Article Per Year (5 Year)
p-Index From 2020 - 2025
0.92
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal Nasional Komputasi dan Teknologi Informasi Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jambura Journal of Electrical and Electronics Engineering Jurnal Tecnoscienza
Sulaehani, Ruhmi
Universitas Pohuwato
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Mathematics Neuroscience Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
PREDIKSI KEPUTUSAN KLIEN TELEMARKETING UNTUK DEPOSITO PADA BANK MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Sulaehani, Ruhmi
ILKOM Jurnal Ilmiah Vol 8, No 3 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1157.206 KB) | DOI: 10.33096/ilkom.v8i3.83.182-189

Abstract

Telemarketing merupakan salah satu promosi yang dianggap paling efektif dalam mempromosikan produk, strategi pemasaran ini dilakukan oleh bank-bank untuk menawarkan produk pada klien, salah satu produk yang ditawarkan bank yaitu deposito berjangka. Sulitnya mengetahui keputusan klien Telemarketing untuk melakukan deposito berjangka pada bank, menyebabkan bank selalu menghadapi ancaman krisis keuangan. Oleh karena itu, Telemarketing bank harus dapat membuat target klien, klien mana yang berpotensi untuk melakukan deposito dengan melihat data-data klien yang ada. Dalam penelitian ini akan digunakan algoritma Naive Bayes untuk memprediksi keputusan klien Telemarketing dengan menggunakan dataset gudang data UCI Repository. Hasil pengujian menunjukkan bahwa nilai akurasi Naive Bayes sebesar 89,08%, setelah dilakukan pemilihan fitur dengan menggunakan Backward Elimination didapatkan hasil akurasi yang lebih tinggi yaitu sebesar 90,69%, dengan melihat nilai akurasi maka algoritma Naive Bayes berbasis Backward Elimination meningkatkan akurasi untuk memprediksi keputusan klien Telemarketing.
ANALISIS IMPLEMENTASI PREPROCESSING DENGAN OTSU-GAUSSIAN PADA PENGENALAN WAJAH Riadi, Annahl; Sulaehani, Ruhmi
ILKOM Jurnal Ilmiah Vol 11, No 3 (2019)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v11i3.457.200-205

Abstract

In this research, we will focus on facial expressions to detect customer satisfaction in mini markets where the service level is less than optimal. To find out the level of custome satisfaction can be seen through facial recognition tahen through CCTV in the mini market. The problems that occur are many customers who do not directly convey the impression that is felt when shopping, while minimarkets and shopping conters must know the level of customer satisfaction to improve sales strategies. Research to solve the problem is still rerely done, therefore one of the roles of intelligent computing is to solve the problem using Support Vector machine (SVM). The purpose of this study is to improve the accuracy of facial expressions of mini market customers through improved preprocessing. The results of the application of the otsu method and the gaussian function can be used for the preprocessing stage through a threshold image that has good image quality. The otsu-gaussian method is not effectively used for preprocessing data sourced from video or images with poor image quality, making it difficult to recognize faces.
Aplikasi Prediksi Harga Jahe Merah Metode Time Series Autoregressive Integrated Moving Average Ruhmi Sulaehani; Bahrin Bahrin
Jambura Journal of Electrical and Electronics Engineering Vol 4, No 1 (2022): Januari - Juni 2022
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (608.515 KB) | DOI: 10.37905/jjeee.v4i1.12077

