Elin Haerani
Jurusan Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

MODEL PENANGGULANGAN KEMISKINAN BERBASIS WILAYAH MENGGUNAKAN FUZZY C-MEANS DAN SIMPLE MATCHING COEFFICIENT Fitri Wulandari; Rice Novita; Elin Haerani; Febi Nur Salisah
Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 3, No 2 (2017): Agustus
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/rmsi.v3i2.4298

Abstract

Kemiskinan merupakan masalah yang kompleks yang dihadapi Indonesia. Usaha untuk menanggulangi kemiskinan sudah lama diupayakan, namun hasilnya belum maksimal. Kemiskinan masih banyak dialami oleh rakyat dan terkonsentrasi pada wilayah-wilayah tertentu. Ada beberapa hal yang menyebabkan terjadinya konsentrasi kemiskinan tersebut, antara lain adanya perbedaan kemajuan pembangunan suatu wilayah yang dapat menimbulkan kesenjangan pendapatan dan sekaligus akan menimbulkan perbedaan tingkat kemiskinan. Pada penelitian ini dilakukan pengelompokkan kemiskinan menggunakan fuzzy clustering means. Dengan menggunakan 28 indikator kemiskinan dan dikelompokkan menjadi 5 kriteria (kesejateraan, pendidikan, lingkungan ekonomi, infrastruktur dan pelayanan, dan lingkungan pendukung) maka tingkat kemiskinan dapat dibagi menjadi 4 cluster wilayah kemiskinan yaitu sangat miskin, cukup miskin, agak miskin dan tidak miskin. Penanganan setiap wilayah kemiskinan satu daerah dengan daerah lain akan berbeda, tergantung dengan latar belakang kemiskinan wilayah tersebut. Dengan menggunakan case base reasoning dan model similarity matching coefficient maka langkah penanggulanggalan kemiskinan dapat disesuaikan dengan kondisi dan latar belakang wilayah tersebut.
Pengembangan Kompetensi Profesional Dosen Berbasis Knowledge Management System Rice Novita; Novrianto novrianto; febi nursalisah; elin haerani
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (554.864 KB)

Abstract

Dosen adalah sebuah profesi yang memerlukan kualifikasi dan kompetensi dosen tertentu. Khususnya bidang akademik dan unjuk kerja pada tri dharma perguruan tinggi. Penelitian dan pengabdian masyarakat merupakan bagian dari tri dharma perguruan tinggi. Dosen wajib melakukan penelitian utnuk mengembangkan keilmuannya. Dalam pengembangan penelitian dan pengabdian masyarakat dibutuhkan diskusi atara dosen sebidang ilmu dan lintas ilmu. Padatnya jadwal kegiatan dosen, sangat jarang sekali dosen melakukan diskusi atau focus group discussion (FGD). Sehingga antar dosen tidak mengetahui informasi penelitian yang telah mereka lakukan, yang seharusnya dapat dikembangkan dan dikolaborasikan. Penelitian dan pengabdian masyarakat  masing masing dosen khususnya sains dan teknologi masih disimpan oleh dosen yang bersangkutan. Penelitian ini membangunkan sebuah sistem informasi untuk mengembangkan kempetensi professional dosen khususnya bidang penelitian dan pengabdian masyarakat berbasis knowledge management system (KMS). Perancangan menggunakan OOAD dan Framework Knowladge Management yang digunakan Amrit Tiwana pada fase 1 dan fase 2.  Dengan adanya  sistem informasi pengembangan kompetensi professional dosen ini data akan dapat terdokumen dengan baik, para dosen dapat melakukan berdiskusi secara online tanpa harus dengan tatap muka. sehingga dosen yang lain dapat menjadikan referensi dan terjalinnya ilmu yang saling terintegrasi
IDENTIFIKASI ADVERSE EVENTS YANG TIMBUL KARENA PENGGUNAAN OBAT RANITIDINE MENGGUNAKAN METODE EQUIVALENCE CLASS TRANSFORMATION (ECLAT) Nailatul Fadhilah; Alwis Nazir; Teddie Darmizal; Elin Haerani; Fadhilah Syafria
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 2 No 1 (2020): April
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v2i1.65

