Articles
Integrasi Sistem berbasis Predictive Analytics untuk Pasar Tradisional Indonesia
Roring, Riovan Styx;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 9, No 1 (2017): CSRID FEBRUARI 2017
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (210.455 KB)
|
DOI: 10.22303/csrid.9.1.2017.21-30
Kebudayaan Indonesia yang terkenal dengan sikap hangatnya kepada setiap orang, terlebih khusus dilihat didalam kegiatan publik seperti aktifitas jual-beli di pasar tradisional. Sayangnya, kurangnya pengetahuan untuk mengelola dan menjaga usaha merupakan permasalahan yang umum ditemukan di hampir setiap pasar tradisional di Indonesia. Insting menjual habis meskipun pada harga yang merugikan, diskon yang berlebihan, bonus pembelian yang berebihan merupakan contoh-contoh yang mengakibatkan terjadinya kerugian tanpa sepengetahuan penjual. Implementasi sistem yang dapat mengatasi masalah masalah diatas terlihat mudah, namun menjadi sulit ketika dihadapkan dengan sistem yang mengelola usaha dikarenakan terdapat beberapa faktor yang dapat mempengaruhi sistem tersebut, seperti faktor kebudayaan. Merancang sistem yang dapat memprediksi market berdasarkan behavior dari pembeli dan menangkap informasi tersebut merupakan solusi terbaik, dimana solusi tersebut dapat beradaptasi dengan kebutuhan dari lingkungan pasar tradisional. Penjual diminta untuk meng-input informasi barang mereka yang nantinya digunakan sebagai input untuk proses predictive analytics. Hasilnya kemudian disajikan kepada pengguna sebagai bagian dari keputusan bisnis mereka, dan juga sebagai input knowledge capturing dan knowledge transfer. Kombinasi antara analisis dan knowledge process kemudian menjadi suatu sistem yang dapat di integrasikan, yang mana dapat digunakan sebagai sistem informasi yang beradaptasi dengan lingkungan pasar Indonesia.
Implementasi Algoritma A Stars, Tilebase Collision Dan Fuzzy Logic Pada Game Strategy
Kurniadi, Harso;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 9, No 1 (2017): CSRID FEBRUARI 2017
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (373.282 KB)
|
DOI: 10.22303/csrid.9.1.2017.43-53
Implementasi algoritma A-Stars, Tilebase Collision dan Fuzzy Logic pada arsitektur dan perilaku tempur dalam game strategy menggunakan visual basic 6.0 dengan penelitian perilaku dan gambar karakter yang diambil dari game Red Alert2. Metode penelitian yang digunakanadalah Research and Development. Karena metode ini dapat membuktikan kemampuan algoritma yang digunakan dapat diterapkan pada game strategi. Kegiatan dalam mengukur kemampuan algoritma yang diterapkan pada aplikasi game strategi, dihasilkan formulasi untuk gerak multi direction dari pengembangan formulasi algoritma Steering Behavior. Formulasi multi direction dapat membuat karakter bergerak ke segala sudut mengikuti arah target. Perilaku cerdas karakter dalam game strategi merupakan bagian dari kecerdasan buatan (Artificial Intelligence) yang dibangun dari beberapa algoritma yaitu A-Stars sebagai solusi untuk menentukan pathfinding, Tilebase Collision sebagai solusi untuk mendeteksi tumbukan antara objek satu dengan objek lain, dan Fuzzy Logic menjadi solusi untuk membuat strategi perang dalam game.
