Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal UG Journal Journals of Ners Community Jurnal Minfo Polgan (JMP) Portal Riset dan Inovasi Sistem Perangkat Lunak
Deasy Indayanti
Universitas Gunadarma, Jawa Barat, Indonesia
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Library & Information Science Mathematics Nursing Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
PEMBUATAN APLIKASI STACK DOCKLET PADA WINDOWS DENGAN MENGGUNAKAN VB.NET Indayanti, Deasy; Mirza, Dion
UG Journal Vol 7, No 2 (2013)
Publisher : Universitas Gunadarma

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

Abstract

Teknologi informasi memicu semakin banyak pengembangan aplikasi kreatif. Banyaknya software yang digunakan terkadang membuat tampilan desktop dipenuhi banyak shortcut. Aplikasi stack docklet merupakan sebuah aplikasi yang dapat mengatur semua shortcut tersebut menjadi lebih tertata rapi, sehingga semua shortcut software tersebut dapat dikategorikan sesuai fungsinya. Hal ini memudahkan pengaksesan setiap software tersebut menjadi lebih mudah, efektif dan efisien. Aplikasi stack docklet dibuat dengan menggunakan bahasa pemrograman VB.NET dan dapat berjalan di sistem operasi Windows yang sudah terinstall .NET Framework.
Perbandingan Metode Algoritma Decision Tree C4.5 Dan Naïve Bayes Untuk Memprediksi Penyakit Tiroid Leli Safitri; Krista Cahayani Murtiwiyati; Siti Chodidjah; Deasy Indayanti
Journals of Ners Community Vol 13 No 5 (2022): Jurnal of Ners Community
Publisher : Fakultas Ilmu Kesehatan Universitas Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55129/jnerscommunity.v13i5.2121

Abstract

Penyakit tiroid adalah kelenjar endokrin murni terbesar di tubuh manusia, terletak di leher bagian depan. Gangguan fungsi tiroid seringkali sulit dikenali karena gejalanya tidak spesifik, dan sering diabaikan karena gejala penyakit tiroid sangat mirip dengan banyak penyakit gaya hidup modern. pasien seringkali tidak menyadari ada masalah pada dirinya dan tidak memeriksakan diri ke dokter. Oleh karena itu, penelitian dibidang kesehatan dilakukan untuk pengobatan lebih dini, guna mencegah kematian akibat terlambatnya penanganan. Penelitian ini menggunakan metode klasifikasi data mining Algoritma Decision Tree C4.5 dan Naïve Bayes dengan tujuan agar algoritma terpilih merupakan algoritma yang menghasilkan nilai akurasi dan nilai Area Under Curve (AUC) yang lebih baik. Data penelitian menggunakan Thyroid Disease Dataset UCI (University of California, Irvine) Machine Learning Repository. Hasil pengujian menunjukkan bahwa akurasi lebih baik diperoleh dari Algoritma Decision Tree C4.5 sebesar 97,12% sedangkan nilai akurasi Algoritma Naïve Bayes sebesar 76,02%. Nilai Area Under Curve (AUC) pada kurva Receiver Operating Characteristic (ROC) menunjukkan Algoritma Decision Tree C4.5 memiliki nilai lebih tinggi dari Algoritma Naïve Bayes dengan hasil klasifikasi Good Classification.
Perbandingan Metode Algoritma Decision Tree C4.5 Dan Naïve Bayes Untuk Memprediksi Penyakit Tiroid Leli Safitri; Krista Cahayani Murtiwiyati; Siti Chodidjah; Deasy Indayanti
Journals of Ners Community Vol 13 No 5 (2022): Jurnal of Ners Community
Publisher : Fakultas Ilmu Kesehatan Universitas Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55129/jnerscommunity.v13i5.2121

