Claim Missing Document
Check
Articles

Found 9 Documents
Search

Trends and Patterns of The Internet Use During School Holidays Khalid Khalid; Indri Sudanawati Rozas; Dwi Rolliawati
Journal of Information Systems Engineering and Business Intelligence Vol. 6 No. 2 (2020): October
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.6.2.89-98

Abstract

Background: The Internet use according to Indonesian Internet Services Provider Association (APJII) can be an indicator for parents and educators to monitor students’ mental development and learning behaviors.Objective: This study aims to analyze trends and patterns of the Internet use among students during the school holidays.Methods: This study uses data from XYZ operator, one of the most affordable mobile service providers in Indonesia in 2019. The data was analyzed by using Online Analytical Processing (OLAP).Result: The results shows that the use of 3G and 4G data increased significantly during the school holidays, compared to school days. The highest increase of the Internet traffic is during the semester break, occurred at the rate of 22 to 24 hours a day, with the peak reaching 20.87% at 10:00.Conclusion: The research findings can inform relevant parties, both parents and school teachers in guiding their children to use the Internet.
Topic Modeling Pada Abstrak Skripsi Menggunakan Metode Latent Semantic Analysis Rifqi Hakim; Khalid Khalid; Dwi Rolliawati
FORMAT Vol 11, No 1 (2022)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/10.22441/format.2022.v11.i1.009

Abstract

Abstrak – Skripsi merupakan penelitian akhir bagi mahasiswa strata-1. Dengan semakin bertambahnya dokumen skripsi, maka akan terbentuk informasi dari kumpulan dokumen tersebut. Penelitian ini dilakukan untuk menentukan pemodelan topik dan analisis tren topik dari kumpulan abstrak skripsi Program Studi Sastra Ingris UINSA tahun 2014 sampai 2019. Dari 720 dataset abstrak skripsi dilakukan pemodelan topik dengan metode Latent Semantic Analysis yang meliputi preprocessing, pembobotan term, dan perhitungan Singular Value Decomposition. Pemodelan Topik menghasilkan 20 topik linguistik dan 17 topik literatur. Kemudian pada analisis tren topik, diperoleh 7 tren topik untuk setiap jenis penelitian. Penelitian didominasi oleh penelitian linguistik tindak tutur yang termasuk dalam bidang sosiolinguistik. Berdasarkan hasil analisis jenis penelitian dibandingkan dengan data real jenis penelitian Program Studi Sastra Inggris UINSA, menghasilkan hasil analisis penelitian linguistik memiliki presisi 80% dan recall 90%, sedangkan jumlah penelitian literatur memiliki presisi 74% dan recall 57%, tingkat akurasi analisis jenis penelitian memiliki rata-rata 79%
Komparasi Model Prediksi Daftar Ulang Calon Mahasiswa Baru Menggunakan Metode Decision Tree Dan Adaboost Muhammad Naufal Rabbani; Ahmad Yusuf; Dwi Rolliawati
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 10, No 1 (2021): MARCH
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v10i1.939

Abstract

Every year, all the colleges hold new student enrollment. It is needed to start a new school academic year. Unfortunately, the number of students who resigned is considerably high to reach 837 students and caused 324 empty seats. The college’s stakeholders can minimize the resignation number if the selection phase of new students is done accurately.  Making a  machine learning-based model can be the answer. The model will help predict which candidates who potentially complete the enrollment process. By knowing it in the first place will help the management in the selection process. This prediction is based on historical data. Data is processed and used to train the model using the Adaboost algorithm. The performance comparison between Adaboost and Decision Tree model is performed to find the best model. To achieve the maximum performance of the model, feature selection is performed using chi-square calculation. The results of this research show that the performance of Decision Tree is lower than the performance of the Adaboost algorithm. The Adaboost model has f-measure score of 90.9%, precision 83.7%, and recall 99.5%. The process of analyzing the data distribution of prospective new students was also conducted. The results were obtained if prospective students who tended to finish the enrollment process had the following characteristics:  graduated from an Islamic school, 19-21 years old, parents' income was IDR 1,000,000 to IDR. 5,000,000, and through the SBMPTN program.
Prototipe Aplikasi Penghitung Matrik Berbasis Java Muhammad Rizqi Nur; Dwi Rolliawati
Systemic: Information System and Informatics Journal Vol. 4 No. 1 (2018): Agustus
Publisher : Program Studi Sistem Informasi Fakultas Sains dan Teknologi, UIN Sunan Ampel Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1057.232 KB) | DOI: 10.29080/systemic.v4i1.312

