Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Akuisisi : Jurnal Akuntansi Jurnal Tekinkom (Teknik Informasi dan Komputer) Madaniya Jurnal Media Informatika Computer Science (CO-SCIENCE) Scientific Student Journal for Information, Technology and Science
Euis Nurlaelasari
Universitas Buana Perjuangan Karawang
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science

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

Found 11 Documents
Search

 1   2 
Sistem Informasi Akuntansi Berbasis WEB sebagai Transparansi dan Sinkronisasi dalam Pengelolaan BUMDES Kabupaten Karawang Yanti Yanti; Euis Nurlaelasari
Akuisisi: Jurnal Akuntansi Vol 18, No 1 (2022)
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/akuisisi.v18i1.756

Abstract

This study aims to build a system in developing a reporting scheme and financial management of BUM Desa. The benefit of implementing the system is that all reports and financial management can be synchronized, starting from the BUM Desa unit manager to the reporting parent in the Karawang district. This system is also designed to provide general information to the public regarding the financial management of BUM Desa. The main target of system design is to minimize the occurrence of fraud in the management of BUM Desa from the district level to the village level, so that transparency and accountability in realizing the government's Good Village Governance can be achieved.
Penentuan Strategi Marketing Universitas Buana Perjuangan Karawang Menggunakan Association Rules Mining dengan Algoritma Apriori Ryan Krisna; Amril Siregar; Euis Nurlaelasari
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Strategi marketing untuk mendapatkan mahasiswa baru bagi universitas sangat diperlukan. Menargetkan promosi di wilayah paling potensial merupakan salah satu strategi yang efisien dalam mempromosikan kampus. Sehingga mampu memperkecil kerugian-kerugian yang akan terjadi. Salah satu cara untuk mendukung strategi marketing yaitu dengan mengenali pola pendaftar mahasiswa baru dengan data mining. Tujuan dari penelitian ini adalah mengimplementasikan data mining dengan algoritma apriori dalam mencari pola pendaftar mahasiswa baru untuk mendukung strategi marketing UBP Karawang. Data yang digunakan adalah data mahasiswa UBP Karawang tahun 2019 dan pengujian menggunakan bahasa pemrograman R. Hasil yang didapat ternyata mahasiswa dari karawang barat yang berjenis sekolah SMK banyak memilih program studi teknik industri dengan support 0,0280% dan confidence 0,9047%. Atau memilih program studi Manajemen dengan support 0,0374% dan confidence 0,6333%. Kemudian sekolah yang paling dominan di wilayah Karawang Barat adalah SMKN 2 Karawang yang banyak memilih program studi manajemen dengan support 0,0128% dan confidence 0,4815%. Peringkat kedua yaitu sekolah SMKN 1 Karawang yang banyak memilih program studi teknik industri dengan support 0,0177 dan confidence 0,3214%. Rules ini bisa dijadikan rekomendasi bagi marketing Universitas Buana Perjuangan Karawang untuk melakukan promosi kampus. Promosi dengan cara menonjolkan program studi teknik industri di sekolah SMKN 1 Karawang dan program studi manajemen di SMKN 2 Karawang.
Implementasi C4.5 dan Algoritma K Nearest Neighbor untuk Prediksi Kelayakan Pemberian Kredit Menggunakan RapidMiner Studio Edi Junaedi; Amril Siregar; Euis Nurlaelasari
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Perusahaan multifinance hadir untuk mengakomodir keanekaragaman kebutuhan masyarakat mulai dari pembiayaan modal kerja, pembiayaan investasi, hingga pembiayaan multiguna sesuai persetujuan otoritas jasa keuangan (OJK). Selama memiliki persyaratan dan jaminan tertentu, pengajuan kredit dapat dengan mudah dilakukan. Namun, pemberian kredit memiliki resiko yang dpat merugikan perusahaan, sehingga perusahaan harus lebih selektif dalam memberikan pemerian kredit. Untuk meminimalisasi resiko kerugian, dilakukan suatu perhitungan yang dapat memprediksi untuk kelayakan pemberian kredit dengan memperhatikan data-data dari calon nasabah. Salah satu metode yang dapat digunakan untuk prediksi kelayakan pemberian kredit adalah algoritma K-Nearest Neigbor dan algoritma C4.5. Pada penelitian yang telah dilakukan, algoritma K-Nearest Neigbor mendapatkan akurasi sebesar 80% dan algoritma C4.5 mendapatkan akurasi sebesar 87% sehingga metode ini dapat digunakan untuk membantu perusahaan dalam meminimalisasi kerugian yang disebabkan karena kredit macet.
Rancangan Kansei Engineering System (KES) untuk Optimasi Hasil Pencarian Berdasarkan Kategori Emosi Euis Nurlaelasari; Eko Pramono
Computer Science (CO-SCIENCE) Vol. 3 No. 1 (2023): Januari 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v3i1.1795