Abstract

Asam lambung atau yang sering disebut maag merupakan penyakit yang paling sering terjadi di setiap kalangan. Cara yang biasanya digunakan untuk mengobati penyakit maag yaitu dengan mengkonsumsi ranitidine. Ranitidine merupakan salah satu jenis obat yang biasanya digunakan untuk mengobati atau mencegah sakit maag, rasa panas diperut, dan sakit pada perut yang dikarenakan oleh tukak lambung. Ranitidine untuk pertama kali dilegalkan di Indonesia pada tahun 1989. Dalam menggunakan obat- obatan, tubuh dapat merespon dengan efek yang tidak diinginkan yang biasa disebut dengan adverse event. Ada beberapa adverse event yang berbahaya seperti kelumpuhan, perawatan intensif di rumah sakit, hingga kematian. Pada tahun 2019, FDA (Food and Drug Administration) mengumumkan bahwa obat ranitidine ditarik karena kadar NDMA (N-nitrosodimethylamin) di dalam lebih tinggi dari batas asupan yang diterima. Data mengenai adverse event dari ranitidine didapatkan dari semua laporan dari Rumah Sakit dan Dokter di Amerika Serikat yang berasal dari FDA (Food and Drug Administration) pada tahun 2016 hingga 2020. Data pada penelitian ini berjumlah 2089 data dengan 8 atribut. Penelitian yang digunakan yaitu association rule dengan algoritma Equivalence Class Transformation (ECLAT). Penelitian ini bertujuan untuk mengidentifikasi hubungan adverse event pada ranitidine. Hasil penelitian didapatkan dari pengujian persentase tertinggi yang memiliki nilai support 0.063, nilai confidence 0.82 dan Lift Ratio 1.16.
PENCARIAN HUBUNGAN ADVERSE EVENT YANG TIMBUL AKIBAT MENGKONSUMSI OBAT ASPIRIN MENGGUNAKAN EQUIVALENCE CLASS TRANSFORMATION (ECLAT) Muhammad Ichsanul Bukhari; Alwis nazir; Elin Haerani; Fadhilah Syafria
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 2 No 2 (2020): Agustus
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v2i2.66

Abstract

Aspirin merupakan salah satu jenis obat yang paling banyak digunakan di dunia. Di Indonesia, aspirin termasuk dalam golongan obat bebas sehingga dapat dibeli secara bebas oleh masyarakat. Mengonsumsi obat aspirin memberikan banyak manfaat namun penggunaan yang tidak sesuai aturan dapat menimbulkan efek samping maupun Adverse Event dapat terjadi pula. “Adverse Event adalah pengalaman yang tidak diinginkan terkait penggunaan obat. Penelitian ini menggunakan data dari FAERS FDA (Food and Drug Administration) Amerika Serikat dengan menggunakan Association Rule algoritma Equivalence Class Transformation (ECLAT) untuk menemukan hubungan antara itemset yang dihasilkan”. FDA Adverse Event Reporting System (FAERS) adalah database yang berisi laporan Adverse Event, medication error reports dan keluhan kualitas produk yang mengakibatkan Adverse Event yang disampaikan ke food and drug administration. Data yang digunakan di dalam penelitian ini merupakan data Adverse Event yang mengandung nama obat aspirin dengan sebanyak 1100 record data dan menggunakan 8 atribut. Hasil dari pengujian dengan menetapkan minimum support 0.1% dan confidence 0.1 % menghasilkan rule sebanyak 393 rule dimana rule paling tinggi merupakan hubungan antara Adverse Event Abdominal Discomfort dengan hubungan obat aspirin. Hasil lain dari pengujian yang dilakukan menghasilkan rule yang paling banyak pada minimum support 0.1% dan confidence 0.1 % sebanyak 393 rule dan rule paling sedikit terdapat pada nilai min support 40% dan confidence 10% sebanyak 2 buah rule.
PENERAPAN ALGORITMA EQUIVALENCE CLASS TRANSFORMATION (ECLAT) DALAM PENCARIAN ADVERSE EVENT OBAT DIPHENHYDRAMINE Putri Mardatillah; Alwis Nazir; Muhammad Fikry; Elin Haerani; Fadhilah Syafria
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 2 No 3 (2020): Desember
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v2i3.74