Abstract

Matrix is one among math subjects which are considered hard. Matrix is considered hard mainly because there are so many calculations needed to be done. Because of the same reason, finding faults in the calculations is also hard, which makes the learning process that mainly consists of exercises harder. To overcome that, a matrix calculator software which can show the calculation steps was developed. The development produced prototype model which has five main features, which are elementary row operation helper, basic matrix operation calculator, matrix form calculator, matrix determinant calculator using Laplace expansion, and a solver for linear equations using Cramer’s rule. The application had been tested with black box testing for its functionality which shows that every feature was working properly. However, this application has not been tested for its effectivity, so it is still considered a prototype.
EVALUASI USABILITY SISTEM INFORMASI MANAJEMEN KEPEGAWAIAN BERBASIS ISO 9241-11 Sayyidatul Eka Putri Rosalinda; Nurissaidah Ulinnuha; Dwi Rolliawati
KOMUNIKA : Jurnal Komunikasi, Media dan Informatika Vol 7, No 3 (2018): KOMUNIKA
Publisher : BPSDMP KOMINFO Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (566.231 KB) | DOI: 10.31504/komunika.v7i3.1702

Abstract

Sistem Informasi Manajemen (SIM) sangat diperlukan dalam sebuah instansi yaitu untuk peningkatan kualitas manajemen. Salah satu sistem informasi manajemen yang digunakan UIN Sunan Ampel Surabaya yaitu Sistem Informasi Manajemen Kepegawaian untuk mengelola data pegawai sehingga dapat meningkatkan kualitas pelayanan kepegawaian. Adapun masalah yang ditemukan dari Instrumen Data Monitoring dan Evaluasi Pusat Teknologi Informasi dan Pangkalan Data yaitu dari 15% dari 157 pegawai merasa tidak puas dengan SIMPEG dalam aspek usability. Sehingga, diperlukan evaluasi dalam aspek usability. Adapun ISO 9241-11 pedoman yang digunakan sebagai acuan perbaikan bagi pengembang untuk mengetahui hasil dari evaluasi rekomendasi perbaikan bagi pengembang SIMPEG yang menjadi tujuan penelitian ini. Penelitian ini menggunakan kuesioner sebanyak 97 pegawai yang terdiri dari 60 dosen dan 37 tenaga kependidikan di UIN Sunan Ampel Surabaya. Metode yang digunakan yaitu kuantitatif korelasional sehingga, analisis data menggunakan Partial Least Suare (PLS) yang menghasilkan 3 variabel. Variabel independen (effectiveness, efficiency, dan satisfaction) dan 1 variabel dependen (usability). Dari hasil analisis data diketahui bahwa, efficiency memiliki nilai signifikan 1,789 terhadap usability, effectiveness memiliki nilai tidak signifikan sebesar 0,918 dan satisfaction memiliki nilai paling signifikan terhadap usability sebesar 6,954. Dapat disimpulkan bahwa SIMPEG tidak memenuhi kaidah effectiveness menurut ISO 9241-11. Sehingga, hasil rekomendasi desain pengembangan SIMPEG di titik beratkan pada perbaikan fitur upload, pencarian, dan beberapa menu lainnya agar effectiveness dapat tercapai.
Sistem Pendukung Keputusan Asesmen Rehabilitasi Narkotika Menggunakan Metode Random Forest Gesang Bekti Setyo Nugroho; Dwi Rolliawati; Ahmad Yusuf
Jurnal SITECH : Sistem Informasi dan Teknologi Vol 4, No 1 (2021): JURNAL SITECH VOLUME 4 NO 1 TAHUN 2021
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/sitech.v4i1.6201

Abstract

Kurangnya tenaga ahli atau asesor pada BNN Kota Surabaya dalam melaksanakan asesmen menjadi dasar bagi peneliti untuk membuat sistem pendukung keputusan dengan menggunakan algoritma Random Forest. Sistem yang dibangun dengan memakai Rest API guna menghubungkan sistem dengan machine learning. Didapatkan hasil uji algoritma Random Forest yang menggunakan dua skenario, 100:100 mendapatkan hasil Accuracy 0.61. Sedangkan pada 70:30 mendapatkan hasil Accuracy 0.25. Dari hasil pengujian tersebut algoritma random forest memliki performa yang kurang baik pada penelitian ini, dikarenakan banyaknya jumlah dataset yang digunakan dalam melakukan prediksi. Black box testing digunakan untuk pengujian sistem dengan hasil, sistem layak unutk digunakan.
Comparison of Bagging and Adaboost Methods on C4.5 Algorithm for Stroke Prediction Nur Diana Saputri; Khalid Khalid; Dwi Rolliawati
Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v11i3.1684

