Article Per Year (5 Year)
p-Index From 2020 - 2025
2.886
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Sistemasi: Jurnal Sistem Informasi Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi Zonasi: Jurnal Sistem Informasi INFORMASI (Jurnal Informatika dan Sistem Informasi) Jurnal Computer Science and Information Technology (CoSciTech)
Elvia Budianita
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Neuroscience Transportation

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Analisa Pola Makan Mahasiswa Penderita Gastritis (Maag) Dengan Menerapkan Metode Frequent Pattern-Growth (FP-Growth) Fitri Astuti; Elvia Budianita; Alwis Nazir; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4447

Abstract

Abstract— Gastritis is an inflammation that occurs in the walls of the stomach. Young and mature age belongs to the category of productive age, where the productive age is more at risk of developing gastritis. This study aims to find the diet of students of Sultan Syarif Kasim Riau Islamic University by applying the fp-growth algorithm. This study used 502 records of data obtained from interviews with several students of the Sultan Syarif Kasim Riau Islamic University. The attributes used are faculty, semester, gender, place to live, busy college schedule solutions, the habit of consuming staple foods, snacks, instant noodles, fast food, spicy food, coffee, soft drinks, and snacks. Based on the results of the implementation of the application that was built and tested using the RapidMiner tools with a minimum support of 6%, and a minimum confidence of 100%, 4 patterns were found with a lift ratio of 1.88. From the 4 association patterns produced, it can be concluded that students with gastritis who have the habit of consuming staple food 2 x / day, spicy food and fast food 2-3 x / week or 4-5 x / week, consume coffee sometimes or 1 x / week, and endure hunger as a solution to a busy college schedule, the student is a student who lives in a boarding house / rented.Keywords : Data Mining, Pattern Association, FP-Growth, Gastritis Disease Abstrak— Gastritis adalah peradangan yang terjadi pada dinding lambung. Usia muda dan dewasa termasuk dalam kategori usia produktif, dimana usia produktif lebih berisiko terkena gastritis. Penelitian ini bertujuan untuk menemukan pola makan mahasiswa Universitas Islam Sultan Syarif Kasim Riau dengan menerapkan algoritma fp-growth. Penelitian ini menggunakan 502 records data yang diperoleh dari hasil wawancara terhadap beberapa mahasiswa Universitas Islam Sultan Syarif Kasim Riau. Atribut yang digunakan adalah fakultas, semester, jenis kelamin, tempat tinggal,  solusi jadwal kuliah padat, kebiasaan mengkonsumsi makanan pokok, makanan ringan, mie instan, fast food, makanan pedas, kopi, minuman bersoda, dan jajanan. Berdasarkan hasil implementasi aplikasi yang dibangun dan pengujian menggunakan tools RapidMiner dengan minimum support 6% dan minimun confidence 100% ditemukan 4 pola dengan lift ratio 1,88. Berdasarkan 4 pola asosiasi yang dihasilkan dapat disimpulkan bahwa bahwa Mahasiswa penderita gastritis yang memiliki kebiasaan mengkonsumsi makanan pokok 2 x/hari, makanan pedas dan fast food  2-3 x/minggu atau 4-5 x/minggu, mengkonsumsi kopi kadang – kadang atau 1 x/minggu, serta menahan lapar sebagai solusi jadwal kuliah yang padat maka mahasiswa tersebut merupakan mahasiswa yang tinggal di kos/kontrakanKata kunci : Data Mining, Pola Asosiasi, FP-Growth, Penyakit Gastritis
Penerapan Algoritma Hash Based Untuk Analisis Pola Pemilihan Mata Kuliah Pilihan Jurusan Teknik Informatika UIN Sultan Syarif Kasim Riau Desra Rizki Riyandi; Elvia Budianita; Zulkarnain Zulkarnain
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4449

Abstract

Abstrak - Mata kuliah pilihan merupakan sebuah cara yang digunakan oleh jurusan dalam rangka meningkatkan mutu dan skill mahasiswa. Namun, tidak sedikit mahasiswa yang salah mengambil mata kuliah pilihan karena tidak menyadari potensi dalam dirinya yang mengakibatkan menurunnya prestasi akademik mahasiswa tersebut. Selama ini juga belum ada penyimpanan data yang digunakan sebagai history atau bahan pertimbangan bagi mahasiswa. Asosiasi menjadi salah satu solusi  pencarian pola pada data mining dengan bantuan algoritama hash bashed. Algoritma ini mampu memperbaiki kelemahan algoritma apriori dalam menentukan frequent itemset. Algoritma Hash-based merupakan algoritma yang  menggunakan teknik hashing untuk menyaring keluar itemset yang tidak penting untuk pembangkitan itemset selanjutnya.Aturan pola yang didapatkan dari total data sejumlah 530 data menghasilkan pola akhir 3 itemset dengan pola faktor dosen pengampu, minat tersendiri dan, topik tugas akhir (DS,MN,TA) dengan nilai confidence tertinggi senilai 73%, sehingga menjadi faktor yang paling mepengaruhi mahasiswa dalam memilih mata kuliah pilihan.Kata Kunci: Akademik, Asosiasi, Mahasiswa, Mata Kuliah Pilihan, Hash Bashed Abstract - Elective courses are a method used by majors in order to improve the quality and skills of students. However, not a few students take the wrong elective courses because they do not realize their potential which results in a decline in the student's academic achievement. So far, there is no data storage that is used as history or consideration for students. Association is one of the solutions for finding patterns in data mining with the help of hash bashed algorithms. This algorithm is able to improve the weaknesses of the a priori algorithm in determining frequent itemset. Hash-based algorithm is an algorithm that uses a hashing technique to filter out itemsets that are not important for the next itemset generation. The pattern rules obtained from a total of 530 data produce a final pattern of 3 itemsets with a pattern of supporting lecturer factors, special interests and, the topic of the final project (DS, MN, TA) with the highest confidence value of 73%, so that it becomes the most influencing factor for students in choosing elective courses.Keywords: Academic, Association, Student, Elective Course, Hash Based
Klasifikasi Status Stunting Balita Menggunakan Metode Naïve Bayes Gaussian Berbasis Web Makmur Mulyono; Elvia Budianita; Alwis Nazir; Fadhilah Syafria
Jurnal Informatika Universitas Pamulang Vol 8 No 3 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i3.33399

