakat Indonesia dan sudah banyak SMA atau sederajat yang menerapkan pemebelajaran Bahasa Jepang. Untuk mempermudah proses pembelajaran maka diperlukannya media pembelajaran yang menarik dan interaktif khususnya menggunakan android karena saat ini android merupakan Operating System yang banyak digunakan oleh pengguna mobile phone. Untuk itu penulis mencoba media pembelajaran animasi interaktif Japanese Vocabulary Berbasis Android.
PENERAPAN MODEL WATERFALL DALAM SISTEM INFORMASI PENGOLAHAN DATA NILAI SISWA PADA SMK BINA MANDIRI SUKABUMI Elah Nurlelah; Dwi Yuni Utami; Ari Abdillah
Jurnal Khatulistiwa Informatika Vol 8, No 1 (2020): Periode Juni 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v8i1.8186

Abstract

SMK Bina Mandiri Sukabumi merupakan instansi yang bergerak dalam bidang pendidikan. Pengolahan data kehadiran dan data nilai siswa di sekolah ini diolah secara konvensional yaitu dengan cara masing-masing guru bidang studi melakukan pengumpulan data absen, nilai UTS, nilai UAS, serta nilai tugas kedalam suatu lembaran kertas kemudian disetorkan kepada wali kelas dan wali kelas menyalinnya kembali nilai ke dalam buku yang disebut dengan raport. Hal ini menyebabkan keterlambatan, banyak waktu dan tenaga yang diperlukan dalam proses pengisian nilai raport, kurang efisien dalam pencarian nilai siswa, update nilai siswa, dan rekap nilai siswa. Metode penelitian yang digunakan dalam perancangan sistem informasi pengolahan data nilai siswa ini yaitu menggunakan metode Waterfall dan rancangan basis data menggunakan Entity Relationship Diagram (ERD) dan Logical Record Structure (LRS). Dengan berbasiskan web informasi dapat di akses kapan saja dan dimana saja dan dapat mempermudah tugas wali kelas dan guru bidang studi dalam pengolahan data nilai siswa dan dalam pencarian nilai siswa menjadi efektif dan efisien.
Comparison of Neural Network Algorithms, Naive Bayes and Logistic Regression to predict diabetes Dwi Yuni Utami; Elah Nurlelah; Fuad Nur Hasan
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 5, No 1 (2021): EDISI JULY 2021
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v5i1.5201

Abstract

Diabetes is a disease that affects many people with the characteristics of high blood sugar levels. The International Diabetic Federation (IDF) estimates the number of Indonesians aged 20 years and over, suffering from diabetes at 5.6 million people in 2001, and increasing to 8.2 million people in 2020. The problem that occurs is that many people do not know that they suffer from diabetes because they do not have basic knowledge about diabetes and the existing methods to detect diabetes are time consuming. In this study, three data mining methods were compared, namely the neural network algorithm, naïve Bayes, and logistic regression using the rapid miner application by applying the Confusion Matrix Evaluation (Accuracy) and the ROC Curve. The result of this research is that logistic regression method is a fairly good method in predicting early diagnosis of diabetes compared to the naïve Bayes method and the neural network. From the evaluation and validation, it is known that logistic regression has the highest accuracy and AUC values among the comparable methods, namely 75.78% and AUC 0.801, followed by the naïve Bayes algorithm which is 74.87% and AUC 0.799, and the neural network is 69.27% and AUC 0.736. has the lowest accuracy.
Attribute Selection in Naive Bayes Algorithm Using Genetic Algorithms and Bagging for Prediction of Liver Disease Dwi Yuni Utami; Elah Nurlelah; Noer Hikmah
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 4, No 1 (2020): ---> EDISI JULI
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (294.093 KB) | DOI: 10.31289/jite.v4i1.3793