Abstract

Obat merupakan zat yang dapat menyembuhkan suatu penyakit. Peredaran obat di Indonesia diatur ke dalam beberapa golongan seperti obat golongan bebas, obat bebas terbatas, obat wajib apotik, obat keras, psikotropika dan narkotika. Obat golongan bebas dapat dibeli secara bebas oleh masyarakat untuk menangani suatu penyakit secara singkat. Obat diphenhydramine merupakan salah satu jenis obat golongan bebas yang berguna dalam menangani alergi, batuk, pilek dan obat tidur. Obat diphenhydramine memiliki banyak manfaat namun risiko, efek samping dan adverse event masih belum diketahui. Pada penelitian ini menggunakan data obat diphenhydramine Adverse Event Reporting System milik Food and Drug Administration Amerika Serikat (FAERS FDA) dari tahun 2016 hingga 2020 dengan 4 quarter pertahun serta 8 atribut dari 3 tabel untuk mencari adverse event dengan menggunakan algoritma Equivalence Class Transformation (ECLAT) dengan menerapkan metode Knowledge Discovery in Database (KDD). Pengujian yang dilakukan pada hasil penelitian ini menggunakan lift ratio untuk mengetahui kekuatan rule yang dihasilkan. Penelitian ini menghasilkan 2 jenis itemset, yaitu dengan menggunakan pengujian 2 itemset dengan mininum support 0.1% minimum cofidence 0.1% menghasilkan 416 rule, dan pengujian minimum support 1% minimum cofidence 1% menghasilkan 43 rule. Kemudian dilakukan pengujian dengan menggunakan 3 item set menggunakan minimum support 0.1% dan minimum cofidence 0.1% menghasilkan 882 rule.
IMPLEMENTASI K-MEANS CLUSTERING PADA DATA PENGELOMPOKAN PENDAFTARAN MAHASISWA BARU (STUDI KASUS UNIVERSITAS ABDURRAB Muhammad Hanif Abdurrohman; Elin Haerani; Fadhilah Syafria; Lola Oktavia
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 9 No 1 (2024): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v9i1.4255

Abstract

Menghadapi dinamika kompleks pendaftaran mahasiswa baru, metode k-means clustering diperkenalkan sebagai pendekatan utama. Fokusnya adalah pada Universitas Abdurrab, di mana diselidiki berbagai atribut calon mahasiswa, termasuk jenis kelamin, pendidikan orangtua, penghasilan orangtua, kota/kabupaten asal, provinsi, usia, dan pilihan program studi. Dengan algoritma k-means clustering, tujuan penelitian adalah mengungkap pola yang mendasari preferensi dan karakteristik kelompok mahasiswa baru. Hasil dari penelitian ini memberikan wawasan mendalam mengenai faktor-faktor yang mempengaruhi keputusan penerimaan mahasiswa baru di lingkungan kampus Universitas Abdurrab. Pada penelitian ini Davies-Bouldin Index (DBI) digunakan sebagai metode untuk menentukan jumlah cluster optimal, nilai DBI terendah adalah 1,5 yang terjadi pada 8 cluster. Hal ini menunjukkan bahwa 8 cluster adalah jumlah cluster optimal untuk data yang telah ditransformasi dan siap dilakukan k-means clustering. Setelah melaksanakan proses clustering dengan metode K-Means yang melibatkan pembentukan 8 cluster, untuk menemjukan pola dan wawasan dari hasil clustering, ada dua cara yang digunakan pada penelitian ini, pertama membuat heatmap korelasi fitur yang ditampilkan, dapat diperoleh informasi mengenai hubungan antar variabel. Nilai korelasi berkisar antara -0.4 hingga 1.0 dimana nilai positif menunjukkan korelasi positif dan nilai negatif menunjukkan korelasi negatif. Korelasi positif berarti bahwa jika nilai salah satu variabel meningkat, maka nilai variabel lainnya juga cenderung meningkat. Sebaliknya, korelasi negatif berarti bahwa jika nilai salah satu variabel meningkat, maka nilai variabel lainnya cenderung menurun.
Klasifikasi sentimen terhadap larangan pernikahan beda agama menggunakan metode Naive Bayes Classifier Muhammad Rizki Syafapri; Elin Haerani; Iwan Iskandar; Liza Afriyanti
Computer Science and Information Technology Vol 5 No 1 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i1.6889

