Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Semantik Jurnal Buana Informatika Dinamika Informatika Jurnal technoscientia Seminar Nasional Informatika (SEMNASIF) JURNAL TEKNOLOGI TECHNOSCIENTIA
Ernawati -
Universitas Atma Jaya Yogyakarta
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Earth & Planetary Sciences Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
ANALISIS KRITERIA SISTEM PENDUKUNG KEPUTUSAN BEASISWA BELAJAR BAGI GURU MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP) Oyama, Sunggito; Ernawati, Ernawati; Mudjihartono, Paulus
Dinamika Informatika Vol 5, No 1 (2015): Jurnal Dinamika Informatika
Publisher : Universitas PGRI Yogyakarta

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

Abstract

Pemberian beasiswa belajar bagi guru selama ini sangat di perlukan manfaatnya bagi guru yang sedang menempuh sarjana S1. Banyak kriteria yang dijadikan perhitungan untuk mendapatkan skor pemohon. Proses seleksi yang dilakukan adalah  dengan  memilah-milah  berkas  yang  dikumpulkan  oleh pendaftar beasiswa sembari mengecek database terkait status  beasiswa  dari  yang  bersangkutan. Dengan  jumlah pendaftar yang cukup banyak maka proses  seleksi  tersebut  menyita  banyak  waktu  karyawan  dan hasilnyapun kurang  valid. Untuk itulah dibutuhkan suatu sistem pendukung keputusan untuk memberi pertimbangan dalam  menyeleksi  beasiswa. Pada awal data  akan  Dianalisis kriteria penentu yang memiliki faktor paling besar dan kemudian di buat suatu sistem pendukung keputusan untuk menentukan penerima beasiswa dengan  metode    Analytical Hierarchy Process. Sistem  pendukung   keputusan   ini   akan mengurutkan  prioritas  penerima  beasiswa  sesuai  dengan kriteria  yang  ditentukan pengambil  keputusan. Pengambil keputusan dapat memberikan pandangan dan memasukkan penilaian berdasarkan pengalaman mereka. Dengan demikian, sistem pendukung keputusan ini mampu membantu pihak pengelola beasiswa untuk menentukan alternatif terbaik penerima beasiswa sesuai kondisi yang diharapkan. Hasil akhir di laporan dari pembuatan sistem pendukung keputusan ini adalah sebuah urutan prioritas pemberian beasiswa dari yang terbesar hingga yang terkecil.
ANALISIS EVALUASI KINERJA PEJABAT STRUKTURAL DENGAN METODE LINEAR PROGRAMMING Maria Adelvin Londa; Yudi Dwiandiyanta; Ernawati Ernawati
Semantik Vol 2, No 1 (2012): Prosiding Semantik 2012
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (172.429 KB)

Abstract

Pengukuran kinerja pejabat struktural merupakan satu hal yang harus dilakukan secara periodik oleh sebuah lembaga pendidikan. Saat ini di Universitas Flores – Ende – NTT belum menerapkan penilaian kinerja pejabat struktural dengan konsep komputerisasi, sehingga proses evaluasi kinerja pejabat struktural belum bisa dilaksanakan secara maksimal. Proses perancangan sistem pendukung keputusan menggunakan metode Linear Programming sebagai parameter asumsi, batasan dan aturan-aturan yang ditetapkan untuk dilakukan pemodelan matematika dalam bentukmodel pemrograman linear. Linear Programming memberikan alternatif pemecahan dari persoalan sebagai alternatif pengambilan satu keputusan yang bersifat minimum dengan memilih alternatif yang terbaik. Hasil akhir penelitian ini berupa analisis hasil evaluasi kinerja pejabat struktural.Kata kunci : Sistem Pendukung Keputusan, Linear Programming, kinerja pejabat struktural.
SISTEM PAKAR BERBASIS MOBILE UNTUK MEMBANTU MENDIAGNOSIS PENYAKIT AKIBAT GIGITAN NYAMUK Emanuel Safirman Bata; Y. Sigit Purnomo W.P; Ernawati Ernawati
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 3 (2012): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