Abstract

Stroke is a non-communicable disease and is very dangerous because of functional disorders of the brain caused by blockage of blood circulation. This disease is classified as a cerebrovascular disease because it requires treatment for 24 hours, if not treated quickly it can cause death. The purpose of this research is to overcome this problem is to create a machine learning-based prediction model for medical experts in dealing with diseases to help reduce the risk of death. The method applied for this research is to apply the C4.5 algorithm classification method as well as the bagging and Adaboost methods from Ensemble Learning. Stroke data is processed using 2 stages of data processing, namely the data cleaning stage and the data transformation stage. In this study, a comparison will be made between the C4.5 algorithm, the bagging method + the C4.5 algorithm and the Adaboost method + the C4.5 algorithm using the confusion matrix, k-fold cross validation and validation test based on the values of TP, TN, FP, FN, recall, precision, F1-Score and accuracy. The results of the classification test using the Confusion Matrix and k-fold cross validation for the C4.5 algorithm resulted in an accuracy of 92.87%. Then the accuracy of the C4.5 algorithm with the bagging method increased to 95.02% and when combined with the Adaboost method the accuracy value also increased to 94.63%. From these results, it can be said that a single classifier algorithm, namely the C4.5 algorithm with the bagging and Adaboost methods, has been proven to improve classification performance.
Pemodelan dan Simulasi Produksi Gelang Merpati Pada Home Industry Ozon’s Ring Indah Kusumawati; Novita Khasanah; Aulia Cahya Rani; M. Rizal Abdan K; M. Iqbal Maulana; Dwi Rolliawati; Khalid Khalid
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 6 No 1 (2023): Februari
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v6i1.2375

Abstract

Home industry Ozon’s Ring adalah UMKM yang memproduksi gelang merpati dengan berbagai model. Produksi gelang beberapa kali mengalami overload pada event-event tertentu seperti harbolnas. Penyebabnya dari bahan utama yang kosong dan proses produksi yang lama sehingga permintaan tidak dapat terpenuhi secepatnya. Untuk itu, pemodelan simulasi memberikan alternatif solusi untuk menyelesaikan masalah tersebut. Tujuan dari penelitian ini adalah memaksimalkan produksi dengan mensimulasikan proses yang ada serta sumber daya yang digunakan agar dapat memenuhi target dengan tepat waktu. Dalam penelitian ini, metode empiris digunakan untuk mengumpulkan data dengan melakukan kegiatan wawancara kepada salah satu karyawan home industry. Analisis dilakukan dengan membuat model simulasi proses pembuatan gelang dan skenario simulasi menggunakan aplikasi Anylogic 7.2 Professional. Riset ini menghasilkan tiga skenario alternatif dalam proses produksi gelang merpati dan diperoleh satu skenario terbaik yang dapat meningkatkan kinerja produksi sebesar 164% yaitu maksimalisasi waktu proses jemur menjadi triangular (90, 100, 120) dengan kapasitas produk 110 pcs dalam sekali proses. Sehingga skenario yang disarankan dapat digunakan dengan untuk mengoptimalkan produksi dan meningkatkan kepuasan pelanggan.
PERBANDINGAN HASIL METODE CLUSTERING K-MEANS, DB SCANNER & HIERARCHICAL UNTUK ANALISA SEGMENTASI PASAR Syafrina Dyah Kusuma Wardani; Amalia Salsabilla Ariyanto; Masfufahtul Umroh; Dwi Rolliawati
JURNAL INFORMATIKA DAN KOMPUTER Vol 7, No 2 (2023): SEPTEMBER 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v7i2.796

Abstract

Segmentasi pasar merupakan strategi pengelompokan calon konsumen berdasarkan persepsi yang sama antara kebutuhan dan keinginan. Dalam strategi pemasaran, segmentasi pasar sangat wajib untuk diterapkan karena penentuan segmentasi pasar merupakan dasar dari adanya pemasaran. Namun seringkali terdapat hambatan dalam melakukan segmentasi pasar seperti tidak ada pembaruan segmentasi, menghiraukan calon konsumen, tidak mempunyai banyak data. Sehingga tujuan penelitian ini untuk menentukan segmentasi pasar dilakukan dengan clustering yakni mengelompokkan data sesuai karakteristik dari konsumen dan membandingkan hasil clustering model terbaik. Data yang digunakan merupakan data segmentasi pasar penjualan otomotif yang diambil dari sumber kaggle.com. Metode clustering yang digunakan pada penelitian ini adalah K-Means, DBSCAN, dan Hierarchical, dimana pada proses pemodelannya menggunakan software KNIME. Adapun hasil dari penelitian ini adalah metode K-Means adalah metode yang baik untuk digunakan clustering. Hal ini didapatkan dari nilai rata-rata Silhouette Coefficient K-Means mendekati 1 yakni 0.716, sedangkan DBSCAN 0.296 dan Hierarchical 0.301.