Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal Jurnal Simetris Bulletin of Electrical Engineering and Informatics Telematika : Jurnal Informatika dan Teknologi Informasi Jurnas Nasional Teknologi dan Sistem Informasi Computatio : Journal of Computer Science and Information Systems JRSI (Jurnal Rekayasa Sistem dan Industri) JURNAL REKAYASA TEKNOLOGI INFORMASI Innovation in Research of Informatics (INNOVATICS) Jurnal Pengabdian Siliwangi Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Heni Sulastri
Program Studi Informatika, Fakultas Teknik, Universitas Siliwangi
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Public Health Social Sciences Other

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

Found 3 Documents
Search
Journal : JURNAL REKAYASA TEKNOLOGI INFORMASI

 1 
Implementasi Algoritma Machine Learning Untuk Penentuan Cluster Status Gizi Balita Heni Sulastri; Husni Mubarok; Syifa Sefia Iasha
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 5, No 2 (2021): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v5i2.6779

Abstract

Malnutrisi atau kekurangan gizi pada balita mempunyai efek jangka panjang dalam tumbuh kembang balita, baik tumbuh kembang secara fisik maupun secara mental. Balita akan mengalami berbagai hambatan dalam pertumbuhannya seperti terhambatnya pertumbuhan tulang dan tinggi badan, terhambatnya balita untuk belajar berjalan, berbicara hingga menyebabkan cacat sampai menyebabkan kematian. Di Indonesia, stunting atau gangguan kembang tumbuh anak yang disebabkan oleh gizi buruk mencapai 27.7% yang menandakan bahwasanya permasalahan gizi buruk di indonesia masih sangat tinggi. Hal ini menjadi dasar pentingnya pencatatan dan pengelompokan gizi balita untuk mengetahui tumbuh kembang dan gizi balita agar dapat mengurangi tingkat malnutrisi dan melakukan penanganan secara cepat. Pengelompokan gizi balita dapat dilakukan dengan menerapkan algoritma machine learning. K-Means merupakan algoritma machine learning yang bersifat partitional clustering yang banyak digunakan karena kesederhanaan dan efisiensinya. Pengelompokan gizi balita akan dikelompokkan berdasarkan 5 kelompok gizi balita dengan parameter yang digunakan berupa berat badan, tinggi badan, dan lingkar kepala. Hasil yang didapatkan  dari pengelompokan data gizi balita menggunakan algoritma K-Means clustering yaitu kelompok 1 merupakan balita dengan gizi buruk berjumlah sebanyak 8 data atau 27,59%. kelompok 2 menyatakan gizi kurang berjumlah 1 balita atau 3,45%. Kelompok 3 menyatakan jumlah balita yang termasuk kategori gizi baik berjumlah 6 atau sekitar 20,69. Kelompok 4 menyatakan gizi lebih pada balita berjumlah 8 atau 27,59%. Sedangkan untuk kelompok 5 menyatakan balita berkategori obesitas sebanyak 6 data atau 20,69% dari total data.
Ekstreme Programming untuk Perancangan Sistem Informasi Pariwisata Kabupaten Ciamis Nanda Adi Pamungkas; Heni Sulastri; Acep Irham Gufroni
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 6, No 2 (2022): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v6i2.6787

Abstract

Pariwisata merupakan sektor yang mampu meningkatkan perekonomian masyarakat dan menjadi penyumbang devisa negara. Setiap daerah di Indonesia berupaya untuk meningkatkan pendapatan daerahnya melalui sektor pariwisata tidak terkecuali Kabupaten Ciamis. Kabupaten Ciamis merupakan salah satu kabupaten yang sangat gencar meningkatkan sektor pariwisata. Di Kabupaten Ciamis banyak objek wisata yang berpotensi untuk memikat wisatawan, namun objek wisata tersebut belum banyak diketahui oleh masyarakat luas. Hal ini dikarenakan Kabupaten Ciamis belum menyediakan informasi yang memadai dan dikemas secara menarik. Oleh karena itu, pemerintah Kabupaten Ciamis memerlukan sebuah media untuk promosi dan penyediaan informasi yang menarik dan akurat. Sistem informasi pariwisata dapat menjadi solusi bagi pemerintah Kabupaten Ciamis untuk menyediakan informasi objek wisata secara menarik dan mendetail. Sistem informasi pariwisata yang dibangun berupa rancangan menggunakan metode Extreme Programming dengan perancangan sistem menggunakan unified modeling language yaitu use case diagram. Hasil pengujian kelayakan rancangan sistem informasi menggunakan metode black-box berbasis survey kepuasaan calon pengguna yang menghasilkan nilai sebesar 71.5%. Berdasarkan nilai skala kepuasan, nilai tersebut menunjukkan bahwa calon pengguna puas terhadap hasil rancangan sistem informasi pariwisata yang telah dibuat.
Peramalan Stok Barang Percetakan dan ATK Menggunakan Single Moving Average Heni Sulastri; Gilang Saeful Anwar; Euis Nur Fitriani Dewi
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 7, No 1 (2023): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v7i1.11876

Abstract

Setiap badan usaha yang berorientasi pada penjualan produk mayoritas memerlukan informasi tentang produk yang dijualnya, termasuk informasi stok barang. Setiap usaha memiliki caranya tersendiri untuk mengelola data tersebut. Masalah yang biasanya dihadapi adalah ketika terlalu banyak menyiapkan stok banyak untuk produk yang pada periode tertentu sedang tidak banyak peminatnya dan sebaliknya menyiapkan stok seadanya untuk produk yang pada periode tertentu sedang banyak yang membutuhkan. Penumpukan stok produk menyebabkan produk tersebut bisa rusak karena termakan waktu dan kekurangan stok produk menyebabkan kepercayaan konsumen menurun dan memilih membeli produk tersebut di tempat lain. Salah satu solusi dari masalah tersebut adalah meramalkan stok produk yang harus disediakan pada periode berikutnya. Metode peramalan yang dipilih pada penelitian ini adalah Single Moving Average (SMA) yang dihitung nilai error-nya menggunakan beberapa matriks evaluasi diantaranya Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Penelitian ini bertujuan untuk meramalkan penjualan di periode selanjutnya menggunakan data penjualan pada periode sebelumnya. Hasil peramalan SMA menggunakan orde 3 pada bulan Juli 2023 yaitu 1359,3333 dengan perhitungan MAE sebesar 303,0667, MSE sebesar 153873,1, RMSE sebesar 392,2666, dan MAPE sebesar 39,0342% yang masuk ke dalam kategori wajar.
Co-Authors Acep Irham Gufroni Alam Rahmatulloh Anindita Septiarini, Anindita Euis Nur Fitriani Dewi Gilang Saeful Anwar Hairah, Ummul Hen Hen Lukmana Husen Husen Husni Mubarok Iwan Sutrisman Mohammad Rizal Ramli Muhammad Al-Husaini Muhammad Anwari Nanda Adi Pamungkas Neng Ika Kurniati Neng Ika Kurniati Nur Widiyasono Puspitasari, Novianti Rianto, Rianto Siti Yuliyanti Syifa Sefia Iasha Tejawati, Andi