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

Abstract

Di Kabupaten Sikka, nyamuk adalah sumber penularan penyakit malaria, demam berdarah, chikungunya dan kaki gajah. Pada tahun 2010 penyakit-penyakit tersebut menjadi populer dengan ditemukannya banyak kasus yang meliputi 19.763 kasus malaria, 861 kasus demam berdarah, 20 kasus chikungunya dan 5.252 kasus kaki gajah. Kurangnya sarana dan prasarana medis serta keadaan geografis yang buruk menjadi faktor penyebabnya. Kabupaten Sikka hanya memiliki 3 buah rumah sakit dan 57 orang dokter. Jumlah seperti ini tentunya tidak sebanding dengan jumlah penduduk saat itu sebesar 300.328 jiwa. Jauhnya tempat pelayanan kesehatan menyebabkan masyarakat harus mengeluarkan dana lebih untuk memeriksakan kesehatannya. Hal ini tentunya akan membebani sebagian masyarakat yang memiliki latar belakang perekonomian yang rendah. Berdasarkan masalah diatas, penulis mengembangkan sebuah sistem pakar berbasis mobile yang mampu membantu masyarakat untuk mendiagnosis penyakit-penyakit akibat gigitan nyamuk sehingga masyarakat dapat mengambil langkah cepat untuk menanggulangi penyakit tersebut. Untuk menangani masalah ketidakpastian data, sistem ini menggunakan Teorema Bayes. Sistem ini dapat membantu Dinas Kesehatan Kabupaten Sikka untuk memonitoring perkembangan penyakit akibat gigitan nyamuk melalui media grafik. Berdasarkan hasil pengujuan pada 3 orang dokter dan 30 pasien penderita penyakit akibat gigitan nyamuk, 93,93% jawaban menunjukan setuju bahwa sistem ini dapat memberikan kontribusi kepada pasien atau dokter dalam hal mendiagnosis penyakit.
ANALISIS KRITERIA SISTEM PENDUKUNG KEPUTUSAN BEASISWA BELAJAR BAGI GURU MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS (AHP) Sunggito Oyama; Ernawati Ernawati; Paulus Mudjihartono
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2013): Information System and Application
Publisher : Jurusan Teknik Informatika

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

Abstract

Pemberian beasiswa belajar bagi guru selama ini sangat di perlukan manfaatnya bagi guru yang sedang menempuh sarjana S1. Banyak kriteria yang dijadikan perhitungan untuk mendapatkan skor pemohon. Proses seleksi yang dilakukan adalah  dengan  memilah-milah  berkas  yang  dikumpulkan  oleh pendaftar beasiswa sembari mengecek database terkait status  beasiswa  dari  yang  bersangkutan. Dengan  jumlah pendaftar yang cukup banyak maka proses  seleksi  tersebut  menyita  banyak  waktu  karyawan  dan hasilnyapun kurang  valid. Untuk itulah dibutuhkan suatu sistem pendukung keputusan untuk memberi pertimbangan dalam  menyeleksi  beasiswa.  Pada awal data  akan  Dianalisis kriteria penentu yang memiliki faktor paling besar dan kemudian di buat suatu sistem pendukung keputusan untuk menentukan penerima beasiswa dengan  metode    Analytical  Hierarchy  Process. Sistem  pendukung   keputusan   ini   akan mengurutkan  prioritas  penerima  beasiswa  sesuai  dengan kriteria  yang  ditentukan pengambil  keputusan.  Pengambil keputusan dapat memberikan pandangan dan memasukkan penilaian berdasarkan pengalaman mereka. Dengan demikian, sistem pendukung keputusan ini mampu membantu pihak pengelola beasiswa untuk menentukan alternatif terbaik penerima beasiswa sesuai kondisi yang diharapkan. Hasil akhir di laporan dari pembuatan sistem pendukung keputusan ini adalah sebuah urutan prioritas pemberian beasiswa dari yang terbesar hingga yang terkecil.
ANALISIS DAN PERANCANGAN SISTEM PAKAR FUZZY UNTUK PARIWISATA Martinus Maslim; Ernawati Ernawati; B. Yudi Dwiandiyanta
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 3 (2012): Intelligent System dan Application
Publisher : Jurusan Teknik Informatika