Abstract

Penyakit tiroid adalah kelenjar endokrin murni terbesar di tubuh manusia, terletak di leher bagian depan. Gangguan fungsi tiroid seringkali sulit dikenali karena gejalanya tidak spesifik, dan sering diabaikan karena gejala penyakit tiroid sangat mirip dengan banyak penyakit gaya hidup modern. pasien seringkali tidak menyadari ada masalah pada dirinya dan tidak memeriksakan diri ke dokter. Oleh karena itu, penelitian dibidang kesehatan dilakukan untuk pengobatan lebih dini, guna mencegah kematian akibat terlambatnya penanganan. Penelitian ini menggunakan metode klasifikasi data mining Algoritma Decision Tree C4.5 dan Naïve Bayes dengan tujuan agar algoritma terpilih merupakan algoritma yang menghasilkan nilai akurasi dan nilai Area Under Curve (AUC) yang lebih baik. Data penelitian menggunakan Thyroid Disease Dataset UCI (University of California, Irvine) Machine Learning Repository. Hasil pengujian menunjukkan bahwa akurasi lebih baik diperoleh dari Algoritma Decision Tree C4.5 sebesar 97,12% sedangkan nilai akurasi Algoritma Naïve Bayes sebesar 76,02%. Nilai Area Under Curve (AUC) pada kurva Receiver Operating Characteristic (ROC) menunjukkan Algoritma Decision Tree C4.5 memiliki nilai lebih tinggi dari Algoritma Naïve Bayes dengan hasil klasifikasi Good Classification.
Analisis Website Vclass Gunadarma Menggunakan User Experience Questioner (UEQ) Garis, Ariq Finkhan; Chodidjah, Siti; Indayanti, Deasy
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 3 No. 1 (2025): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v3i1.56

Abstract

Website kelas virtual atau disebut Vclass Universitas Gunadarma merupakan salah satu sarana pembelajaran secara daring yang memerlukan evaluasi untuk menilai efektivitas dalam memberikan pengalaman pengguna yang positif. Meski menawarkan kemudahan yang ada, ditemukan beberapa kendala dalam penggunaannya, seperti kendala teknis akibat koneksi internet yang tidak stabil, adaptasi metode pembelajaran baru, dan kualitas interaksi dosen dan mahasiswa yang kurang baik dibandingkan dengan menggunakan metode tatap muka yang dapat mempengaruhi keefektifan pembelajaran. Penelitian ini menganalisis pengalaman pengguna website kelas virtual dengan menggunakan metode User Experience Questioner (UEQ) yang melibatkan enam skala penilaian yaitu daya tarik, kejelasan, efisiensi, akurasi, stimulasi, dan kebaruan. Hasil penelitian menunjukkan bahwa hanya skala efisiensi yang memperoleh skor di atas rata-rata, sedangkan lima skala lainnya yaitu daya tarik, kejelasan, akurasi, stimulasi, dan kebaruan (0,48).. Dari segi tingkat benchmark website kelas virtual, masuk dalam kategori di bawah rata-rata, sehingga diperlukan penyempurnaan untuk meningkatkan pengalaman pengguna.
Perbandingan Metode Algoritma Decision Tree C4.5 Dan Naïve Bayes Untuk Memprediksi Penyakit Tiroid Safitri, Leli; Cahayani Murtiwiyati, Krista; Chodidjah, Siti; Indayanti, Deasy
Journals of Ners Community Vol 13 No 5 (2022): Jurnal of Ners Community
Publisher : Fakultas Ilmu Kesehatan Universitas Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55129/jnerscommunity.v13i5.2121