Abstract

Liver disease is an inflammatory disease of the liver and can cause the liver to be unable to function as usual and even cause death. According to WHO (World Health Organization) data, almost 1.2 million people per year, especially in Southeast Asia and Africa, have died from liver disease. The problem that usually occurs is the difficulty of recognizing liver disease early on, even when the disease has spread. This study aims to compare and evaluate Naive Bayes algorithm as a selected algorithm and Naive Bayes algorithm based on Genetic Algorithm (GA) and Bagging to find out which algorithm has a higher accuracy in predicting liver disease by processing a dataset taken from the UCI Machine Learning Repository database (GA). University of California Invene). From the results of testing by evaluating both the confusion matrix and the ROC curve, it was proven that the testing carried out by the Naive Bayes Optimization algorithm using Algortima Genetics and Bagging has a higher accuracy value than only using the Naive Bayes algorithm. The accuracy value for the Naive Bayes algorithm model is 66.66% and the accuracy value for the Naive Bayes model with attribute selection using Genetic Algorithms and Bagging is 72.02%. Based on this value, the difference in accuracy is 5.36%.Keywords: Liver Disease, Naïve Bayes, Genetic Agorithms, Bagging.
Prediksi Penyakit Liver Dengan Menggunakan Metode Decision Tree dan Neural Network Popon Handayani; Elah Nurlelah; Mugi Raharjo; Panji Madya Ramdani
CESS (Journal of Computer Engineering, System and Science) Vol 4, No 1 (2019): Januari 2019
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (621.274 KB) | DOI: 10.24114/cess.v4i1.11528

Abstract

Penyakit Liver merupakan penyakit dimana disebabkan oleh berbagai faktor yang merusak hati, seperti virus,penggunaan alkohol dan lainnya. Dalam hal penanganan pasien pada tahap awal sangatlah penting untuk kelangsungan pasien dan penyakit hati tidak mudah ditemukan pada stadium awal. Untuk itu kami melakukan sebuah penelitian dengan menggunakan dua metode yaitu metode Decision Tree dan  Metode Neural Network untuk mengetahui nilai akurasinya. Berdasarkan hasil perbandingan, diperoleh neural network terbaik dalam mendeteksi penyakit hati.
RANCANG BANGUN E-LEARNING BAHASA INGGRIS PADA SMP ISLAM TERPADU INSAN MANDIRI KOTA SUKABUMI Tya Septiani Nurfauzia Koeswara; Yusti Farlina; Desi Susilawati; Elah Nurlelah
Swabumi Vol 7, No 1 (2019): Volume 7 Nomor 1 Tahun 2019
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v7i1.5576

Abstract

AbstractProses pembelajaran di era perkembangan teknologi saat ini memungkinkan ketidakhadirannya guru didalam kelas, siswa dapat belajar dimana saja dan kapan saja tanpa harus melakukan komunikasi verbal dengan guru. Dengan adanya fasilitas internet, sistem pembelajaran dibuat online atau sering disebut e-learning yang akan memudahkan siswa dalam memperoleh materi pembelajaran. SMP Islam Terpadu Insan Mandiri masih menggunakan metode konvensional dalam sistem pembelajarannya, khususnya dalam pelajaran Bahasa Inggris, sehingga interaksi cenderung berjalan satu arah dan kurangnya keaktifan siswa dalam belajar. Untuk itu dibuatlah sebuah perancangan E-learning mata pelajaran Bahasa Inggris khususnya untuk siswa kelas VII sebagai sistem pembelajaran dengan inovasi baru dengan harapan siswa dapat lebih aktif lagi dalam belajar. Kata Kunci: Rancang Bangun, E-learning, Bahasa Inggris Abstract The learning process in the era of technological development now allows the absence of teachers in the classroom, students can learn anywhere and anytime without having to communicate verbally with the teacher. With the availability of internet facilities, learning systems are made online or often called e-learning which will facilitate students in obtaining learning material. Integrated Islamic Middle School Mandiri Individuals still use conventional methods in their learning systems, especially in English language learning, so interactions tend to run in one direction and lack of active students in learning. For this reason, an E-learning design for English subjects was especially created for class VII students as a learning system with new innovations in the hope that students could be more active in learning. Keywords: Design, E-learning, English
PERANCANGAN SISTEM MONITORING KINERJA STAF BERBASIS WEB STUDI KASUS BSI ENTREPRENEUR CENTER Fuad Nur Hasan; Elah Nurlelah
Akrab Juara : Jurnal Ilmu-ilmu Sosial Vol 5 No 3 (2020): Agustus
Publisher : Yayasan Azam Kemajuan Rantau Anak Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

