Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jupiter

PENGEMBANGAN ELECTRONIC CUSTOMER RELATIONSHIP MANAGEMENT (E-CRM) UNTUK PENCARIAN RUMAH KOST DI BANDAR LAMPUNG (Studi Kasus : Bagian PMB IBI Darmajaya) Sri karnila; Feri Setiadi
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 9 No 1 (2017): Jupiter April 2017
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.3411896

Abstract

Penelitian ini menghasilkan E-CRM pada bagian pendaftaran mahasiswa baru di sebuah Perguruan Tinggi (studi kasus pada IBI Darmajaya) sebagai salah satu fasilitas yang memberikan pelayanan optimal kepada mahasiswa dalam pencarian rumah kost. Dalam proses pencarian rumah kost, mahasiswa menghadapi beberapa kendala antara lain minimnya informasi mengenai rumah kost, mulai dari harga, alamat, dan fasilitas yang diberikan. Pada umumnya informasi hanya sebatas alamat, sehingga informasi tidak akurat, untuk itu dibutuhkan sebuah interface sebagai media pencarian rumah kost. Metode pengembangan sistem yang digunakan berbasis Object Oriented Analisys and Design (OOAD), melalui empat tahapan yaitu : 1. Inception, 2. Elaboration, 3. Construction, 4. Transition sehingga  E-CRM  yang dibangun menyediakan informasi akurat mengenai rumah kost, peta lokasi dan jarak rumah kost dengan IBI Darmajaya. Hasil dari penelitian ini di implementasikan dalam bentuk aplikasi E-CRM  untuk mempermudah mahasiswa dalam melakukan pencarian rumah kost di Bandar Lampung. Sehingga, ini menunjukkan IBI Darmajaya sangat optimal dalam pelayanan tidak hanya dalam penerimaan mahasiswa baru tetapi juga menjalin hubungan yang lebih erat dengan mahasiswa IBI Darmajaya yang membutuhkan informasi rumah kost.
PENENTUAN JARAK PADA APLIKASI E-TOURISM BERBASIS ANDROID SEBAGAI STRATEGI PROMOSI PARIWISATA LAMPUNG Herlina Herlina; Sri Karnila; Rio Kurniawan; Yulmaini -; M. Ariza Eka Yusendra
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 8 No 2 (2016): Jupiter Oktober 2016
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.3427029

Abstract

Program ini menghasilkan sistem informasigeografis pariwisata berbasis android sehingga menjadi sebuah interface yang membantu Dinas Pariwisata Provinsi Lampung untuk menginformasikan objek wisata dan jarak terdekat dengan fasilitas – fasilitasnya. System informasi geografis ini mampu menjadi salah satu media pengenalan objek wisata dan berdampak terhadap peningkatan animo dan jumlah wisatawan yang akan berkunjung ke Provinsi Lampung. Pada proses penghitungan rute terpendek terdapat dua macam proses yaitu proses pemberian label dan proses pemberian node sehingga memberikan informasi jarak terdekat dari titik pencari informasi. Aplikasi ini disebut dengan E-tourism mobile berbasiskan system operasi android dapat dijalankan melalui smartphone oleh para wisatawan, E-Tourisme ini difasilitasi dengan fungsi pemilihan tempat wisata, penjadwalan kegiatan wisata, memberikan pengguna untuk memberikan rating dan komentar bagus untuk suatu tempat wisata dan estimasi waktu serta rute yang akan ditempuh untuk menuju ke tempat wisata
Evaluasi Performa Random Forest, XGBoost, dan LightGBM dalam Diagnosis Dini Diabetes Mellitus Hendra, Hendra Kurniawan; Asmaul Dwi Akbar; Nicholas Svensons; Yandi Jaya Antonio; Karnila, Sri; Safitri, Egi; Nurjoko, Nurjoko
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 17 No 2 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

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

Abstract

Diabetes mellitus is a long-term condition marked by elevated blood sugar levels, which can lead to serious complications such as heart disease, kidney failure, and vision impairment. Early detection plays a vital role in minimizing these risks and enhancing patients' quality of life. This research focuses on assessing the performance of three machine learning algorithms—Random Forest, XGBoost, and LightGBM—in predicting diabetes risk. The dataset utilized originates from the National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK), comprising 768 samples with 9 key features. The research methodology involves multiple stages, including data collection, preprocessing, addressing data imbalance using SMOTE, data splitting for training and testing, algorithm implementation, and model evaluation through accuracy, precision, recall, F1-score, and Area Under the Curve (AUC) metrics. Findings reveal that Random Forest delivers the highest performance with an AUC score of 86%, followed by XGBoost (83%) and LightGBM (82%). With its strong accuracy, this model holds potential as a valuable tool for early diabetes diagnosis, contributing to faster and more precise medical decision-making.