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

Abstract

Sektor pariwisata telah muncul sebagai salah satu industri yang terbesar di dunia. Pada tahun 2010 industri pariwisata global menghasilkan sekitar US$ 5,7 trilliun dan memperkerjakan sekitar 235 juta orang. Bagi para wisatawan, informasi mengenai objek wisata diperlukan agar para wisatawan tidak salah memilih tujuan kemana mereka akan pergi. Apabila tidak ada informasi yang jelas mengenai objek wisata maka wisatawan pun akan ragu untuk mengunjungi negara tersebut. Sistem pakar fuzzy untuk pariwisata yang akan dirancang dapat menjadi solusi untuk masalah informasi pariwisata yang dibutuhkan oleh wisatawan. Logika fuzzy akan diterapkan dalam mesin inferensi pada sistem pakar ini. Metode logika fuzzy cocok untuk mengambil keputusan di dalam sistem pakar pariwisata dimana inputannya bersifat tidak pasti. Sistem pakar akan dirancang berbasis web-based dengan teknologi ASP .NET dan menggunakan tools pemrograman Microsoft Visual Studio. Sistem pakar pariwisata ini dapat membantu para calon wisatawan dalam menentukan tujuan wisata mereka. Sistem ini memberikan data negara tujuan serta memberikan rekomendasi jadwal perjalanan sesuai dengan lama perjalanan yang diinginkan.
Pembangunan Aplikasi Klasifikasi Mahasiswa Baru untuk Prediksi Hasil Studi Menggunakan Naïve Bayes Classifier Mega Kartika Sari; Ernawati Ernawati; Irya Wisnubhadra
Jurnal Buana Informatika Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i2.492

Abstract

Abstract. Every university hopes to create the best potential graduates. Some of the efforts can be achieved by utilizing university data to be processed into information. The resulting information can help the university to determine the decisions to take in improving the students’ academic performance. One of the methods to process the data is by using Naive Bayes Classifier. This method requires some information such as GPA, average credits and attendance percentage. The prediction results are taken based on the data of the students at the university. Because there are large number of data to process it will require an information system that can classify data using Naïve Bayes Classifier. This application is built by using C# programming language with an average of 81,67% accuracy results (the accuracy depends on the data used). This application is expected to help the university to increase the achievements of its graduates.Keywords: Classification, Naive Bayes, Machine learning, Data miningAbstrak. Setiap universitas tentu berharap dapat meluluskan mahasiswa dengan prestasi terbaik. Usaha meningkatkan prestasi dapat diwujudkan dengan memanfaatkan data universitas untuk diolah menjadi informasi. Informasi yang dihasilkan dapat berguna untuk menentukan keputusan yang harus diambil pihak universitas dalam meningkatkan prestasi. Salah satu metode yang digunakan untuk memproses data ialah metode klasifikasi Naive Bayes. Metode ini menggunakan beberapa informasi seperti IPK, rata-rata sks dan persentase kehadiran mahasiswa sebagai data pelatihan. Data pelatihan tersebut digunakan untuk memprediksi IPK, rata-rata sks dan presentase kehadiran mahasiswa baru sebagai data uji. Adanya data yang cukup besar untuk diolah, maka dibutuhkan aplikasi klasifikasi mahasiswa baru menggunakan metode Naive Bayes Classifier. Aplikasi ini dibangun menggunakan bahasa pemrograman C# dengan rata-rata hasil akurasi 81,67%. Aplikasi ini diharapkan dapat membantu universitas dalam meningkatkan hasil prestasi akademik mahasiswa.Kata Kunci: Naive Bayes, Pembelajaran mesin, Penambangan data
Pembangunan Aplikasi Identifikasi Waktu Kawin Ternak Babi dengan Alihragam Wavelet dan Backpropagation B. Yudi Dwiandiyanta; Marcellinus Pratama W Putra; Ernawati Ernawati; Martinus Maslim
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1832

