Garuda - Garba Rujukan Digital

IMPLEMENTASI IOT PADA SMART HOME MENGGUNAKAN MICROCONTROLLER WEMOS BERBASIS MOBILE Asep Sumantri; Novi Wulandari; Slamet Waluyo
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 6 No 1 (2021): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Desember 2021)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/isbi.v6i1.1740

Perangkat elektronik merupakan kebutuhan pokok bagi kehidupan masyarakat dan dalam pengontrolan perangkat masih bersifat konvensional. Sehingga memungkinkan masyarakat lalai dalam mematikan atau menghidupkan perangkat elektronik. Saat ini teknologi memliki kemajuan yang sangat pesat sehingga dapat membantu masyarakat dalam kehidupan sehari-hari. Perkembangan sistem telekomunikasi dan sensor sudah mulai banyak dikembangkan untuk pengontrol perangkat elektronik dari jarak jauh. Dengan menggunakan mikrokontroller perangkat elektronik dapat dikendalikan dari jarak jauh. Pada penelitian ini bertujuan untuk membuat sistem smarthome yang dapat mengontrol perangkat elektronik dari jarak jauh melalui smartphone dengan menggunakan aplikasi Telegram. Metode penelitian yang dipakai menggunakan metode prototype. Dalam implementasinya perintah dikririm melalui telegram dan akan dikirim ke modul ESP8266 sehingga mikrokontroller Wemos D1 R1 . Hasil dari pengujian, perangkat elektronik dapat dikendalikan dari jarak jauh melaui smartphone menggunakan aplikasi telegram.

IMPLEMENTASI IOT PADA SMART HOME MENGGUNAKAN MICROCONTROLLER WEMOS BERBASIS MOBILE Asep Sumantri; Novi Wulandari; Slamet Waluyo
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 6 No 1 (2021): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Desember 2021)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Perangkat elektronik merupakan kebutuhan pokok bagi kehidupan masyarakat dan dalam pengontrolan perangkat masih bersifat konvensional. Sehingga memungkinkan masyarakat lalai dalam mematikan atau menghidupkan perangkat elektronik. Saat ini teknologi memliki kemajuan yang sangat pesat sehingga dapat membantu masyarakat dalam kehidupan sehari-hari. Perkembangan sistem telekomunikasi dan sensor sudah mulai banyak dikembangkan untuk pengontrol perangkat elektronik dari jarak jauh. Dengan menggunakan mikrokontroller perangkat elektronik dapat dikendalikan dari jarak jauh. Pada penelitian ini bertujuan untuk membuat sistem smarthome yang dapat mengontrol perangkat elektronik dari jarak jauh melalui smartphone dengan menggunakan aplikasi Telegram. Metode penelitian yang dipakai menggunakan metode prototype. Dalam implementasinya perintah dikririm melalui telegram dan akan dikirim ke modul ESP8266 sehingga mikrokontroller Wemos D1 R1 . Hasil dari pengujian, perangkat elektronik dapat dikendalikan dari jarak jauh melaui smartphone menggunakan aplikasi telegram.

Sistem Pakar Untuk Mendiagnosa dan Klasifikasi Anak Berkebutuhan Khusus Dengan Backward Dan Forward Chaining Pada Slb Cahaya Pertiwi di Bekasi Novi Wulandari; Armstrong Yohanes Siregar
Jurnal Ilmu Komputer Vol 1 No 1 (2018): Jurnal Ilmu Komputer (JIK)
Publisher : LPPM-STMIK Pranata Indonesia

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

Sistem pakar adalah suatu program komputer yang berusaha mengadopsi pengetahuan manusia ke dalam komputer agar komputer dapat menyelesaikan masalah yang bersifat spesifik, dalam hal ini adalah permasalahan diagnosa dan klasifikasi ABK. Sistem pakar untuk diagnosa dan klasifikasi ABK ini menggunakan pemrograman PHP dan Mysql serta menggunakan perpaduan dari metode Backward Chaining (BC) dan Forward Chaining (FC). Data gangguan atau hambatan pada ABK akan dikenali dengan menyesuaikan rules (aturan) yang telah dibuat didalam basis pengetahuan untuk dapat mencocokkan gejala-gejala gangguan atau hambatan pada ABK. Hasil dari sistem pakar ini dapat menampilkan beberapa fitur menu program untuk memberikan kemudahan bagi pengguna baik orang tua ABK, masyarakat akademisi dan non-akademisi, staff dan kepala sekolah SLB, serta untuk pakar yaitu dokter spesialis psikologi dan dokter spesialis psikiater.

Model Prediksi Penyakit Jantung dengan Penanganan Outlier Menggunakan Interquartile Range dan Extreme Gradient Boosting Azhari, Lukman; Wulandari, Novi; Adiningrat, Feru; Alexander, Allan Desi
Journal of Information System Research (JOSH) Vol 6 No 2 (2025): January 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i2.6390

Heart disease remains one of the leading causes of death worldwide, with increasing prevalence rates, including in Indonesia. Delayed detection and diagnosis are the main challenges in treating this disease, as most cases are only identified after patients experience serious symptoms or heart attacks. Medical data often containing outliers and noise adds to the complexity of developing accurate predictive models. This study aims to develop a heart disease prediction model using a combination of the Interquartile Range (IQR) method for outlier handling and the Extreme Gradient Boosting (XGBoost) algorithm for predictive modeling. The IQR method is applied at the pre-processing stage to identify and eliminate outliers robustly without reducing data integrity, while XGBoost is used to build an efficient prediction model through an ensemble learning approach. The results showed significant improvements in model performance, with accuracy increasing from 75.41% to 89.47% and AUC-ROC from 0.8615 to 0.9450. The model demonstrates balanced predictive capabilities with precision of 95.24% and recall of 80.00% for cases without disease, and precision of 86.11% and recall of 96.88% for cases with disease. The developed model makes significant contributions by improving data quality through robust outlier handling using the IQR method, building a more accurate prediction model by leveraging the advantages of the XGBoost algorithm in the ensemble learning approach.