Klasifikasi Penerimaan Mahasiswa Baru Menggunakan Algortima C4.5 Dan Adaboost (Studi Kasus : STMIK XYZ)
Agustin, Yoga Handoko;
Kusrini, Kusrini;
Luthfi, Emha Taufiq
CSRID (Computer Science Research and Its Development Journal) Vol 9, No 1 (2017): CSRID FEBRUARI 2017
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (496.22 KB)
|
DOI: 10.22303/csrid.9.1.2017.1-11
Setiap perguruan tinggi ingin mendapatkan mahasiswa yang memiliki kualitas yang baik serta dengan kwantitas yang sesuai dengan kuota yang di tetapkan dari perguruan tinggi tersebut.Kualitas calon mahasiswa baru dapat diketahui secara dini dengan mengenali pola dari karakteristik mahasiswa yang sudah ada di tahun-tahun sebelumnya dan memperhatikan lama masa studi.Algoritma C4.5 merupakan model untuk membangun sebuah pohon keputusan, algortima ini ditujukan untuk supervised learning: memberikan nilai atribut pada dataset yang digambarkan oleh koleksi atribut dan termasuk salah satu dari serangkaian kelas yang saling berhubungan. Untuk meningkatkan ketelitian dalam proses klasifikasi dan prediksi dengan caramembangkitkan kombinasi dari suatu model, maka digunakan pemodelan boosting yaitu Adaboost.Ekperimen dilakukan terhadap 546 dataset menggunakan Algortima C4.5 berbasis adaboost untuk menghasilkan akurasi. Dari eksperimen yang dilakukan menghasilkan nilai akurasi yang sama antara Algoritma C4.5 dan Algoritma C4.5 berbasis Adaboost yaitu sebesar Precision 77.33%, Accuracy 90.28%, Recall 45.54% akan tetapi terjadi perbedaan pada nilai AUC untuk Algoritma C4.5 sebesar 0.683 sedangkan untuk Algoritma C4.5 berbasi Adaboost sebesar 0,717. Pola tersebut dapat membantu untuk mengambil keputusan penerimaan mahasiswa baru yang dapat lulus tepat waktu dan mahasiswa yang lulus terlambat dapat terprediksi lebih awal.
Deteksi Motif Batik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan
Amanullah, Raynaldi Fatih;
Pujianto, Ade;
Pratama, Bayu Trisna;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (252.605 KB)
|
DOI: 10.22303/csrid.10.2.2018.69-79
Penelitian ini mengajukan sebuah metode klasifikasi batik menggunakan ekstraksi fitur tekstur serta klasifikasi menggunakan jaringan syaraf tiruan (artificial neural network). Metode ekstraksi fitur tekstur yang digunakan adalah DWT, GLCM dan Local Binary Pattern (LBP). Ekstraksi fitur dengan GLCM dan DWT menghasilkan 24 fitur yang terdiri dari 5 fitur GLCM dan koefisien energi dalam 4 sub-band channel hasil dekomposisi. Sementara ekstraksi fitur dengan LBP dilakukan dengan membangun histogram dari matriks hasil LBP. Fitur-fitur tersebut kemudian menjadi masukan bagi jaringan syaraf tiruan untuk kemudian diklasifikasi dalam 5 jenis batik: buketan, ceplok, kawung, parang dan truntum. Dataset yang digunakan adalah 50 gambar batik (10 untuk setiap motif) yang diambil secara acak di internet. Pengujian dilakukan dengan membandingkan dua kelompok fitur: DWT-GLCM dan DWT-GLCM-LBP untuk mengetahui metode ekstraksi fitur yang lebih baik dalam deteksi motif batik. Metode pengujian yang digunakan adalah K-Fold Cross Validation dengan hasil berupa confusion matriks untuk kemudian dihitung nilai akurasi dan F-Measure-nya. Hasil pengujian menunjukkan bahwa penggunaan ekstraksi fitur tekstur DWT-GLCM-LBP mampu mencapai akurasi 74% dengan jenis dekomposisi Daubechies 4 level 3.