Abstract

Abstract.Pigs are one of the animals that are usually bred for pork production. In order to have the pork production which meet the high level of consumption, it is necessary to handle the mating time for the nursery process so that pigs can mate at the right time to avoid problems such as pregnancy failure. Determination of the right mating time in pigs can be decided by observing the shape and color of female pig vulva that is opened and slimy. The uniqueness of vulva in this breeding season can be analyzed and identified by using Haar Wavelet and Backpropagation neural networks. Wavelets are used to perform image feature retrieval, while Backpropagation artificial neural networks are used to create a base of knowledge to decide whether the pigs are at the right mating time. This application is a web application built by Visual Studio 2015 MVC5 framework with C # programming language. Users can use this application by using the Android application. The construction of this application aims to enable pig breeder to get the right time of mating to increase the pork production. This application will also be made for the smart phone version in order to make the detection process with this application more efficient.Keywords: Pattern Recognition, Haar Wavelet, Backpropagation, Pig Breeding.Abstrak. Babi merupakan hewan yang diternakkan untuk dimanfaatkan dagingnya. Agar produksi daging babi dapat memenuhi tingkat konsumsi yang tinggi, diperlukan penanganan waktu kawin agar babi dapat kawin pada waktu yang tepat sehingga menghindari permasalahan seperti kegagalan kebuntingan.Penentuan waktu kawin yang tepat pada babi terlihat pada bentuk dan warna vulva babi betina yang terlihat terbuka dan berlendir. Keunikan vulva ini dapat dianalisis dan dikenali polanya menggunakan alihragam Haar Wavelet dan jaringan syaraf tiruan Backpropagation. Wavelet digunakan untuk pengambilan ciri citra, jaringan syaraf tiruan Backpropagation digunakan untuk membuat basis pengetahuan untuk mengkategorikan karakter yang membuat babi dinyatakan berada dalam waktu kawin yang tepat. Aplikasi ini merupakan aplikasi web yang dibangun dengan bahasa pemrograman C#. Dibangunnya aplikasi ini bertujuan agar peternak babi dapat mendapatkan waktu yang tepat untuk mengawinkan ternaknya agar produksi babi dapat meningkat. Aplikasi ini juga dibuat pada ponsel pintar agar proses pendeteksian dengan aplikasi ini menjadi lebih efisien.Kata Kunci: Pengenalan Pola, Haar Wavelet, Backpropagation, Ternak Babi.
Pembangunan Aplikasi Alat Bantu Proses Anotasi Menggunakan Progressive Web Apps I Gede Bagus Artha Suryawan; Y. Sigit Purnomo WP; Ernawati Ernawati
Jurnal Buana Informatika Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i2.2380

Abstract

Abstract.Dataset is the key to natural language processing. Datasets can be created by giving information to a text or sentence (annotation process). The process can be done either manually or automatically. The automatic one is considered easier and it takes a shorter period of time compared to the manual process. This study is done to develop an application of data annotation (AADT) using Progressive Web Apps (PAW). This application is built by implementing text information extraction to support NER (Named Entity Recognition) approach. The result shows that AADT successfully helped the annotation process of the text data. PWA application sustains the data storage which is continually accessed with small change rate. Besides, PWA is able to keep this application stable. NER (Named Entity Recognition) implementation in this application successfully produced the dataset desired by its users.Key words: Natural Language Processing, Named Entity Recognition, Annotation, Progressive Web Apps.Abstrak.Dataset adalah komponen utama dalam pemrosesan bahasa alami. Dataset dapat dibuat dengan melakukan pemberian informasi pada sebuah teks ataupun sebuah kalimat (proses anotasi). Pembuatan dataset dapat dilakukan secara manual dan otomatis. Pembuatan dataset secara otomatis lebih mudah dan membutuhkan waktu yang lebih singkat daripada pembuatan secara manual. Penelitian ini bertujuan membuat aplikasi alat bantu proses anotasi AADT (Aplikasi Anotasi Data Teks) dengan menggunakan PWA (Progressive Web Apps). Aplikasi ini dibangun dengan menerapkan information extraction terhadap teks untuk mendukung pendekatan NER (Named Entity Recognition). Hasil penelitian menunjukkan bahwa aplikasi ini berhasil membantu proses anotasi data teks. Penggunaan PWA pada aplikasi ini membantu dalam penampungan data yang akan diakses secara terus menerus dengan tingkat perubahan yang kecil. Selain itu PWA membuat aplikasi tetap stabil. Penerapan NER pada aplikasi ini berhasil menghasilkan dataset yang sesuai dengan keinginan pengguna.Kata Kunci: Pemrosesan Bahasa Alami, Named Entity Recognition, Anotasi, Progressive
Klasifikasi Ujaran Kebencian pada Cuitan dalam Bahasa Indonesia Kevin Antariksa; Y. Sigit Purnomo WP; Ernawati Ernawati
Jurnal Buana Informatika Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i2.2451

