Article Per Year (5 Year)
p-Index From 2021 - 2026
1.94
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Pengabdian Kepada Masyarakat Abdi Nusa IC Tech: Majalah Ilmiah LogicLink: Journal of Artificial Intelligence and Multimedia in Informatics
Devi Sugianti
STMIK Widya Pratama
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Public Health Other

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

Found 11 Documents
Search

 1   2 
Peningkatan Akurasi Algoritma KNN dengan Seleksi Fitur Gain Ratio untuk Klasifikasi Penyakit Diabetes Mellitus Indrayanti Indrayanti; Devi Sugianti; M. Adib Al Karomi
IC-Tech Vol 12 No 2 (2017): IC-Tech Volume XII No.2 Oktober 2017
Publisher : STMIK WIDYA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (385.246 KB) | DOI: 10.47775/ictech.v12i2.3

Abstract

Diabetes Mellitus  merupakan salah satu penyakit kronis yang mematikan. Penyakit yang juga dikenal dengan nama penyakit kencing manis ini terjadi akibat kadar glukosa di dalam darah terlalu tinggi. Diabetes Mellitus banyak diteliti di banyak negara pada saat ini karena peningkatan penderita yang banyak dan sangat mengkhawatirkan. Menurut WHO saat ini lebih dari 246 juta jiwa menderita diabetes dan diperkirakan akan meningkat menjadi 380 juta jiwa pada tahun 2025 apabila tidak dilakukan penanganan yang serius. Dibetes menyebabkan penyakit lain / komplikasi yang setiap tahunya mengakibatkan kematian hingga 3,8 juta jiwa. Data mining merupakan kegiatan menemukan sebuah pola, aturan dan pengetahuan baru dari sebuah dataset. Salah satu fungsi mayor data mining adalah klasifikasi. KNN merupakan salah satu algoritma klasifikasi data mining terbaik dan banyak digunakan. Algoritma KNN bekerja dengan cara menghitung kedekatan data testing dengan keseluruhan data training. K dalam KNN merupakan variabel jumlah tetangga terdekat yang akan diambil untuk proses klasifikasi. Jumlah K=1 akan membuat hasil klasifikasi terasa kalu karena hanya memperhitungkan satu tetangga terdekat atau satu record karakteristik data terdekat. Sedangkan jumlah K yang terlalu banyak akan menghasilkan klaasifikasi yang samar. Dari hasil penelitian yang telah dilakukan disimpulkan bahwa penggunaan algoritma seleksi fitur gain ratio dapat meningkatkan akurasi dari klasifikasi penyakit diabetus mellitus dengan menggunakan algoritma knn. Adapun kenaikan akurasi tertinggi didapatkan pada nilai treshold 0,152 dengan hanya mempertahankan 4 atribut dari keseluruhan 8 atribut data.
IMPLEMENTASI ALGORITMA FUZZY K NEAREST NEIGHBOR UNTUK MEMPREDIKSI MAHASISWA BERPOTENSI DROP OUT Devi Sugianti; Arief Soma Darmawan
IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020
Publisher : STMIK WIDYA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (522.412 KB) | DOI: 10.47775/ictech.v15i1.87

Abstract

Keberhasilan pendidikan tercermin dari kualitas Perguruan Tinggi adalah tingginya tingkat keberhasilan mahasiswa dan rendahnya kegagalan mahasiswa. STMIK Widya Pratama mempunyai 4 program studi dengan jumlah mahasiswa yang drop out atau non aktif yang cukup banyak, untuk itu perlu di ketahui karakteristik dari mahasiswa yang drop out dengan menganalisa data yang lama. Algortima Fuzzy K Nearest Neighbor definisikan pemberian label kelas data uji yang akan diprediksi. Algoritma Fuzzy Nearest Neighbor adalah pengembangan dari algoritma K-NN yang digabungkan dengan teori Fuzzy. Tahapan penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan dan eksperimen. Dengan data yang digunkan sebagai data latih 382 untuk mahasiswa angkatan 2016. Dengan menguji nilai K =3 dan K=5  dari mahasiswa dengan IPS dari semeter 1 sampai semester 5 (3.2 2.78 3.6 3.3 0.83) hasil eksperimen yang dilakukan mengasilkan K=3 dengan kelas 1= 0.32 kelas 2 =0.67 lalu jika K= 5 menghasilkan kelas 1 =0.28 kelas 2 =0.71. hasil menunjukkan bahwa masuk ke kelas 2 dengan nilai keanggotaan terbesar, kelas 2 merupakan prediksi mahasiswa registrasi ulang pada semester 6. Fuzzy K-Nearest Neighbor  dapat digunakan untuk mencari nilai membership  pada masing-masing kelas.Kata Kunci: Fuzzy K NN, Drop Out
Sistem Pendukung Keputusan Pemberian Pembiayaan Nasabah Dengan Metode K-Nearest Neighbor (KNN) Di Kospinmu Surya Mentari Karanganyar Kabupaten Pekalongan Devi Sugianti; Arif Soma Darmawan
IC-Tech Vol 15 No 2 (2020): IC-Tech Volume XV No.2 Oktober 2020
Publisher : STMIK WIDYA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (346.439 KB) | DOI: 10.47775/ictech.v15i2.132