Abstract

Penyakit tiroid adalah kelenjar endokrin murni terbesar di tubuh manusia, terletak di leher bagian depan. Gangguan fungsi tiroid seringkali sulit dikenali karena gejalanya tidak spesifik, dan sering diabaikan karena gejala penyakit tiroid sangat mirip dengan banyak penyakit gaya hidup modern. pasien seringkali tidak menyadari ada masalah pada dirinya dan tidak memeriksakan diri ke dokter. Oleh karena itu, penelitian dibidang kesehatan dilakukan untuk pengobatan lebih dini, guna mencegah kematian akibat terlambatnya penanganan. Penelitian ini menggunakan metode klasifikasi data mining Algoritma Decision Tree C4.5 dan Naïve Bayes dengan tujuan agar algoritma terpilih merupakan algoritma yang menghasilkan nilai akurasi dan nilai Area Under Curve (AUC) yang lebih baik. Data penelitian menggunakan Thyroid Disease Dataset UCI (University of California, Irvine) Machine Learning Repository. Hasil pengujian menunjukkan bahwa akurasi lebih baik diperoleh dari Algoritma Decision Tree C4.5 sebesar 97,12% sedangkan nilai akurasi Algoritma Naïve Bayes sebesar 76,02%. Nilai Area Under Curve (AUC) pada kurva Receiver Operating Characteristic (ROC) menunjukkan Algoritma Decision Tree C4.5 memiliki nilai lebih tinggi dari Algoritma Naïve Bayes dengan hasil klasifikasi Good Classification.
Rancang Bangun Website E-Commerce Penjualan Pakaian Menggunakan Mern Abraar, Arinda; Indayanti, Deasy; Chodidjah, Siti
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 3 No. 2 (2025): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v3i2.135

Abstract

Seiring kemajuan teknologi kemajuan teknologi saat ini, berbagai aspek kehidupan menjadi lebih mudah, termasuk dalam bidang jual beli pakaian. Teknologi e-commerce memungkinkan bisnis UMKM, terutama di sektor pakaian, untuk mempromosikan produk mereka dengan jangkauan yang lebih luas. Berdasarkan latar belakang ini, peneliti mengembangkan sebuah situs web e-commerce menggunakan teknologi MERN. Situs web ini dikembangkan dengan metode SDLC (Software Development Life Cycle) yang melibatkan beberapa tahap: perencanaan, analisis sistem (yang mencakup perbandingan usulan, kebutuhan fungsional dan non-fungsional), perancangan sistem (termasuk perancangan navigasi, UML, database, dan tampilan website), implementasi (meliputi pembuatan database, tampilan website, dan implementasi hosting), serta pengujian (dengan blackbox testing dan uji coba website). Pembuatan situs web ini menggunakan Visual Studio Code dan bahasa pemrograman React.js sebagai framework dari JavaScript. Selanjutnya, dilakukan pengujian blackbox dan uji coba situs web untuk memastikan integrasi fungsional sistem dengan tampilan dan sistem berjalan dengan baik. Link akses (https://ecommerce.arkehil.xyz/) untuk user dan (https://ecommerce-admin.arkehil.xyz/) untuk admin.
Pengembangan Aplikasi Random Team Generator Berbasis Web Menggunakan Fitur Upload File Indayanti, Deasy; Athallah, Muhammad Hanif Herdianto; Chodidjah, Siti
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13763

Abstract

Keberhasilan dalam bisnis, pendidikan, dan kegiatan sosial membutuhkan kerja sama tim. Untuk meningkatkan produktivitas, kreativitas, dan sinergi antara anggota tim, pembagian tim yang efektif seringkali menjadi tantangan yang sulit. Untuk membantu pembagian tim secara acak, situs web Random Team Generator menawarkan fitur yang memungkinkan pengguna untuk membuat tim secara otomatis berdasarkan daftar anggota yang mereka masukkan. Proses perencanaan, analisis, desain, dan implementasi sistem dimulai dengan pembuatan Website Random Team Generator dengan fitur upload file menggunakan Metode Waterfall. Website ini dibuat menggunakan bahasa pemrograman HTML, CSS, dan JavaScript
Co-Authors Abraar, Arinda Athallah, Muhammad Hanif Herdianto Cahayani Murtiwiyati, Krista Chodidjah, Siti Dion Mirza Garis, Ariq Finkhan Safitri, Leli Siti Chodidjah