BSI Entrerpeneur Center adalah lembaga pengembangan kewirausahaan mahasiswa di lingkungan Universitas Bina Sarana Informatika. BSI Entrepreneur Center ada disetiap kampus Universitas Bina Sarana Informatika. Staf yang bertugas menjadi koordinator BSI Entrepreneur Center wajib melaporkan kegiatan dan kinerjanya kepada pimpinan di Kampus Utama Universitas Bina Sarana Informatika. Dokumen yang harus dilaporkan meliputi pra-release kegiatan, proposal kegiatan, laporan kegiatan, press-release kegiatan, MoU, MoE dan target kinerja masing-masing staf setiap semesternya. Dengan melihat kebutuhan diatas maka penulis merancang sebuah sistem monitoring yang akan membantu proses penyampaian dari dokumen-dokumen tersebut secara digital. Perancangan sistem ini menggunakan metode waterfall, sedangkan dalam database design penulis menggunakan Entity Relationship Diagram (ERD) dan Logical Record Structure (LRS). Sistem dibangun dengan menggunakan konsep Object Oriented Programming (OOP) dan Unified Modeling Language (UML) sebagai perangkat pembantu dalam pembuatan sistem dengan database MySQLi sebagai media penyimpanan datanya. Tujuan dirancangnya sistem monitoring kinerja staf ini adalah untuk memudahkan pimpinan perguruan tinggi melakukan monitoring terhadap staf yang bertugas di BSI Entrepreneur Center.
SELEKSI ATRIBUT PADA ALGORITMA NEURAL NETWORK MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK DIAGNOSIS PENYAKIT LIVER Elah Nurlelah; Dwi Yuni Utami
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.460

Abstract

The liver is a vital human organ that has complex and diverse functions, one of which is to maintain the needs of the organs in the body, especially the brain. One of the diseases that attack the liver is hepatitis or liver. According to WHO (World Health Organization) data, nearly 1.2 million people per year, especially in Southeast Asia and Africa, die from liver disease. The problem that usually occurs is that it is difficult to recognize liver disease early on, even when the disease has spread. From these problems, the researchers diagnosed liver disease using data mining using the Neural Network Algorithm and Particle Swarm Optimization (PSO)-based Neural Network Algorithm which was taken from secondary data from the UCI Machine Learning Repository (University of California Invene). Based on the results of the research, the accuracy value of the Neural Network algorithm is 66.83%, while the accuracy value of the Neural Network Optimization algorithm using PSO is 72.37% so that the difference in the accuracy value is 5.54%. So it can be concluded that the application of particle swarm optimization techniques is able to select attributes on the Neural Network, resulting in a better level of accuracy in the diagnosis of liver disease than using the individual method of the Neural Network algorithm. Keywords: Liver, Neural Network Algorithm, Particle Swarm Optimization (PSO)-based Neural Network Algorithm Hati  adalah  organ vital  manusia  yang memiliki   fungsi   kompleks   dan   beragam,   salah satunya  adalah  dengan  menjaga  kebutuhan  organ dalam  tubuh,  khususnya  otak. Salah satu penyakit yang menyerang hati adalah hepatitis atau liver. Menurut data WHO (World Health Organization) menunjukkan hampir 1,2 juta orang per tahun khususnya di Asia Tenggara dan Afrika mengalami kematian akibat terserang penyakit liver. Permasalahan yang biasanya terjadi adalah sulitnya mengenali penyakit liver sejak dini, bahkan ketika penyakit tersebut sudah menyebar. Dari permasalahan tersebut peneliti melakukan diagnosa penyakit liver dengan data mining menggunakan algoritma Neural Network dan Algoritma Neural Network dioptimasi dengan Particle Swarm Optimization (PSO) yang diambil dari data  sekunder Machine Learning Repository  UCI (Universitas California Invene). Berdasarkan hasil penelitian nilai akurasi algoritma Neural Network senilai 66,83%, sedangkan untuk nilai akurasi Optimasi algoritma Neural Network menggunakan PSO sebesar 72,37% dan tampak selisih nilai akurasi yaitu sebesar 5,54%. Sehingga dapat disimpulkan bahwa penerapan teknik optimasi particle swarm optimization mampu menyeleksi atribut pada Neural Network, sehingga menghasilkan tingkat akurasi diagnosis penyakit liver yang lebih baik dibanding dengan menggunakan metode individual algoritma Neural Network.Kata kunci: Liver, Algoritma Neural Network, Algoritma Neural Network berbasis Particle Swarm Optimization (PSO)
KOMPARASI METODE ANN-PSO DAN ANN-GA DALAM PREDIKSI PENYAKIT TUBERKULOSIS Erika Mutiara; Elah Nurlelah; Erni Ermawati; Muhammad Rifqi Firdaus
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.462

