Article Per Year (5 Year)
p-Index From 2021 - 2026
4.072
P-Index
This Author published in this journals
All Journal Dinamik Jurnal Simetris Telematika Jurnal Transformatika Jurnal Informatika Upgris Jurnal Sains dan Informatika Jurnal Pengembangan Rekayasa dan Teknologi JSiI (Jurnal Sistem Informasi) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Sistem Informasi dan Informatika (SIMIKA) Abdimasku : Jurnal Pengabdian Masyarakat Indonesian Journal of Data and Science Aiti: Jurnal Teknologi Informasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Malcom: Indonesian Journal of Machine Learning and Computer Science SmartComp Tematik Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science Advance Sustainable Science, Engineering and Technology (ASSET) Systematic Literature Review Journal Jurnal DIMASTIK
Nurtriana Hidayati
Universitas Semarang
Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Sains dan Informatika

 1 
Prediksi Bencana Alam di Kota Semarang Menggunakan Algoritma Markov Chains Nurtriana Hidayati; Prind Triajeng Pungkasanti; Nur Wakhidah
Jurnal Sains dan Informatika Vol. 7 No. 1 (2021): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v7i1.283

Abstract

Bencana alam bukan merupakan hal baru di Indonesian khususnya kota semarang. Data tersebut dapat di lihat pada Badan Penanggulangan Bencana Daerah (BPBD). Data bencana alam yang digunakan sebagai data penelitian diambil dari tahun 2013 hingga 2020 dengan jenis bencana alam berupa banjir, banjir rob, puting beliung, tanah longsor, rumah roboh, pohon tumbang dan kebakaran yang semuanya perlu kita waspadai dan ditanggulangi untuk memperkecil kerugian bagi masyarakat. Prediksi merupakan hal yang dipakai setiap kalangan untuk mengetahui seberapa besar hal yang mungkin terjadi dimasa yang akan datang. Markov Chains adalah metode untuk menghasilkan nilai kemungkinan terhadap sesuatu dengan perhitungan probabilitas. Markov chains disini melakukan prediksi dengan nilai matrik terhadap 7 bencana alam yang terjadi di kota Semang dengan hasil prediksi di tahun 2020 adalah banjir 35 %, rob banjir 0%, tanah longsor 22%, puting beliung 3%, rumah roboh 2%, kebakaran 30% dan pohon tumbang 8%. Sedangkan di tahun 2021 prosentase prediksi banjir 22 %, rob banjir 3%, tanah longsor 22%, puting beliung 2%, rumah roboh 8%, kebakaran 33% dan pohon tumbang 9%.
Perbandingan Algoritma Klasifikasi untuk Prediksi Cacat Software dengan Pendekatan CRISP-DM Nurtriana Hidayati; Joko Suntoro; Galet Guntoro Setiaji
Jurnal Sains dan Informatika Vol. 7 No. 2 (2021): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v7i2.313

Abstract

Proses prediksi cacat software merupakan bagian terpenting dalam sebuah pengujian kuliatas software sering juga disebut dengan software quality yang bertujuan untuk mengetahui mutu software dalam pemenuhan kebutuhan fungsional dan kinerjanya. Metode machine learning mempunyai kinerja lebih baik untuk menemukan cacat software daripada metode manual. Algoritma klasifikasi dalam machine learning yang pernah digunakan untuk prediksi cacat software antara lain k-Nearest Neighbor (k-NN), Naïve Bayes (NB) dan Decision Tree (CART). Dalam penelitian ini akan dibandingkan kinerja antara algoritma - algoritma klasifikiasi yaitu k-NN, NB, dan CART untuk prediksi cacat software dengan pendekatan CRISP-DM. CRISP-DM merupakan model proses data mining dengan 6 tahapan yaitu: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment dalam menentukan perbandingan algoritma klasifikasi dalam memprediksi cacat software. Software Matrix yang digunakan pada penelitian ini adalah tujuh dataset dari NASA MDP. Hasil penelitian menunjukkan bahwa nilai rata-rata akurasi algoritma CART lebih baik daripada algoritma k-NN dan NB dengan nilai 0,867. Sedangkan nilai rata-rata akurasi algoritma k-NN dan NB masing-masing 0,859 dan 0,778.
Co-Authors Agus Hartanto Agusta Praba Ristadi Pinem Agusto, Valien Rezky Alauddin Maulana Hirzan April Firman Daru Ardima, Muhammad Basyier Aryash, Muhana Fadhillah Astuti, Rizka Yuli Atmoko Nugroho Aziza, Luthfiah Nur Cholil, Saifur Rohman Devila, Laras Elza Edi Widodo, Edi Eka Putri Rachmawati Faturahman, Rinaldo Dwi Galet Guntoro Setiaji Hassanudin, Wahyu Maulana Henny Indriyawati Hetta Rachma Irfan, Muhammad Nur Joko Suntoro Karunia, Reiza Dwi Khoirudin Khoirudin, Khoirudin Kholidin Kholidin Lenny Margaretta Huizen Maulana, Bagas Akbar Maulana, Daffa Muhammad Basyier Ardima Mutiatun Nafisah Nugraha, Giananda Saktika Nur Wakhidah Pratama, Ericx Cahaya Prind Triajeng Pungkasanti, Prind Triajeng Priyambodo, Pamungkas Haryo Rachma, Hetta Rahmayuna, Novita Sekar Cinta Amaria Susanto Susanto Suwari, Dewi Ratna Titin Winarti Titis Handayani Vensy Vydia Victor Gayuh Utomo Weulartafella, Mifthahul Pratama Widhianti, Sekar Elok ZAMAN, BADROE