Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal The Indonesian Journal of Computer Science Research Journal Of Information System And Artificial Intelligence Journal of Accounting Information System
Erni Seniwati
STMIK AMIKOM Yogyakarta
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Pola Belanja Konsumen PT. Aseli Dagadu Djokdja Menggunakan Algoritma Fp-Growth Muhammad Khoirul Wiro; Erni Seniwati
Journal Of Information System And Artificial Intelligence Vol. 2 No. 2 (2022): Journal of Information System and Artificial Intelligence Vol II, No II Mei 202
Publisher : Universitas Mercu Buana Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.76 KB) | DOI: 10.26486/jisai.v2i2.76

Abstract

PT Aseli Dagadu Djokdja adalah perusahaan yang bergerak dibidang penjualan cinderamata khas Yogyakarta berupa kaos dan pernak-pernik. Sejak berdiri bisnis ini di tahun 1994, perusahaan ini mempunyai banyak data yang bisa diolah untuk memaksimalkan keuntungan perusahaan. Masalah yang dihadapi perusahaan ini adalah lamanya masa produksi kaos, berkisar 3 bulan, membuat resiko lambatnya perputaran uang diperusahaan. Produksi yang tidak tepat sasaran atau tidak sesuai prediksi juga menjadi permasalahan perusahaan. Selain itu, penjualan secara daring melalui website www.dagadu.co.id belum maksimal dikarenakan rekomendasi produk alternatif guna upselling maupun cross selling belum ada. Oleh karena itu melalui penelitian ini, menggunakan Algoritma Data Mining, peneliti dapat membantu menyelesaikan masalah pengambilan keputusan produksi dan rekomendasi produk di PT Aseli Dagadu Djokdja. Adapun dalam penelitian ini akan dibahas bagaimana cara mengimplementasikan salah satu algoritma dalam data mining, yaitu algoritma Frequent Pattern Growth (FP-Growth).
Studi Kinerja Algoritma K-Nearest Neighbors (KNN) untuk Klasifikasi Pasien Diabetes Erni Seniwati; Edelweiss Rinjani Bawana; Peni Febrian Kristami; Arsellina Milka Martin; Ninik Tri Hartanti
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.219

Abstract

Penyakit diabetes merupakan salah satu penyakit kronis yang jumlah penderitanya terus meningkat setiap tahun termasuk di Indonesia. Deteksi dini dan klasifikasi yang akurat sangat penting untuk membantu proses diagnosis dan penanganan yang tepat sehingga meminimalkan resiko komplikasi. Penelitian ini bertujuan untuk membangun model klasifikasi pasien diabetes serta mengkaji kinerja algoritma K-Nearest Neighbor (KNN) dalam melakukan klasifikasi pasien diabetes berdasarkan data medis. Dataset yang digunakan dalam penelitian ini adalah Pima Indians Diabetes Dataset, yang berisi informasi kesehatan pasien seperti kehamilan (Pregnancies), tingkat glukosa (Glucose), tekanan darah (Blood Pressure), kadar insulin (Insulin), nilai BMI (BMI), usia (Age) dan status diagnosa pasien (Outcome). Proses penelitian mencakup 6 tahapan kegiatan yang dilakukan. Pada penelitian ini menghasilkan parameter nilai k=8 adalah nilai k optimal. Evaluasi performa model menggunakan confusion matrix yang menghasilkan akurasi yang menghasilkan 0.83 atau 83%, presisi (0.78), recall (0.61) dan F1-score (0.69). Model juga diimplementasikan secara interaktif menggunakan Jupyter Notebook serta penggunaan Streamlit sebagai userinterface sehingga memungkinkan pengguna dapat melakukan konsultasi dengan memasukkan data medis dan sekaligus mendapatkan hasil prediksi. Hasil pengujian menunjukkan bahwa algoritma KNN mampu memberikan performa yang cukup baik dalam mengklasifikasikan pasien yang terkena diabetes dan tidak terkena diabetes.
Jumlah Cluster Optimal dalam Pengelompokan Siswa SMK dengan Metode Elbow K-Means Clustering Hartanti, Ninik Tri; Erni Seniwati; Rina Pramitasari; Irma Rofni Wulandari
JAIS - Journal of Accounting Information System Vol. 4 No. 2 (2024): Desember
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v4i2.7531

Abstract

Jenjang pendidikan di Indonesia setelah sekolah lanjutan pertama adalah Sekolah Menengah Tingkat Atas (SMA) atau yang sederajat yatu sekolah kejuruan SMK. Perkembangan teknologi telah memberikan berbagai kemudahan, termasuk dalam bidang pendidikan. Salah satu bentuk inovasi teknologi dalam pendidikan adalah penerapan data mining, khususnya educational data mining. Penerapan educational data mining dengan metode K-Means untuk mengelompokkan data siswa SMK di kabupaten Magelang, merupakan inti dari penelitian ini. Adapun data yang diterapkan merujuk pada data publik https://dapo.kemendikbud.go.id Berdasarkan data tersebut, Metode Elbow diterapkan untuk mengidentifikasi jumlah cluster yang paling sesuai. Jumlah cluster ini kemudian menjadi dasar penghitungan menggunakan algoritma K-Means. Hasil analisis menunjukkan tiga kelompok: Cluster 1, yang meliputi siswa dengan minat rendah untuk melanjutkan ke SMK, terdapat di Kecamatan Muntilan dan Mertoyudan; Cluster 2, terdiri dari siswa dengan kecenderungan minat cukup dalam memilih lanjut studi ke SMK, tersebar di 10 kecamatan, yaitu Salaman, Tegalrejo, Secang, Salam, Borobudur, Tempuran, Windusari, Kaliangkrik, Kajoran dan Ngablak, serta Cluster 3 mencakup siswa dengan kecenderungan minat tertinggi untuk lanjut studi ke SMK, terdiri dari 9 kecamatan, yaitu Mungkid, Grabak, Bandongan, Sawangan, Pakis, Candimulyo, Dukun, Srumbung, dan Ngluwar. Penelitian ini sangat penting dalam mendukung kinerja pemerintah daerah Kabupaten Magelang dalam sistem pemantauan distribusi jumlah siswa Sekolah Menengah Kejuruan di setiap kecamatan. Dengan demikian, akan lebih mudah untuk mendeteksi kecamatan mana yang memiliki jumlah siswa yang kurang atau bahkan terlalu banyak. Aspek ini penting untuk diperhatikan karena berkaitan langsung dengan ketersediaan sarana prasarana dan tenaga pengajar di sekolah-sekolah menengah tersebut.
Co-Authors Arsellina Milka Martin Edelweiss Rinjani Bawana Irma Rofni Wulandari Muhammad Khoirul Wiro NINIK TRI HARTANTI Peni Febrian Kristami Rina Pramitasari