Abstract

Abstract. The sheer amount of hate speech in social media is making people nauseous. The amount of hate speech these days keeps increasing and yet, there was no preventive act to counter back the hate speech. Pre-existing hate speech detection is also not yet available in Bahasa Indonesia. A machine learning model that is able to recognize hate speech in Bahasa Indonesia will be explained in this article. The model will compare pre-existing methods in machine learning. Naive Bayes, SVM, and Logistics Regression are the methods that will be used for the model. Some of the parameters in the test will be altered to achieve the maximum value for detecting hate speech. The expectation is a machine learning model that is able to recognize hate speech in Bahasa Indonesia accurately. Expected accuracy is above 85%. After the experiment, the highest accuracy achieved was at 98%, while the lowest accuracy was only 80%.Keywords: Hate speech detection, machine learning model, social media, Bahasa Indonesia, tweetsAbstrak. Banyaknya ujaran kebencian yang ada di media sosial sudah membuat jengah. Ujaran kebencian tersebut makin marak dijumpai namun masih belum ada upaya preventif dari media sosial untuk menangkalnya. Deteksi ujaran kebencian yang sudah dibuat juga belum tersedia dalam Bahasa Indonesia. Sebuah model pembelajaran mesin yang dapat mengenali ujaran kebencian dengan Bahasa Indonesia akan dibahas pada naskah ini. Dalam model tersebut dibandingkan beberapa metode pembelajaran mesin yang ada. Metode yang digunakan dalam pengujian adalah Naïve Bayes, SVM, dan Logistic Regression. Dalam pengujian, beberapa parameter akan diubah-ubah sehingga didapatkan nilai paling maksimal dalam deteksi ujaran kebencian. Hasil yang diharapkan adalah sebuah model pembelajaran mesin. Model tersebut diharapkan dapat mengenali ujaran kebencian berbahasa Indonesia secara akurat. Akurasi yang diharapkan adalah diatas 85%. Setelah percobaan, didapatkan nilai akurasi paling tinggi yaitu 98%, sedangkan nilai akurasi paling rendah yaitu 80%.Kata Kunci: Deteksi ujaran kebencian, model pembelajaran mesin, media sosial, Bahasa Indonesia, cuitan
IDENTIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPOPAGATION DAN ALIHRAGAM WAVELET DAUBECHIES R. Arum Kumalasanti; Ernawati -; B. Yudi Dwiandiyanta
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia Vol 8 No 2 Februari 2016
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (259.001 KB) | DOI: 10.34151/technoscientia.v8i2.170

Abstract

The signature is an important attribute for each individual because it is often used as an identity. The use of signatures is practical and simple to make the existence of the more commonly used signature. The existence of this signature facilitate the activities of individuals and even used for the identification of individuals. It is proof that the signature is an important attribute that must be protected from those who are not responsible. Sophisticated and valid needed to provide the best solution. Various approaches have been proposed in the development of the identification of signatures aimed to minimize counterfeiting signatures. This study will discuss the identification of signatures to get authenticity. Processes that exist in this study consists of two main parts: training and testing phase. The size of the imagery used is 256x256 pixels. Training phase, the image subjected to several processes that threshold, Daubechies wavelet transformation, normalization, and then will be trained using the Artificial Neural Network (ANN) Backpropagation. Testing has the same phase as in the training phase but the end of the process will be a comparison between the image data that has been stored with the image comparison. Optimal results are obtained by using a neural network has two hidden layers, respectively 20 and 10 nodes, Daubechies 3 wavelet transformation at level 4, and the learning rate of 0.13. With the results of an accuracy of 93.33%.
Co-Authors B. Yudi Dwiandiyanta B. Yudi Dwiandiyanta B. Yudi Dwiandiyanta Emanuel Safirman Bata I Gede Bagus Artha Suryawan Irya Wisnubhadra Kevin Antariksa Marcellinus Pratama W Putra Maria Adelvin Londa Martinus Maslim Martinus Maslim Mega Kartika Sari Paulus Mudjihartono Paulus Mudjihartono R. Arum Kumalasanti Sunggito Oyama Sunggito Oyama, Sunggito Yohanes Sigit Purnomo Wuryo Putro Yudi Dwiandiyanta