Abstract

KospinMU Surya Mentari Karanganyar merupakan koperasi yang melakukan banyak aktivitas didalamnya termasuk memberikan pembiayaan bagi nasabah. Demi kelancaran kegiatan pemberiaan pembiayaan antara pihak koperasi dengan nasabah, pihak koperasi perlu menilai dan menentukan kelayakan pembiayaan yang akan diterima nasabah terlebih dahulu sebelum memberikan keputusan pembiayaanya. Masalah yang dihadapi KospinMU Surya Mentari Karanganyar belum mampu mengatur pemberian pembiayaan secara tepat sasaran karena penyeleksiannya yang manual, tidak ada sistem nilai dimana nasabah dapat rekomendasi lain jika nilai tidak sesuai yang diajukan. Dalam pembangunan sistem ini menggunakan metode pengembangan sistem waterfall yang terdiri dari tahapan komunikasi, tahapan perencanaan, tahapan modeling, tahapan pengkodean dan tahapan deployment. Metode pengujian yang digunakan adalah white box, black box dan UAT (User Acceptance Test). Sistem pendukung keputusan pemberian pembiayaan nasabah dengan metode K Nearest Neighbor (KNN) di KospinMU Surya Mentari Karanganyar Kab. Pekalongan ini dapat mempermudah pekerjaan komite dalam memberikan pembiayaan nasabah, sistem dapat memberikan klasifikasi setiap pemohon baru sesusai dengan nilai yang dihitung dengan metode perhitungan K Nearest Neighbor (KNN) dan dapat menjadi media penyimpanan cadangan ketika memorendum yang disimpan secara manual hilang atau rusak. Kata Kunci: k nearest neighbor, waterfall, sistem pendukung keputusan
MEMPREDIKSI LOYALITAS NASABAH PADA BMT ABC DENGAN METODE INTERATIVE DICHOTOMISER THREE (ID 3) Arief Soma Darmawan; Devi Sugianti; Wim Hapsoro
IC-Tech Vol 16 No 2 (2021): IC-Tech Volume XVI No. 2 Oktober 2021
Publisher : STMIK WIDYA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1050.383 KB) | DOI: 10.47775/ictech.v16i2.190

Abstract

Persaingan peusahaan semakin ketat menuntut perusahaan memberikan pelayanan yang memuaskan kepada konsumen. Dalam mempertahankan konsumen salah satu kuncinya adalah mengelola informasi pelanggan. Perusahaan akan terbantu jika mempunyai sistem informasi pelanggan dikelola dengan baik, data pelanggan yang baru ataupun data pelanggan yang lama. BMT ABC mempunyai mempunyai 4.882 nasabah, akan tetapi sampai tahun 2020 nasabah yang aktif melakukan penabungan adalah 2.392 nasabah. Dalam memprediksi nasabah yang aktif di BMT ABC menggunakan metode ID3. ID 3 adalah salah satu metode klasifikasi pada data mining decision tree (pohon keputusan). Langkah-langkah penelitan: identifikasi dan perumusan masalah, penentuan variabel penelitian, penentuan data latih, hitung gain dan entropy, membagun decision tree dengan algoritma ID3. Pada penelitian ini menggunakan atribut: jenis kelamin, usia, pekerjaan, pendidikan, status, dan setoran awal. Dari hasil perhitungan Gain dan Entropy dihasilkan 5 aturan dan menghasilkan pohon keputusanKata kunci: Loyalitas Nasabah, ID 3
PENERAPAN MACHINE LEARNING UNTUK PENENTUAN SEGMENTASI MAHASISWA BARU DENGAN METODE K MODES devi sugianti; Hermanus Wim Hapsoro; Wahyu Setianto
IC-Tech Vol 17 No 1 (2022): IC-Tech Volume XVII No. 1 April 2022
Publisher : STMIK WIDYA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (720.056 KB) | DOI: 10.47775/ictech.v17i1.227

