Article Per Year (5 Year)
p-Index From 2021 - 2026
1.578
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Sinkron : Jurnal dan Penelitian Teknik Informatika ILKOM Jurnal Ilmiah Informatika : Jurnal Informatika, Manajemen dan Komputer Jurnal Sistem Informasi Kaputama (JSIK) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Ilmiah Behongang Lentera Dumai (Jurnal Manajemen dan Teknologi Informasi) Journal of Engineering and Technology Innovation
Elisawati, Elisawati
STMIK Dumai
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Transportation

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Prediksi Stok Obat Menggunakan Metode Learning Vector Quantization Studi Kasus Puskesmas Dumai Barat Abdianto, Didit; Elisawati, Elisawati; Tawakal, Firman; Masrizal, Masrizal
Prosiding Sains Nasional dan Teknologi Vol 11, No 1 (2021): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 11 2021
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v1i1.5093

Abstract

Pusat Kesehatan Masyarakat (Puskesmas) merupakan fasilitas pelayanan kesehatan ditingkat pertama pada masyarakat. Pelayanan kesehatan menjadi produktif jika sesuai dengan kebutuhan masyarakat, salah satunya adalah ketersediaan obat. Puskesmas menyimpan persediaan obat untuk penggunaan selama satu bulan dan membuat perencanaan permintaan obat selama satu bulan berikutnya. Saat ini perencanaan permintaan obat untuk penggunaan pada bulan berikutnya masih dilakukan berdasarkan perkiraan oleh petugas Puskesmas. Hal ini menyebabkan perencanaan persediaan obat tidak akurat karena terdapat sebagian obat mengalami kelebihan dan sebagian lainnya mengalami kekurangan. Oleh karena itu perlu adanya suatu sistem yang dapat digunakan untuk memprediksi jumlah persediaan obat pada bulan berikutnya, sehingga dapat dijadikan acuan permintaan obat ke Dinas Kesehatan. Metode yang digunakan untuk memprediksi stok obat adalah metode Learning Vector Quantization. Data aktual pemakaian masing-masing dari 10 jenis obat dengan 7 permintaan Dalam penelitian ini, perhitungan nilai error menggunakan Mean Square Error (MSE). Persentase nilai akurasi keberhasilan sistem prediksi stok obat menggunakan metode Learning Vector Quantization adalah nilai akurasi tertinggi 78,57 %, dengan nilai Mean Square Error (MSE) sebesar 0.78571, nilai Mean Absolute Percent Error (MAPE) sebesar 8.4183.
Sistem Pakar Diagnosa Penyakit Sapi Menggunakan Metode CBR Dan Algoritma Similarity Sorgenfrei Nurul Anggraini; Reza Fahlevie F. Afidh; Elisawati Elisawati
Journal Of Engineering And Technology Innovation ( JETI ) Vol. 1 No. 01 (2024): Journal Of Engineering And Technology Innovation ( JETI )
Publisher : Rey Media Grafika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66084/jeti.v1i01.93

Abstract

Sapi merupakan hewan ternak yang cukup menjanjikan dalam potensi ekonomi sebagai ternak yang dapat dimanfaatkan dagingnya, bibit sapi unggulan, kebutuhan pangan, sumber bahan baku industri dan juga tabungan yang sewaktu-waktu bisa dijual. Faktor penting dalam melakukakn pembudidayaan ternak adalah kesehatan hewan ternak. Penanganan yang salah akan menyebabkan meluasnya penularan.  Sistem pakar diagnosa penyakit pada hewan ternak sapi ini menggunakan metode Case Based Reasoning sebagai metode dalam pengambilan suatu keputusan yang bekerja dengan cara memecahkan kasus baru dengan mengambil solusi dari kasus-kasus sebelumnya dengan empat tahapan proses yaitu Retrieve, Reus, Revise dan Retain. Solusi penyakit sapi diambil berdasarkan hasil perhitungan tertinggi. Penerapan algoritma  Similarity Sorgenfrei digunakan untuk memperoleh nilai kemiripan antara kasus lama dengan kasus baru dengan tujuan untuk menentukan kesimpulan berdasarkan data dari pakar yang jaraknya paling dekat dengan data kasus tersebut. Hasil implementasi sistem terhadap 15 data menunjukkan bahwa dari 15 data memperoleh persentase sebesar 86,6% sehingga dapat disimpulkan bahwa sistem diagnosa dengan metode CBR dan Algorita Similarity Sorgenfrei  ini akan bekerja dengan cukup baik
Co-Authors Abdianto, Didit Ade Saputra Adi Arianto Agung Cahyo Prabowo Agus Alamsyah Amat Sofiyan Asparizal Asparizal Chandra Eri Firman Deasy Wahyuni Eko Prasetyo Elvaningsih, Herris Fauzansyah Fauzansyah Franjaya, Steven Hadi Asnal, Hadi Hartomi, Zupri Henra Linarta, Arie Mardiani Mardiani Martha Herri Rianto Riduan S Mitrin, Abdullah Mohd Rinaldi Amartha Nuhaiza Nuhaiza Nur Rubiati Nur Rubiati Nurhadi Nurhadi, Nurhadi Nurul Anggraini Nurul Ulfa Putra, Al Malikul Ikhwanda Rahmad Kurniawan Rahmat Hidayatullah Rahmat Hidayatullah renaldi, reno Reza Fahlevie F. Afidh Ridarmin, Ridarmin Rometdo Muzawi, Rometdo Rubiati, Nur sri wahyuni Steven Franjaya Syahrizal Syahrizal Tawakal, Firman Tawakal, Firman Widodo, Pulla Pandika Winda Persolita Yuda Irawan Zahratul Fitriah