Abstract

Harga jahe merah naik secara signifikn sebelum wabah Covid-19 harga jahe di pasaran normal berkisar Rp.20.000/kg, tapi selama pandemi harga jahe merah naik secara signifikan. Harga naik secara signifikan tanpa pemberitahuan sebelumnya terjadi karena permintaan yang sangat melonjak baik dalam wilayah Kabupaten Pohuwato maupun diluar wilayah Kabupaten Pohuwato. Tujuan Penelitian ini yaitu membantu pemerintah memprediksi harga jahe merah dipasaran dalam kurung waktu tertentu dengan membuat aplikasi prediksi berbasis Web, bahasa pemrograman PHP dan untuk menganalisis digunakan aplikasi software Statistik R, metode yang digunakan yaitu Time series model ARIMA. Berdasarkan nilai aktual dan nilai hasil prediksi harga jahe merah yang diperoleh, pada model ARIMA didapatkan nilai AIC dengan model terbaik adalah -3048,61, yang merupakan nilai minimun. Aplikasi yang dibuat dapat membantu masyarakat dan pemerintah setempat mendapatkan info perkiraan atau prediksi harga jahe merah dimasa depan. Hasil prediksi harga jahe merah memperlihatkan harga jahe merah turun di bulan Juni yaitu sebesar Rp. 21.932/kgThe price of red ginger had increased significantly. Before the Covid-19 outbreak the price of red ginger on the market was normal. It was around Rp. 20.000/kg but during the pandemic the price of the red ginger increased significantly without any prior notification due to the red ginger was in demand both inside and outside the Pohuwato Regency. The purpose of this research is to help the Government control the prices in the market and to help the public society to get fast information about the estimation of the future prices during the particular time by creating a web-based prediction application using the PHP Programming Language and Data Analysis using the R Statistical Software Application. The research merhod used is the ARIMA time series model based on the actual value and predicted value of the red ginger prices obtained. There is an AIC value in the ARIMA model. The best model is -3048.61 the best model has the minimum AIC value. The application created is able to help the community and local government to get information on the estimated prices of the red ginger in the future. The results of the estimated prices of the red ginger showed the prices decreased in june by Rp. 21.932/kg.
SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN KAKAO MENGGUNAKAN METODE CASE BASE REASONING (CBR) PADA KELOMPOK TANI GAPOKTAN DESA MAKARTI JAYA Ruhmi Sulaehani
Simtek : jurnal sistem informasi dan teknik komputer Vol 4 No 1 (2019): April 2019
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (597.564 KB) | DOI: 10.51876/simtek.v4i1.51

Abstract

Tanaman Kakao merupakan salah satu komoditi ekspor non migas yang memiliki prospek cukup cerah, disamping permintaan dalam negeri juga semakin kuat dengan semakin berkembangnya sektor agroindustri. Namun karena masih banyaknya masyarakat yang awam atau kurang mengerti akan penyakit tanaman kakao dan cara mengatasinya, maka peneliti berinisiatif untuk membantu permasalahan tersebut yakni dengan membuat sebuah sistem pakar yang dapat mendiagnosa penyakit tanaman kakao serta memberikan soslusi atau penanganan yang tepat terhadap penyakit yang sering menyusahkan para petani kakao di desa Makarti Jaya. Pada penelitian ini penulis mencoba merancang aplikasi diagnosa penyakit Tanaman Kakao. Aplikasi diagnosa penyakit tanaman kakao ini pembuatanya menggunakan metode CBR. Implementasi aplikasi diagnosa penyakit tanaman kakao ini menggunakan bahasa pemrograman PHP ( PHP : Hypertext Preprocessor) dan Basis Data MySQL. Metode yang digunakan dalam penelitian ini adalah Metode Penelitian Deskriptif dengan tahap-tahap penelitian yang dimulai dari: tahap analisis, desain, konstruksi, pengujian, implementasi, evaluasi, dan pemeliharaan. Metode pengujian sistem yang digunakan adalah White Box Testing dan Black Box Testing. Pada metode White Box Testing, berdasarkan hasil penelitian dibuat flowchart dan flowgraph dari data yang diperoleh. Flowchart yang diuji yaitu proses diagnosa. Dari hasil perhitungan menggunakan metode White Box Testing, diperoleh nilai hasil perhitungan yang telah memenuhi persyaratan dari segi kelayakan software. Sedangkan dari hasil pengujian menggunakan metode Black Box Testing, diperoleh nilai untuk mengukur tingkat kemudahan, kecepatan informasi, serta ketepatan data guna memenuhi syarat kelayakan dalam penerapan sistem. Hasil pengujian menggunakan metode White Box Testing adalah dengan nilai Cyclomatic Complexity = 8, maka dapat disimpulkan bahwa logika program benar dan dapat digunakan.
METODE VIKOR DALAM PEMILIHAN PEGAWAI PEMERINTAH NON PEGAWAI NEGERI BERKUALITAS (PPNPN) Ruhmi Sulaehani; Jamaludin Bilondatu
Simtek : jurnal sistem informasi dan teknik komputer Vol 7 No 1 (2022): April 2022
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v7i1.121

