Article Per Year (5 Year)
p-Index From 2021 - 2026
1.879
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Ilmiah FIFO Jurnal Sisfokom (Sistem Informasi dan Komputer) JATI (Jurnal Mahasiswa Teknik Informatika) JUSTIN (Jurnal Sistem dan Teknologi Informasi) IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Nasional
Eliyani Eliyani
Universitas Mercu Buana
Religion Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Library & Information Science Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Aplikasi Pencarian Pekerja Jasa Rumah Tangga di Sekitar dengan Metode Radius dan Rating Berbasis Android Erlangga, Jerry; Eliyani, Eliyani
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 3 (2021): Volume 7 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i3.47686

Abstract

Berkurangnya lapangan pekerjaan akibat penurunan beberapa sektor usaha dikarenakan masa krisis akibat pandemi, membuat banyak pekerja memilih beralih menjadi pekerja rumah tangga untuk memperoleh penghasilan. Penelitian ini bertujuan untuk membuat aplikasi yang dapat mempertemukan pencari kerja dengan pemberi kerja. Digunakan Metode Radius yang memanfaatkan Google Maps API dalam mengakses lokasi pemberi kerja dan pencari kerja sehingga pencari kerja dapat dengan mudah mencari pekerjaan yang berada disekitarnya. Pekerjaan yang telah diselesaikan akan diberikan rating oleh pemberi kerja sesuai tingkat kepuasan terhadap hasil pekerjaan pencari kerja. Aplikasi yang dibangun sudah memiliki peningkatan keamanan seperti enkripsi koneksi web service ke server Backend, verifikasi OTP nomor telepon, dan verifikasi data pengguna dengan foto kartu identitas. Menggunakan metode black box testing, semua fitur dapat berjalan secara optimal. Pengujian dilakukan terhadap 20 pengguna dengan menggunakan mobile phone berbasis android dengan beragam versi. Hasil ujicoba menunjukkan bahwa semua fitur dapat berjalan secara optimal pada Android versi 7 hingga 11 dengan akurasi 95% namun 1 dari 20 pengguna tersebut tidak dapat menjalankan aplikasi karena android yang digunakan berada di bawah versi 7.
Pengembangan Aplikasi Helpdesk Ticketing System Dengan Algoritma Multinomial Naïve Bayes Classifier Muhammad Dery Setiawan; Eliyani Eliyani
Jurnal Ilmiah FIFO Vol 14, No 2 (2022)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2022.v14i2.001

Abstract

PT FGS Infotama merupakan perusahaan penyedia jasa Aplikasi Online Trading yang tidak hanya fokus pada implementasi tahap awal, melainkan beberapa hal penting lainnya, seperti pelatihan,  pengembangan,  perawatan dan sosialisasi terkait dengan software yang diterapkan. Saat ini keluhan diterima melalui email, telepon maupun whatsapp sehingga relatif sulit dalam mengelola keluhan yang masuk. Tujuan dari penelitian ini adalah membuat helpdesk ticketing system yang dilengkapi dengan klasifikasi tingkat urgensi keluhan,  dan beberapa fitur lain seperti Frequently Asked Question, News yang berisi infomasi ke klien dari Perusahaan, dan Notifikasi tiket masuk dan ketika tiket telah diselesaikan. Metode yang digunakan untuk mengembangkan aplikasi ini adalah metode Waterfall, sementara algoritma yang digunakan untuk mengklasifikasi keluhan adalah Multinomial Naive Bayes Classifier. Algoritma ini diimplementasikan pada form create ticket. Aplikasi dikembangkan berbasis web. Setelah dilakukan pengujian,  didapatkan hasil akurasi data yang berasal dari email sebesar 61.90% dan hasil akurasi dari data yang berasal dari whatsapp sebesar 73.6%.
Algoritma J48 untuk Pemodelan Sistem Prediksi Tingkat Kerawanan Banjir dengan Visualisasi Web GIS Nia Kurnia Asih; Eliyani Eliyani
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 1 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (820.433 KB) | DOI: 10.26418/justin.v10i1.41374