Sistem Pakar Diagnosa Penyakit Ispa Menggunakan Metode Naive Bayes Classifier Berbasis Web
Yuliana, Yuliana;
Paradise, Paradise;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 10, No 3 (2018): CSRID Oktober 2018
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (432.848 KB)
|
DOI: 10.22303/csrid.10.3.2018.127-138
ISPA (Infeksi Saluran Pernafasan Akut) adalah sekelompok penyakit kompleks yang disebabkan oleh virus seperti rotavirus, virus Influensa, bakteri Streptococcus pneumoniae dan bakteri Staphylococcus aureus. ISPA merupakan penyakit gangguan saluran pernapasan yang dapat menimbulkan infeksi ringan sampai penyakit yang parah dan mematikan akibat faktor lingkungan. Kurangnya pengetahuan masyarakat mengenai gejala dan cara penanganan penyakit ISPA merupakan salah satu faktor penyebab tingginya angka kematian akibat ISPA. Peran sistem pakar yang disediakan dalam bentuk aplikasi sangat diperlukan untuk membantu seseorang dalam melakukan diagnosa penyakit ISPA secara mudah dan cepat. Pada penelitian kali ini peneliti akan membangun sebuah sistem pakar dengan menggunakan metode Naive Bayes Classifier berbasis web untuk menemukan solusi atau kemungkinan penyakit yang diderita oleh user. Aplikasi Sistem Pakar ini menghasilkan keluaran berupa kemungkinan penyakit Infeksi Saluran Pernafasan Atas (ISPA) yang diderita berdasarkan sistem pakar diagnosis ISPA yang telah dirancang, beserta pengujian yang telah dilakukan, maka dapat diambil kesimpulan, bahwa pada sistem yang dibangun dengan menerapkan metode Naive Bayes Classifier mampu mendiagnosis jenis penyakit ISPA secara akurat dengan persentase 90% berdasarkan data dan gejala yang dialami pasien. Namun data keluaran memiliki persentase kemungkinan yang rendah sebab gejala yang dialami pasien tidak cukup kuat untuk menyatakan pasien posistif terdiagnosis jenis penyakit ISPA.
DETEKSI EMOSI MEDIA SOSIAL MENGGUNAKAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY
Rohman, Arif Nur;
Handayani, Riska Dwi;
Y. P., Ryan Dwi;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 11, No 3 (2019): CSRID OKTOBER 2019
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (347.575 KB)
|
DOI: 10.22303/csrid.11.3.2019.140-148
Pada saat ini, manusia cenderung mengekspresikan pendapat, dan emosi melalui media sosial. Keterbukaan ekspresi pada media sosial membuat batasan batasan pribadi seseorang menjadi lebur. Orang tidak lagi sungkan menulis kehidupan pribadinya melalui postingan status pembaharuan untuk dilihat oleh orang lain. Penulis mencoba menggunakan data dari media sosial agar dapat dilakukan analisis untuk mendapatan informasi kepribadian termasuk emosi. Sebelum dianalisis, data dilakukan pra pemrosesan membuang symbol dan icon, normalisasi teks, stemming dan membuang stopword terlebih dahulu untuk memperbaiki data dari media sosial yang menggunakan bahasa tidak baku. Pra pemrosesan memperoleh hasil akhir 365 dataset yang dipisah menjadi 265 data latih dan 100 data uji. Tiap data sudah memiliki label emosi yang diberikan secara manual oleh pengguna facebook selaku penulis dari postingan. Perhitungan dilakukan dengan TF IDF untuk mendapatkan bobot tiap kata atau token, lalu label emosi data latih dengan nilai tertinggi diberikan pada data yang diuji. Dari 100 data uji diperoleh akurasi 59%, selebihnya 41% tidak akurat. Emosi dianggap hal penting yang berpengaruh pada seseorang dalam pengambilan keputusan, sehingga deteksi emosi seseorang dapat dimanfaatkan sebagai input sistem pendukung keputusan penerimaan pegawai dan konseling kepribadian.
SISTEM PENUNJANG KEPUTUSAN UNTUK PROMO BUNDLING PRODUK DENGAN METODE SAW DAN APRIORI
Rini, Rini;
Yuliani, Enie;
Sriyati, Sriyati;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 11, No 3 (2019): CSRID OKTOBER 2019
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (659.061 KB)
|
DOI: 10.22303/csrid.11.3.2019.131-139
Strategi pemasaran dengan bundling atau kombinasi beberapa produk yang dijual dalam satu paket sedang marak dilakukan oleh toko online maupun offline. Bundling produk tidak bisa dilakukan secara asal, perlu alasan mengapa produk tersebut dijual dalam satu paket. Beberapa yang perlu dipikirkan adalah: apakah paket produk tersebut akan banyak terjual jika dijual bersama-sama, dan produk apa yang seharusnya dibuatkan promo bundling. Penelitian ini berusaha memberikan solusi untuk pertanyaan tersebut. Tujuan penelitian ini untuk mengembangkan sistem rekomendasi berbasis web yang dapat digunakan oleh para pemilik toko untuk membuat bundling produk. Terdapat fitur rekomendasi produk yang akan dibuatkan promo, pemilik toko memiliki kebebasan untuk memilih kriteria yang digunakan untuk pemilihan produk menggunakan metode SAW. Setelah mendapatkan daftar produk yang akan dibuatkan promo, pengguna akan dihadapkan dengan proses bundling produk menggunakan metode aturan asosiasi yaitu apriori. Pengguna diizinkan untuk menentukan minimum support atau minimal jumlah transaksi yang disyaratkan. Hasil dari sistem ini adalah rekomendasi bundling produk sesuai dengan produk yang terpilih dari kriteria yang diinputkan oleh pengguna sistem. Data ditampilkan urut berdasarkan hasil perkalian nilai support dan confidence tertinggi. Berdasarkan pengujian sistem yang telah dilakukan, sistem ini dapat berjalan dengan baik dan memudahkan pengguna/pemilik toko untuk membuat bundling produk sesuai dengan kriteria yang diinginkan.