Abstract

Untuk menunjang kinerja pegawai pemerintah non pegawai negeri (PPNPN) di Kantor Petanahan (BPN) Kabupaten Pohuwato dilakukan pemilihan pegawai berkualitas pada setiap tahunnya, dalam proses pemilihan PPNPN yang memiliki kompetensi sesuai dengan kriteria yang telah ditetapkan maka diperlukan metode yang dapat membantu dalam mengambil keputusan. Dari hasil penelitian Aplikasi sistem pendukung keputusan berbasis web dengan menggunakan metode Vise Kriterijumska Optimizajica I Kompromisno Resenje (VIKOR) dapat membantu Kantor Pertanahan Kabupaten Pohuwato dalam menentukan pegawai berkualitas, metode ini dipilih karena mampu menyelesaikan data terbaik dengan mencari nilai bobot untuk setiap kriteria, seperti orientasi pelayanan, Integritas, Komitmen, Disiplin, dan Kerjasama. Dengan dilakukannya proses perangkingan yang akan menentukan alternatif yang optimal proses ini dapat membantu Kantor Pertanahan (BPN) Kabupaten Phuwato dalam melakukan proses penilaian kepada pegawai berkualitas di lingkungan Kantor Pertanahan (BPN) Kabupaten Pohuwato. Metode yang digunakan mempermudah dalam proses pengolahan data yang ada sehingga hasil yang diharapkan dapat lebih efektif dan efesien.
PREDIKSI KEPUTUSAN KLIEN TELEMARKETING UNTUK DEPOSITO PADA BANK MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Ruhmi Sulaehani
ILKOM Jurnal Ilmiah Vol 8, No 3 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v8i3.83.182-189

Abstract

Telemarketing merupakan salah satu promosi yang dianggap paling efektif dalam mempromosikan produk, strategi pemasaran ini dilakukan oleh bank-bank untuk menawarkan produk pada klien, salah satu produk yang ditawarkan bank yaitu deposito berjangka. Sulitnya mengetahui keputusan klien Telemarketing untuk melakukan deposito berjangka pada bank, menyebabkan bank selalu menghadapi ancaman krisis keuangan. Oleh karena itu, Telemarketing bank harus dapat membuat target klien, klien mana yang berpotensi untuk melakukan deposito dengan melihat data-data klien yang ada. Dalam penelitian ini akan digunakan algoritma Naive Bayes untuk memprediksi keputusan klien Telemarketing dengan menggunakan dataset gudang data UCI Repository. Hasil pengujian menunjukkan bahwa nilai akurasi Naive Bayes sebesar 89,08%, setelah dilakukan pemilihan fitur dengan menggunakan Backward Elimination didapatkan hasil akurasi yang lebih tinggi yaitu sebesar 90,69%, dengan melihat nilai akurasi maka algoritma Naive Bayes berbasis Backward Elimination meningkatkan akurasi untuk memprediksi keputusan klien Telemarketing.
ANALISIS IMPLEMENTASI PREPROCESSING DENGAN OTSU-GAUSSIAN PADA PENGENALAN WAJAH Annahl Riadi; Ruhmi Sulaehani
ILKOM Jurnal Ilmiah Vol 11, No 3 (2019)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v11i3.457.200-205

Abstract

In this research, we will focus on facial expressions to detect customer satisfaction in mini markets where the service level is less than optimal. To find out the level of custome satisfaction can be seen through facial recognition tahen through CCTV in the mini market. The problems that occur are many customers who do not directly convey the impression that is felt when shopping, while minimarkets and shopping conters must know the level of customer satisfaction to improve sales strategies. Research to solve the problem is still rerely done, therefore one of the roles of intelligent computing is to solve the problem using Support Vector machine (SVM). The purpose of this study is to improve the accuracy of facial expressions of mini market customers through improved preprocessing. The results of the application of the otsu method and the gaussian function can be used for the preprocessing stage through a threshold image that has good image quality. The otsu-gaussian method is not effectively used for preprocessing data sourced from video or images with poor image quality, making it difficult to recognize faces.
Penerapan Metode Multifactor Evaluation Process Pada Sistem Pendukung Keputusan Pemberian Bantuan Jamban Keluarga Pada Kantor Desa Dulomo Ruhmi Sulaehani
JURNAL TECNOSCIENZA Vol. 3 No. 2 (2019): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (388.667 KB)