Abstract

Banjir merupakan bencana yang sering terjadi di Indonesia. Banjir yang terjadi di Indonesia merupakan kombinasi antara faktor alam dan faktor non alam (antropogenik). Banyak wilayah  rawan banjir yang jumlah penduduknya cukup tinggi dikarenakan kurangnya pemahaman jika wilayah yang ditempati merupakan wilayah rawan banjir. Untuk itu dibuat suatu Pemodelan Sistem Pendukung Keputusan Prediksi Tingkat Kerawanan Banjir menggunakan Metode Decision Tree Algortima J48 dengan menggunakan empat parameter yaitu curah hujan rata-rata, kelerengan tanah, penggunaan lahan dan jarak antara wilayah kelurahan dengan sungai. Akurasi yang dihasilkan dari Algoritma J48 tersebut adalah 85,97%. Nilai akurasi tersebut dapat dinyatakan tinggi sebagai model prediksi. Model Prediksi tersebut digunakan sebagai acuan perancangan Sistem Prediksi Tingkat Kerawanan Banjir Di Kota Administrasi Jakarta Timur yang terdapat 65 kelurahan didalamnya. Hasil prediksi tingkat kerawanan banjir dari sistem ini divisualisasikan dalam bentuk web map menggunakan Web GIS.
SOSIALISASI PENGGUNAAN MEDIA PEMBELAJARAN INTERAKTIF BERBASIS APLIKASI NEARPOD Eliyani Eliyani; Saruni Dwiasnati; Wawan Gunawan; Yudo Devianto
Jurnal Pengabdian Masyarakat Nasional Vol 2, No 2 (2022)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pemanas.v2i2.16605

Abstract

Semenjak maraknya wabah virus COVID-19 di Indonesia, pemerintah mengeluarkan kebijakan dalam bidang pembelajaran secara daring  hal ini di lakukan untuk mengupayakan agar penyebaran  virus dapat di minimalisirkan. Pembelajaran  daring  sendiri  merupakan  suatu  sistem  pembelajaran yang tergolong  baru,  sehingga  banyak  tenaga  kependidikan  yang  belum  sepenuhnya memahami pola pembelajaran dari sistem secara daring. Akibat dari hal itu muncullah berbagai polemik pada saat pelaksanaan pembelajaran daring di lapangan, seperti penyampaian materi  pembelajaran  yang  kurang  maksimal  terutama  pada  mata pelajaran yang harus di jelaskan oleh guru di depan kelas. Tujuan  dari pengabdian kepada masyarakat ini adalah untuk memberikan  alternatif cara dalam mengatasi masalah pembelajaran secara daring, yakni dengan menggunakan media video pembelajaran interaktif berbasis aplikasi nearpod. Langkah pembuatan media ini terdiri dari: pengajar harus membuat video pembelajaran yang menarik terlebih dahulu, kemudian video tersebut diunggah pada aplikasi youtube, setelah itu pengajar mempersiapkan ruang kelas virtual pada  aplikasi  nearpod  serta  menyisipkan  beberapa  pertanyaan/topik  diskusi. Kelebihan  dari  penggunaan  media  ini  adalah  dapat  diakses  dengan  mudah melalui berbagai perangkat elektronik dan dapat membuat siswa terlibat  aktif dalam pembelajaran.
Application of Machine Learning in Clustering Maize Producing Regions in Indonesia Eliyani, Eliyani; Dwiasnati, Saruni; Arif, Sutan Mohammad; Avrizal, Reza; Fatimah, Nona
Computer Engineering and Applications Journal Vol 13 No 2 (2024)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/comengapp.v13i2.455

Abstract

Maize is considered an important commodity with promising market prospects. Given the importance of maize, there is a need to increase maize production to meet people's needs and maintain price stability. This study aims to group maize production in Indonesia by region, with the hope of finding areas that have the potential to become maize production centers to reduce dependence on imports. The data used in this research was obtained from the Central Statistics Agency, covering information from 34 provinces during the 2017-2021 period. This analysis uses the K-Means method with the Python programming language. The number of groups is determined using the Elbow Method. The results of this research show that there are three categories of maize production regions: regions with low maize production (below average), regions with medium maize production, and regions with high maize production. A total of 25 provinces are in the low production category, eight provinces are in the medium category, and only East Java is in the high production category.
Pengenalan Setengah Wajah menggunakan Arsitektur Xception pada Metode Convolutional Neural Network Subeki, Fajar; Eliyani, Eliyani
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.73447