Abstract

Strategi marketing sangat diperlukan, untuk mendapatkan mahasiswa sebanyak-banyaknya. Kelangsungan perguruan tinggi bergantung terhadap pembiayaan dari mahasiswa. Dibutuhkan strategi marketing untuk mempromosikan keunggulan dari setiap program studi, agar penerimaan mahasiswa baru semakin meningkat. Data yang perlu dianalisa adalah data pendaftaran mahasiswa baru di Sistem Pendaftaran Mahasiswa Baru SIPENMARU. Langkah langkah penelitian yang dilakukan : identifikasi masalah, pengumpulan data, pemrosesan data dan pemodelan. Data yang dikumpulkan dari tahun 2019 sampai dengan tahun 2021 sebanyak 1.219 data pendaftar dengan variabel sebanyak 109. Saat pemrosesan data dilakukan yang digunakan ada 5 variabel yaitu : jenis kelamin, asal kota, pekerjaan ayah, asal sekolah dan program studi. Pada fase pemodelan menggunakan clustering untuk pengelompokkan data dengan karakteristik yang sama, teknik cluster dengan mengelompokkan dengan tipe data bersifat kategorikal menggunakan K modes. Cluster dibagi menjadi 2 cluster, dari hasil eksperimen didapatkan hasil untuk program studi Teknik informatika di dominasi berjenis kelamin Laki-laki, asal kota Pekalongan, pekerjaan ayah PNS dan asal sekolah SMA. Sedangkan untuk program studi Sistem Informasi di dominasi jenis kelamin perempuan, asal kota Batang, perkejaan ayah wiraswasta, asal sekolah SMK.
ANALISIS CLUSTER PENENTUAN PROMOSI PRODUK PASCA PANDEMI COVID 19 DENGAN METODE K MEANS Devi Sugianti; Arief Soma Darmawan; Anas Syaifudin; Risqiati Risqiati
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 1 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No1.pp20-24

Abstract

The impact of the COVID-19 pandemic has been felt by all sectors, including the economic sector. UMKM have really felt the impact after the covid 19 pandemic with declining sales turnover. This study aims to classify products from UMKM that are not selling well and selling well. The K means method was chosen for grouping because it is simple and the K means method can group according to the same criteria grouped into a data cluster, for different data entered into another cluster. There are 28 data sets which will be grouped into 2 clusters . With the criteria of total goods sold, total transactions, difference in days and final stock. The data was taken from January 2022 to August 2022. After clustering, it was found that C1 had 12 products that were selling well, and for C2 there were 16 products that were not selling well. Therefore, UMKM can carry out sales promotion strategies that are fast and precise so that products that are not selling well can increase sales volume. Promotions can be carried out in the form of discounted promotions, mailer promotions, and fractional promotions.
PENERAPAN CROSS SELLING UNTUK MENINGKATKAN PENJUALAN PADA KLINIK KECANTIKAN DENGAN MENGGUNAKAN ALGORITMA APRIORI Syaifudin, Anas; Risqiati, Risqiati; Sugianti, Devi; Darmawan , Arief Soma
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 2 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No2.pp295-300

Abstract

The impact of the COVID-19 pandemic has been felt by all sectors, including the economic sector. UMKM have really felt the impact after the covid 19 pandemic with declining sales turnover..This study aims to classify products from UMKM that are not selling well and selling well. The K mens method was chosen for grouping because it is simple and the K means method can group according to the same criteria grouped into a data cluster, for different data entered into another cluster. There are 28 data sets which will be grouped into 2 clusters . With the criteria of total goods sold, total transactions, difference in days and final stock. The data was taken from January 2022 to August 2022. After clustering, it was found that C1 had 12 products that were selling well, and for C2 there were 16 products that were not selling well. Therefore, UMKM can carry out sales promotion strategies that are fast and precise so that products that are not selling well can increase sales volume. Promotions can be carried out in the form of discounted promotions, mailer promotions, and fractional promotions
IMPLEMENTASI CLUSTERISASI UNTUK PENGELOMPOKKAN GAYA BELAJAR MAHASISWA DENGAN METODE K MODES Kurniawan, Muhammad Faizal; Sugianti, Devi; Darmawan, Arief Soma; Wibowo, Ari Putra; Widiyono, Widiyono
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 8 No. 1 (2024): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol8No1.pp20-25