Abstract

Interfaith marriage is still a controversial issue in multicultural Indonesian society. The provisions of Law Number 1 of 1974 which prohibit interfaith marriages have triggered various responses in society. In 2023, the Supreme Court (MA) decided to prohibit religious courts from registering interfaith marriages. This further strengthened the controversy and sparked various reactions from the public. Platforms like Instagram have become a forum for people to express their various sentiments regarding this issue, ranging from support, rejection, to questions and doubts. This research classifies 1000 Instagram comments collected from five news social media accounts. These comments were labeled manually by an expert who works as an Indonesian language lecturer, so they were divided into 500 positive comments and 500 negative comments. After going through the text preprocessing process and TF-IDF weighting, the Naïve Bayes Classifier method succeeded in achieving the highest level of accuracy of 76% by using 10% of test data from the dataset to classify public sentiment towards the ban on interfaith marriage in Instagram comments.
Intrusion Detection System (IDS) Pada Snort Dengan Bot Telegram Sebagai Sistem Notifikasi Terhadap Serangan Syn Flood dan Ping Of Death Zuriati Ardila Safitri; Elin Haerani; Rometdo Muzawi; Muhammad Affandes; Pizaini
SATIN - Sains dan Teknologi Informasi Vol 10 No 1 (2024): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/stn.v10i1.1138

Abstract

Keamanan jaringan menjadi prioritas penting dalam era digital. Penelitian ini mengembangkan sistem Intrusion Detection System (IDS) berbasis Snort yang terintegrasi dengan bot Telegram untuk notifikasi real-time dan menggunakan kecerdasan buatan (AI) untuk mendeteksi serta mengelompokkan jenis serangan Syn Flood dan Ping of Death. Snort dikonfigurasi dengan aturan khusus untuk mendeteksi kedua jenis serangan ini. Bot Telegram digunakan untuk mengirimkan notifikasi langsung kepada administrator jaringan saat serangan terdeteksi. Hasil penelitian menunjukkan bahwa sistem ini mampu mendeteksi serangan dengan cepat, memberikan notifikasi real-time, dan mengelompokkan jenis serangan dengan akurasi tinggi. Integrasi ini meningkatkan efektivitas deteksi dan respons terhadap serangan jaringan, menawarkan solusi yang lebih aman dan efisien bagi organisasi.
Model Prediksi Jumlah Penjualan Pelumas Mesin Di PT. X Dengan Algoritma Naïve Bayes Purnama, Nilam; Fitri Insani; Elin Haerani; Iis Afrianty
Computer Science and Information Technology Vol 5 No 3 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i3.8250

Abstract

Machine lubricants are essential materials used to reduce friction between two moving surfaces, improve machine efficiency, and extend the lifespan of components. This study aims to predict the sales volume of machine lubricants at PT. X using the Naïve Bayes algorithm. The data used includes attributes such as year, month, material description, total allocation, realization, and remaining allocation, with a total of 3,006 data points obtained from PT. X's Warehouse Management System (WMS). The model was tested using the 10-Fold Cross Validation method and testsing without such validation. The test results show an accuracy of 71% with 10-Fold Cross Validation, compared to 14% without validation. Additional testing showed an accuracy of 5%, with RMSE of 124.71 and MAPE of 0.95. Based on these results, it is recommended to optimize data preprocessing, such as handling data imbalance and feature normalization, to improve prediction accuracy. Furthermore, using more diverse validation techniques, such as stratified cross-validation, can provide more stable evaluations. Given that predictions are influenced solely by historical data, it is recommended to periodically update the data to keep the model relevant and accurate. This research is expected to assist PT. X in planning sales strategies and managing lubricant stock more effectively.