Abstract

Penggunaan teknologi pengenalan wajah merupakan cara untuk mengidentifikasi seseorang berdasarkan ciri-ciri wajah. Penelitian ini berfokus pada pengenalan setengah wajah bagian atas dalam kondisi dimana hanya setengah wajah tersebut yang dapat diakses atau terlihat. Menggunakan metode yang melibatkan arsitektur Xception pada Convolutional Neural Network (CNN) untuk mengekstraksi fitur kompleks dari setengah wajah, termasuk dahi, alis dan mata. Data yang digunakan berasal dari absensi karyawan, termasuk 1020 dataset wajah tidak menggunakan masker dan 114 dataset wajah yang menggunakan masker. Penelitan ini menggunakan skenario pembagian data latih dan data uji dengan rasio 95:5, 90:10, 85:15, dan 80:20. Hasil penelitian menunjukkan nilai accuracy, precission, recall, dan f1-score terbaik terdapat pada pembagian data 95:15 yang masing-masing bernilai 95%, 96%, 96%, dan 95%. Hasil ini dapat digunakan untuk kontribusi pengembangan model pengenalan wajah dengan akurasi yang tinggi terutama dalam situasi di mana hanya informasi sebagian wajah yang dapat diakses.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PUPUK PERTANIAN TERBAIK DENGAN METODE SMART BERBASIS WEB Syarif Hidayat, Rafi; Eliyani, Eliyani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6060

Abstract

Usaha penjualan pupuk membutuhkan informasi pupuk apa yang paling direkomendasikan oleh petani. Penelitian ini dimaksukan untuk membangun sistem aplikasi untuk dapat menentukan pupuk yang paling baik menurut petani padi dari berbagai pupuk yang dijual di Cv. Sari Alam Tani. Sebanyak 50 petani mengisi kuesioner untuk memberikan penilaian terhadap lima belas jenis pupuk menyangkut harga, produk, kualitas, kuantitas, rekomendasi, efektivitas, kesesuaian dan takaran. Penilaian diberikan dalam skala Sangat Baik, Baik, Cukup, dan Kurang Baik. Hasil dari kuesioner tersebut dihitung ke dalam algoritma Simple Multi Attribute Rating Technique. Algoritma ini dikembangkan menggunakan bahasa pemrograman PHP dan databasenya mengunakan PHPMyadmin. Perancangan aplikasi yang dibuat berupa use case diagram, use case scenario, activity diagram, sequence diagram, dan class diagram. Pembuatan mock up menggunakan software Balsamiq Wireframes. Output penelitian ini berupa sistem berbasis web untuk membantu membuat keputusan brand pupuk yang tepat untuk tanaman padi yang akan ditanam berdasarkan kriteria yang ditetapkan. Pengujian dilakukan menggunakan metode blackbox yang hasilnya menunjukkan bahwa semua fitur aplikasi berjalan dengan baik. Hasil penelitian menunjukkan data brand urea merupakan pupuk terbaik dengan nilai total alternatif sebesar 0.811694.
Penerapan Clustering dalam Data Science Untuk Mengembangkan Keterampilan Analitik di SMK Media Informatika Eliyani, Eliyani; Rifqi, Muhammad; Dwiasnati, Saruni
Jurnal Pengabdian Masyarakat Vol. 3 No. 2 (2024): Desember 2024
Publisher : Unity Academy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70340/japamas.v3i2.162