Sistem Pemilihan Ruang Rawat Inap Menggunakan Metode Weighted Product dan K-Nearest Neighbor
Adiatma, Biva Candra Lutfi;
Muahidin, Zumratul;
Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 13, No 1 (2021): CSRID FEBRUARI 2021
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22303/csrid.13.1.2021.01-11
Rawat Inap merupakan istilah yang berarti proses perawatan pasien oleh tenaga kesehatan profesional akibat penyakit tertentu, dimana pasien diinapkan di suatu ruangan dirumah sakit. Ruang instalasi rawat inap merupakan ruang tempat pasien dirawat. Ruangan rawat inap dulunya hanya berupa bangsal yang dihuni oleh banyak orang sekaligus. Penelitian ini fokus pada pengembangan sistem pendukung keputusan untuk memprioritaskan pasien covid-19 atas ketersediaan ruang rawat inap. Sistem ini dirancang untuk membantu pihak rumah sakit dalam memberikan kenyamanan bagi para pasien yang sedang dirawat. Metode yang digunakan dalam penelitian ini adalah K-Nearest Neighbor untuk mendapatkan klasifikasi dari gambar rontgen pasien kemudian akan dikonversikan ke dalam bentuk bobot sesuai kriteria yang akan diolah berdasarkan kriteria – kriteria yang telah ditentukan oleh rumah sakit kemudian dilanjutkan menggunakan metode Weighted Product untuk perhitungan bobot kepentingan dan bobot pangkat setelah itu akan didapatkan nilai vektor s dan yang terakhir akan didapatkan nilai vektor v dari setiap alternatif untuk mendapatkan prioritas atas ketersediaan ruang rawat inap.. Hasil penelitian menunjukkan bahwa sistem dapat membantu pihak rumah sakit dalam memprioritaskan pasien covid-19 atas ketersediaan ruang rawat inap.
ANALISIS PRIORITAS PASIEN COVID-19 UNTUK RAWAT INAP MENGGUNAKAN LOGISTIC REGRESSION DAN AHP
Prasetio, Dimaz Arno;
Zein, Hamada;
Kusrini, Kusrini;
Supriatin, Supriatin
CSRID (Computer Science Research and Its Development Journal) Vol 13, No 3 (2021): CSRID OKTOBER 2021
Publisher : Universitas Potensi Utama
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22303/csrid.13.3.2021.149-157
Kondisi bertambahnya pasien covid-19 ini tidak sebanding dengan jumlah kamar yang tersedia di rumah sakit atau tempat khusus yang ditunjuk sebagai tempat isolasi pasien covid-19. Kekurangan ruang isolasi dan fasilitas juga dialami oleh rumah sakit lainnya diseluruh wilayah Indonesia. Sedikitnya jumlah kamar yang tersedia pada rumah sakit dan terbatasnya jumlah dan tenaga para dokter dan perawat maka diperlukan sebuah sistem untuk membantu dokter memberikan rekomendasi perangkingan pasien yang dapat masuk sebagai pasien rawat inap sehingga pasien, penggunaan ruangan, fasilitas serta tenaga yang ada menjadi lebih efisien serta mampu menolong semua pasien yang benar-benar membutuhkan. Dengan pemodelan yang diajukan AHP dapat membantu memberikan keputusan yang cepat dan dengan algoritma logistic regression mampu membantu mempercepat keputusan dari salah satu kriteria pada AHP yang digunakan dengan tingkat akurasi pengklasifikasian kondisi paru paru pasien sebesar 97.14%.