Abstract

One of the keys to success in learning is determining student learning styles. Learning styles are grouped into 3, grouping learning styles based on the characteristics of students. Sample data used for 3 classes in the artificial intelligence course with total data of 83 students who answered 36 questions. To be able to carry out student mapping using the k modes method for clustering. The K modes method is used because the data used is categorical. K modes can be used for multi-dimensional clustering and shorter computing times. With the clustering application for grouping student learning styles with a sample of 83 students by answering 36 questions to be divided into 3 groups, the results were 37 students for the visual group, 31 students for the auditory group and 15 students for kinesthetics. At the testing stage, black box testing is used. By knowing learning style groups, students can easily learn and absorb information
Pengembangan Desain Antarmuka Sistem Informasi Keuangan Kas RT Berbasis Mobile dengan Metode Design Thinking Wibowo, Ari Putra Wibowo; Arief Soma Dharmawan; Muhammad Faizal Kurniawan; Devi Sugianti; Risqiati
LogicLink Vol. 1 No. 2, December 2024
Publisher : Universitas Islam Negeri K.H. Abdurrahman Wahid Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28918/logiclink.v1i2.8500

Abstract

This research aims to develop a mobile-based financial information system design for RT Cash, using the design thinking method. The object of this research is RT 06, Kelurahan Kuripan Yosoreko, Kecamatan Pekalongan Selatan, Kota Pekalongan. RT 06 is one of the RTs that has utilized information technology for recording and reporting residents' cash. Currently, the information system used in RT 06, Yosorejo Village is a web-based information system with several user accounts for RT officials, including the RT Chairman, Treasurer, and Secretary. The design thinking method is used because it can be used to explore various possibilities that prioritize the user as the main actor. The stages performed in this research include empathize, define, ideate, prototype, and testing. The research results indicate that the development of this mobile-based financial information system design for RT Cash is acceptable and can be used as a solution for users. Based on the usability testing conducted, all selected respondents were able to complete all test scenarios on the new interface design
PERANCANGAN SISTEM INFORMASI PENGGAJIAN PADA PT. ABC Syaifudin, Anas; Risqiati, Risqiati; Sugianti, Devi
IC Tech: Majalah Ilmiah Vol 19 No 2 (2024): IC Tech: Majalah Ilmiah Volume XIX No. 2 Oktober 2024
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v19i2.308

Abstract

Penelitian ini berfokus pada perancangan dan implementasi sistem informasi penggajian berbasis web di PT. ABC, sebuah perusahaan garmen dengan lebih dari 500 karyawan. Sistem yang dikembangkan bertujuan untuk menggantikan metode manual berbasis Microsoft Excel yang sebelumnya digunakan untuk mengelola penggajian, yang sering kali menyebabkan keterlambatan proses dan kesalahan perhitungan. Sistem baru ini dibangun menggunakan framework Laravel dan basis data MySQL, serta dirancang untuk mengotomatisasi berbagai proses, termasuk pengelolaan data karyawan, penghitungan gaji, lembur, dan pencatatan izin serta cuti. Selain itu, fitur slip gaji digital memudahkan karyawan untuk mengakses informasi gaji mereka secara transparan. Pengujian fungsional dan User Acceptance Test (UAT) dilakukan dengan melibatkan karyawan dan tim HRD melalui kuesioner. Hasil UAT menunjukkan bahwa 90% responden memberikan tanggapan positif terhadap sistem, terutama terkait dengan fitur transparansi gaji dan akses slip gaji digital. Penggunaan kuesioner ini memungkinkan evaluasi yang lebih menyeluruh tentang kepuasan pengguna, memastikan bahwa sistem memenuhi kebutuhan operasional perusahaan dan meningkatkan efisiensi kerja. Peluncuran sistem ini diharapkan dapat memperbaiki proses penggajian, mengurangi kesalahan perhitungan, dan meningkatkan kepuasan karyawan terhadap manajemen gaji perusahaan. Kata kunci: Sistem Informasi Penggajian, Efisiensi Penggajian, Gaji Karyawan.
Co-Authors Anas Syaifudin ARI PUTRA WIBOWO arief soma darmawan Arief Soma Dharmawan Arif Soma Darmawan Faizal Kurniawan Hermanus Wim Hapsoro Indrayanti Indrayanti M. Adib Al Karomi Muhammad Faisal Halim Risqiati Risqiati Syaifudin, Anas Wahyu Setianto Widiyono Widiyono Wim Hapsoro