Analisis Asosiasi Dengan Apriori Untuk Penentuan Permintaan Barang Pada PT Danmotor Indonesia Wulandari, Novi; Cahyadi, Wahyu
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 2 No. 1 (2023): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

Kekurangan persediaan suku cadang motor terjadi pada penjualan suku cadang motor menjadi masalah perusahaan sehingga mempengaruhi produktifutas dan kepuasan pelanggan dalam pelayanan. Metode data mining dengan menggunakan algoritma Apriori diusulkan untuk menganalisa permintaan barang sehingga tidak terjadi kekuranang persediaan barang di PT. Danmotor Indonesia. Diharapkan dengan implementasi algoritma ini, biaya dapat dipangkas agar lebih efisien dengan cara melakukan pembelian suku cadang berdasarkan perhitungan. Berdasarkan perhitungan, didapatkan nilai confidence paling tinggi sebesar 87.76% dan dapat menghasilkan rule sebanyak 38 rule 3 itemset. Dapat disimpulkan bahwa Pencarian pola kemunculan barang yang sering di minta (asosiasi) dapat diterapkan pada PT Danmotor Indonesia dengan menggunakan algoritma apriori.

Analisis Promosi Produk Dalam Marketplace Pada Toko A.Family’s Menggunakan K-Means Wulandari, Novi; Anggraeni, Rantika
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 3 No. 1 (2024): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

Implementasi data mining untuk menganalisis promosi produk memiliki factor yang sangat penting didalam kemajuan Toko A.Familys, karena banyaknya produk yang dipromosikan tanpa mengetahui mana saja produk dalam promosi yang banyak dikunjungi, maka dari implementasi ini nantinya akan dapat mengetahui produk mana saja yang masih layak untuk dipromosikan. Metode analisis yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan menggunakan algoritma k-means clustering yaitu mengelompokan data ke dalam beberapa cluster atau kelompok sehingga data dalam satu cluster memiliki tingkat kemiripan yang maksimum dan data antar cluster memiliki kemiripan yang minimum sesuai dengan data perhitungan Rapid Miner. Populasi dalam penelitian ini adalah data promosi produk dengan jumlah record sebanyak 468 promosi. Sehingga dapat diperoleh data tiap tiap produk. Dengan menggunakan algoritma k-means clustering dapat disimpulkan bahwa hasil dari clusterisasi menghasilkan 2 produk terbanyak dalam promosi, 10 produk sedang dalam promosi, dan 8 produk lainnya terendah dalam promosi.

Sistem Diagnosis Mandiri Berbasis Aturan untuk Mengidentifikasi Indikator Kecanduan Game Online pada Remaja Nurmumpuni, Dyah Ayu; Aldino, Nabilla; Wulandari, Novi
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 4 No. 2 (2025): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

Kecanduan game online merupakan sebuah gangguan perilaku yang ditandai dengan hilangnya kontrol diri dan peningkatan prioritas terhadap aktivitas bermain game, bahkan saat menghadapi konsekuensi negatif. Fenomena ini menjadi masalah serius karena banyak penderita tidak menyadari kondisinya atau enggan mencari bantuan profesional akibat stigma sosial maupun kendala biaya. Untuk mengatasi permasalahan tersebut, diusulkan pengembangan sebuah sistem pakar yang dapat mendeteksi gejala kecanduan secara mandiri. Sistem ini mengimplementasikan metode forward chaining untuk melakukan penalaran berbasis aturan. Diharapkan, sistem ini dapat berfungsi sebagai alat deteksi dini yang mudah diakses, membantu pengguna awam mengidentifikasi tingkat kecanduan mereka dan mendapatkan rekomendasi penanganan awal tanpa harus melalui proses konsultasi tatap muka.

Prediksi Tingkat Retensi Pengguna Aplikasi Digital Menggunakan Artificial Neural Network Berbasis Data Aktivitas Pengguna Nurmumpuni, Dyah Ayu; Wulandari, Novi; Hadriani, Angelina
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 1 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

User retention is a critical indicator of success for digital applications, particularly in highly competitive technology-driven markets. This study aims to predict user retention using an Artificial Neural Network (ANN) approach based on user activity data. The dataset utilized is obtained from Kaggle and includes behavioral features such as usage frequency, session duration, and user interactions within the application. The research methodology involves data preprocessing, ANN model development with multiple architectural variations, and evaluation using metrics including Accuracy, Precision, Recall, F1-Score, Confusion Matrix, and ROC-AUC. The results demonstrate that the ANN model achieves an accuracy of approximately 88%, precision of 90%, recall of 97%, and an F1-score of 93%, with an AUC value above 0.90, indicating strong classification performance. However, further analysis reveals signs of overfitting and a relatively high number of false positives due to data imbalance. Additionally, increasing model complexity does not necessarily lead to improved performance. Overall, ANN proves to be an effective approach for predicting user retention, although further optimization is required to achieve a more balanced and robust model for real-world implementation.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search