Abstract

The growth and development of toddlers must get attention from parents because toddlerhood is a golden period in shaping the growth and development and intelligence of children. Stunting is  a state of malnutrition in which stunted growth and development of children and this is included in chronic nutritional problems, the incidence of stunting  can be seen from height that is not in accordance with age. In preventing toddlers from stunting, it is necessary to anticipate early prevention by conducting examinations at the nearest posyandu which is measured using anthropometric methods. The calculation  of stunting or normal status based on anthropometric data is generally processed manually so that there is a high possibility of errors in calculating and entering data. Data mining can make classifications or predictions on the stunting status  of toddlers by studying previous data patterns. Naïve bayes is one classification method that has the advantage of high accuracy with little training data as for the attributes used in this study, namely age, gender, Early Initiation of Breastfeeding (IMD), weight, height. Based on the test results, the best average accuracy was obtained on numerical data types for age, weight, height and nominal gender attributes, Early Breastfeeding Initiation (IMD) with the highest accuracy in the 80:20 data comparison, which is 80.34% with a total of 1172 data.
KLASIFIKASI TINGKAT KECANDUAN INTERNET TERHADAP REMAJA PEKANBARU MELALUI PENDEKATAN ALGORITMA NAÏVE BAYES Mhd Ikhsanul Fikri; Elvia Budianita; Iwan Iskandar; Eka Pandu Cynthia
ZONAsi: Jurnal Sistem Informasi Vol. 6 No. 2 (2024): Publikasi Artikel ZONAsi: Periode Mei 2024
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zn.v6i2.20191

Abstract

Penggunaan internet terus meningkat di kalangan remaja. Namun, kemampuan remaja dalam memilah aktivitas internet yang bermanfaat belum sepenuhnya terwujud. Menurut survei APJII 2022, penggunaan internet pada usia 13-18 tahun meningkat hingga 99,16%. Hal ini menunjukkan peningkatan signifikan terhadap kecanduan internet. Sehingga dilakukan penelitian untuk mengevaluasi akurasi klasifikasi kecanduan internet terhadap remaja Pekanbaru menggunakan data mining dengan algoritma Naïve Bayes. Data yang digunakan sebanyak 510 data melalui kusioner. Hasil penelitian dalam klasifikasi menerapkan pengujian 10-Fold Cross Validation dengan model data latih 459 data dan diuji pada 51 data untuk pengujian. Didapatkan bahwa nilai akurasi tertinggi yaitu pada fold ke-3 dengan nilai 98% memiliki nilai precision, recall, dan f1-score adalah 98%, 99%, dan 98%. Untuk nilai akurasi terendah yaitu pada fold ke-1 dengan nilai 86% memiliki nilai precision, recall, dan f1-score adalah 86%, 87%, dan 86%. Untuk performa rata-rata yang diperoleh melalui hasil 10-fold Cross Validation menunjukkan bahwa nilai accuracy, precision, recall, dan f1-score adalah 93%, 87,3%, 89,9%, dan 88,1%. Berdasarkan hasil rata-rata akurasi yang diperoleh sebesar 93% menunjukkan metode Naïve Bayes dapat mengklasifikasikan tingkat kecanduan internet yang terdiri atas 4 kelas yaitu normal, mild, moderate, severe.
Co-Authors Agung Syaiful Rahman Alwis Nazir Ammar Muhammad Damayanti, Elok Desra Rizki Riyandi Eka Pandu Cynthia Eka Pandu Cynthia Elin Haerani Fadhilah Syafria Febi Yanto Fitri Astuti Ihlal Hanafi Harahap Iis Afrianty Iwan Iskandar Jeki Dwi Arisandi Makmur Mulyono Mhd Ikhsanul Fikri Muhammad Affandes Muhammad Fikry Nanda Sepriadi Nazruddin Safaat H Pizaini Rahmad Kurniawan Reski Mai Candra Rinaldi Syarfianto Silfia Silfia Suwanto Sanjaya Syafira Agnesti Yusra, Yusra Zulkarnain Zulkarnain