Abstract

Pemberian Bantuan Jamban Keluarga merupakan salah satu permasalahan yang dihadapi oleh pihak desa. Dalam menentukan siapa yang benar-benar berhak menerima bantuan jamban, pihak desa masih mengambil keputusan dengan cara subyektif sehingga indikator layak bagi seseorang akan berbeda dengan orang lain. Dalam perancangan sistem ini, penulis menggunakan metode Multifactor Evaluation Process (MFEP). Empat kriteria dasar yang digunakan yakni Belum memiliki jamban, kondisi rumah, status sosial ekonomi dan sumber air bersih. Sistem yang dibangun mampu memberikan rekomendasi peringkat penerima bantuan jamban yang diurutkan berdasarkan bobot tertinggi. Dengan sistem ini diharapakan dapat memberikan solusi bagi pihak desa yang akan memberikan bantuan. Bahasa Pemrograman yang digunakan dalam pembuatan sistem yaitu PHP dengan Database MySQL. Kata kunci: Jamban Keluarga, Multifactor Evaluation Process (MFEP), PHP, MySQL
Predicting the success of the government’s program of lomaya (Regional PKH) in reducing poverty Ruhmi Sulaehani; Marniyati Husain Botutihe
ILKOM Jurnal Ilmiah Vol 14, No 3 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i3.1149.323-328

Abstract

Poverty reduction is one indicator of the success of development. The form of support from the Pohuwato Regency Government through the Social Service is to organize PKH-D, which is known as LOMAYA. It is one of the implementations of the Community Movement Towards Independent Prosperity (Gerakan Masyarakat Menuju Sejahtera Mandiri). This research was conducted to assist the government in predicting the level of development success indicated by the satisfaction of beneficiaries of lomaya. The method employed was the Naïve Bayes method and forward feature selection. The research data was obtained from a survey of lomaya beneficiaries in the last two years. The accuracy result obtained using the Naïve Bayes algorithm was 94.19%, while Naïve Bayes with the Forward Selection feature was only 94.03%. Therefore, the Naïve Bayes algorithm method is better than the Forward Selection based Naïve Bayes algorithm. Forward selection does not improve accuracy because the selection process causes many attributes to be discarded because they are considered irrelevant. This happened because of the inaccuracy of the data after being selected for its attributes using the Forward Selection feature resulting 1 attribute  only as a determinant.
Klasifikasi Nasabah Dalam Pengelolaan Resiko Kredit Menggunakan Metode Nave Bayes Betrisandi Betrisandi; Ruhmi Sulaehani; Ivo Colanus Rally Drajana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 6 (2023): Desember 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i6.7246

Abstract

Abstrak - Pengelolaan risiko kredit merupakan elemen kritis dalam industri keuangan, di mana perusahaan perbankan dan lembaga keuangan lainnya berupaya untuk meminimalkan risiko gagal bayar peminjam. klasifikasi nasabah menjadi tantangan signifikan dan memegang peranan penting dalam proses pengambilan keputusan kredit. Oleh karena itu, klasifikasi nasabah menjadi suatu aspek penting dalam proses pengambilan keputusan kredit yang dapat membentuk dasar keputusan terkait penentuan suku bunga, plafon kredit, dan pemantauan risiko secara keseluruhan. penelitian ini bertujuan untuk memberikan kontribusi pada pemahaman mendalam terkait metode klasifikasi yang efektif dalam mengelola risiko kredit dengan menggunakan metode klasifikasi, dengan fokus pada pendekatan Naive Bayes, untuk mengatasi permasalahan yang dihadapi dalam klasifikasi nasabah. Kumpulkan data nasabah yang mencakup berbagai fitur atau atribut seperti umur, penghasilan, merek barang, jangka waktu dan jumlah bayar dengan hasil akurasi pada penelitian ini sebesar 87,30% sehingga membantu dalam pengambilan keputusan yang tepat dan akurat dalam memberikan kredit kepada nasabah. Kata kunci: Metode Nave Bayes, Klasifikasi, NasabahAbstract - Credit risk management is a critical element in the financial industry, where banking companies and other financial institutions strive to minimize the risk of borrower default. Customer classification is a significant challenge and plays an important role in the credit decision making process. Therefore, customer classification is an important aspect in the credit decision making process which can form the basis of decisions regarding determining interest rates, credit ceilings and overall risk monitoring. This research aims to contribute to an in-depth understanding of effective classification methods in managing credit risk using classification methods, with a focus on the Naive Bayes approach, to overcome problems faced in customer classification. Collect customer data which includes various features or attributes such as age, income, brand of goods, time period and payment amount with accuracy results in this research of 87,30% thus helping in making the right and accurate decisions in providing credit to customers.Keywords: Nave Bayes Method, Classification, Customer
Co-Authors Annahl Riadi Annahl Riadi Bahrin Bahrin Bahrin Bahrin Betrisandi, Betrisandi Ivo Colanus Rally Drajana Jamaludin Bilondatu Marniyati Husain Botutihe