Abstract

Tuberculosis (TB) can attack various organs, especially the lungs caused by the bacteria Mycobacterium tuberculosis. Tuberculosis (TB) is one of the infectious diseases that can infect all groups ranging from infants, children, adolescents to the elderly and disease and death of more than 1 million people every year. According to WHO data (2015), Indonesia is the country with the second most pulmonary tuberculosis sufferers in the world, which is 10% of the total cases of pulmonary tuberculosis in the world. There have been many studies that discuss Tuberculosis (TB) in this study, a comparison of the Artificial Neural Network method with Particle Swarm Optimization (PSO) and the Artificial Neural Network method with Genetic Algorithm (GA) was carried out to eliminate input attributes in the neural network algorithm method in order to improve tuberculosis prediction accuracy. Testing using Neural Network Algorithm by adding Particle Swarm Optimization (PSO) and Genetic Algortihm (GA) proved to get better results. The accuracy value obtained only by adding PSO is 95.66%. Meanwhile, by adding GA, the accuracy get even higher, namely 96.55%, compared to only using the Neural Network without other optimizations, the accuracy rate is 94.51%. Keywords:  Tuberculosis, Artificial Neural Network, Particle Swarm Optimization, Genetic Algorithm Penyakit Tuberkulosis (TBC) dapat menyerang berbagai organ, terutama paru-paru yang disebabkan oleh kuman mycobacterium tuberculosis. Tuberkulosis (TBC) ini merupakan salah satu penyakit menular yang dapat menginfeksi semua kalangan mulai dari bayi, anak-anak, remaja sampai lansia dan menimbulkan kesakitan dan kematian lebih dari 1 juta orang setiap tahun. Menurut data WHO (2015) menyatakan Indonesia sebagai negara dengan penderita tuberkulosis paru terbanyak kedua di dunia yaitu sebanyak 10% dari total global kasus tuberkulosis paru di dunia. Sudah banyak penelitian yang membahas tentang penyakit Tuberkulosis (TBC) pada penelitian kali ini dilakukan komparasi metode Artificial Neural Network dengan Particle Swarm Optimization (PSO) dan metode Artificial Neural Network dengan Genetic Algorithm (GA) untuk mengeliminasi atribut input pada metode Algoritma neural network agar meningkatkan akurasi prediksi penyakit tuberculosis. Pengujian menggunakan Algoritma Neural Network dengan menambahkan Particle Swarm Optimization (PSO) dan Genetic Algortihm (GA) terbukti mendapatkan hasil yang lebih baik. Nilai akurasi yang didapatkan hanya dengan menambahkan PSO sebesar 95,66%. Sementara dengan menambahkan GA mendapat akurasi yang lebih tinggi lagi yakni 96,55%, dibandingkan hanya menggunakan Neural Network saja tanpa optimasi lain, tingkat akurasinya sebesar 94,51%.Kata kunci: Tuberkulosis, Artificial Neural Network, Particle Swarm Optimization,Genetic Algorithm
Co-Authors Ari Abdilah Ari Abdillah Desi Susilawati Dwi yuni Utami Dwi Yuni Utami Erika Mutiara Erni Ermawati Fuad Nur Hasan Fuad Nur Hasan Gata, Windu Mugi Raharjo Muhammad Rifqi Firdaus Noer Hikmah Nurlaelatul Maulidah Panji Madya Ramdani Popon Handayani Sischa Rahmawati Tya Septiani Nurfauzia Koeswara Yohana Rosalinda Situmorang Yusti Farlina