Abstract

The current and future job market requires a workforce skilled in data science, including analytical techniques such as clustering. With the development of Industry 4.0, skills in data analysis are becoming increasingly important, and education must adapt to meet this need. Currently, there are still many students at the vocational high school level who do not understand the concept of data science, including clustering techniques, so they have difficulty understanding how data can be generated for decision making from each scheme. The method that can be used in this Community Service is an introduction to the basic concepts of data science and simple training in the use of simple data science tools. The goal that can be raised for the Community Service that we do is to provide students with a basic understanding of what data science is as one method for making important data decisions. The contribution that can be generated from the Community Service that we do is that students will have basic skills in knowledge related to data science, especially in understanding and applying clustering techniques for data analysis. The result of the Community Service that we do is that students understand the basic concepts of data science and clustering and how this method is applied in the analysis of the data obtained.
Pengelompokan wilayah produksi tuna, cakalang, tongkol dan udang di Indonesia menggunakan algoritma K-Means Dwiasnati, Saruni; eliyani, Eliyani; Arif, Sutan Mohammad; Avrizal, Reza
IT Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Vol 4 No 2 (2025): IT-Explore Juni 2025
Publisher : Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/itexplore.v4i2.2025.pp128-137

Abstract

The research was intended to cluster the production areas of Indonesia's fishery products especially Skipjack Tuna, Tuna, Mackarel Tuna, and shrimp using data science techniques. The algorithm used was K-means Clustering. The data used was annual production data for each province for the last 3 years (2019 – 2021). Determination of the number of clusters using the Elbow Method. For each commodity, three clusters were obtained, namely clusters with low production, medium production, and high production. For Skipjack Tuna, there were 19 provinces belonging to the low cluster, 13 provinces being medium, and 2 provinces being high. For Tuna, there were 22 provinces in the low cluster, 9 provinces in the middle, and 3 provinces in the high cluster. For Mackarel Tuna, low was 19 provinces, medium was 12 provinces, and high was 3 provinces. For shrimp, 23 provinces were low, 7 provinces were medium, and 4 provinces were high. High production clusters for Skipjack Tuna were North Sulawesi and North Maluku Provinces, Tuna were North Sulawesi, North Maluku and Maluku Provinces, for Mackarel Tuna were Aceh, East Java and Maluku Provinces, and for shrimp were North Sumatra, West Kalimantan, South Kalimantan and East Kalimantan Provinces.
Diabetes Classification Algorithm Optimization Using Particle Swarm Optimization on Naïve Bayes, C4.5 and Random Forest Maulana, Reffy; Eliyani, Eliyani
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 14 No. 4 (2025): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v14i4.2431

Abstract

The global rise in diabetes prevalence presents a significant public health concern, emphasizing the need for accurate and efficient early detection systems. This study investigates the performance of three classification algorithms—Naïve Bayes, C4.5, and Random Forest—for predicting diabetes and explores the impact of hyperparameter tuning via Particle Swarm Optimization (PSO) on model performance. The research employs the 2023 Behavioral Risk Factor Surveillance System (BRFSS) dataset from the Centers for Disease Control and Prevention (CDC), which includes a wide range of health-related and demographic variables from adult respondents across the United States. Each algorithm was tested under two conditions: with default parameters and after optimization using PSO. Experimental results demonstrate that the Random Forest algorithm, even without optimization, yielded the highest accuracy at 95.15%, whereas Naïve Bayes showed the weakest performance. However, applying PSO significantly improved the performance of initially suboptimal models, particularly Naïve Bayes and C4.5. Specifically, Naïve Bayes accuracy increased from 80.80% to 82.24% (a 1.44% increase), and C4.5 accuracy increased from 91.22% to 91.31% (a 0.09% increase). In contrast, the effect of optimization on Random Forest was minimal, showing a slight decrease in accuracy to 94.37%, indicating the model’s robustness in its default configuration. These findings underscore the importance of algorithm selection and tailored optimization strategies in enhancing the accuracy of diabetes classification systems.
Co-Authors ARIF, SUTAN MOHAMMAD Avrizal, Reza Erlangga, Jerry Fatimah, Nona Maulana, Reffy Muhammad Dery Setiawan Muhammad Rifqi Nia Kurnia Asih Rizal Rizal Saruni Dwiasnati Subeki, Fajar Syarif Hidayat, Rafi Wawan Gunawan Yudo Devianto