Abstract

The design of a product will greatly influence a person's interest in the product and provide an overview of the impression of the product. Kansei Engineering is a method of determining product design based on feelings or emotions. The design of the product will be translated into human emotions. A brightly colored plate with a flower shape can be interpreted as a joyful emotion. This makes humans have an attachment to the product because of the emotional connection. Therefore, this research will implement the Kansei engineering method for products in e-commerce. This goal is motivated by e-commerce trends that will continue to develop in the future. The results of this study are the design of the Kansei system for searching products in e-commerce catalogs based on emotion. The conclusion of this research is to develop the best emotion-based product search algorithm and design the Kansei system with the main function of emotion-based product search. Based on the results that have been obtained, further research is expected to use a certain algorithm to automate the knowledge base processing which is very much needed in KES.
Edukasi Green Computing di Lingkungan Madrasah Aliyah Nihayatul Amal Euis Nurlaelasari; Hilda Yulia Novia
Madaniya Vol. 4 No. 3 (2023)
Publisher : Pusat Studi Bahasa dan Publikasi Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53696/27214834.538

Abstract

Kegiatan ini bertujuan untuk memberikan edukasi mengenai Green Computing kepada siswa kelas XII di Sekolah MA Nihayatul Amal dengan fokus pada pemahaman dan penerapan konsep tersebut. Kegiatan dilaksanakan melalui penyuluhan dengan melibatkan 60 peserta dari kelas XII IPA dan XII IPS. Materi disampaikan dalam bentuk presentasi yang mencakup pengenalan dan manfaat Green Computing, serta langkah-langkah adopsi dalam kehidupan sehari-hari. Hasil evaluasi post-test menunjukkan pemahaman yang baik, dengan 29 peserta mendapatkan nilai 100, 5 peserta mendapatkan nilai 80, dan 2 peserta mendapatkan nilai 60. Kegiatan ini berhasil menghasilkan pemahaman mendalam serta antusiasme yang positif dari peserta terkait konsep Green Computing. Manfaatnya meluas dari siswa ke masyarakat, dengan meningkatkan kesadaran lingkungan, penyebaran pengetahuan, dan potensi pengurangan dampak lingkungan melalui penerapan Green Computing. Kontribusi teoritis mencakup integrasi konsep lingkungan dan teknologi dalam pendidikan serta efektivitas pendekatan penyuluhan. Rekomendasi ke depan meliputi diversifikasi materi, kolaborasi lintas disiplin, dan pemantauan jangka panjang untuk mengukur dampak nyata. Dengan demikian, kegiatan ini berhasil memperkenalkan, mengedukasi, dan mendorong penerapan Green Computing pada siswa dan masyarakat.
KLASTERISASI KABUPATEN DAN KOTA DI JAWA BARAT DALAM KASUS GIZI BURUK MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS Fadzly Maulana Hidayat; Tatang Rohana; Euis Nurlaelasari; Anis Fitri Nur Masruriyah
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 7 No 1 (2024)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v7i1.1387

Abstract

Malnutrition is a disease whose incidence in Indonesia is increasing. Based on data from West Java Province, in 2019-2022 there were 1,986,890 toddlers who experienced nutritional problems. This high figure shows that the problem of malnutrition has not received adequate attention. This research will group districts and cities in West Java into three clusters. Cluster 1 (high), cluster 2 (medium), and cluster 3 (low) are based on the number of toddlers affected by malnutrition. It is hoped that this research can help the government in making decisions to overcome nutritional problems in West Java. The results of research on clustering cases of malnutrition in West Java using the K-Means algorithm include 3 clusters, Cluster 1 (high) which consists of 16 city districts. Cluster 2 (medium) consists of 10 city districts, Cluster 3 (low), while in the K-Medoids algorithm Cluster 1 (high) consists of 10 city districts. Cluster 2 (medium) consists of 4 city districts. Cluster 3 (low) consists of 13 districts and cities. The comparison results show that the K-Means algorithm is better using 3 clusters based on evaluation using the Silhouette Coefficient with a value of 0.617
Air quality prediction using boosting-based machine learning models for sustainable environment Ahmad Fauzi; Maharina Maharina; Jamaludin Indra; Ayu Ratna Juwita; Agustia Hananto; Euis Nurlaelasari
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 1: February 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i1.pp515-523

Abstract

High levels of air pollution are extremely harmful to humans and the environment. They increase the risk of respiratory infections and lung cancer, especially among vulnerable populations. Therefore, developing effective pollution control measures is crucial for mitigating these negative impacts. We need to implement effective methods to predict and manage air quality for the sake of public health and a healthier environment. In recent years, machine learning (ML) methods have been increasingly utilized in air quality prediction due to their ability to analyze datasets and identify complex patterns. However, the reliability and accuracy of air quality prediction models remain a challenge. This study proposes a boosting-based ML model for predicting air quality. We implemented three stages in the proposed method. In the first stage, we conducted data preprocessing and analysis to eliminate noise, remove redundant data, and encode categorical features. In the second stage, we predicted air quality categories by leveraging 25 ML models, dividing them into three distinct categories. The results show that the extreme gradient boosting (XGBoost), light gradient boosting machine (LGBM), and adaptive boosting (AdaBoost) models outperform the others in air quality prediction, achieving an accuracy of 99%. Finally, we compared these three models using 10-fold cross validation to ensure they generalize well in last stage.
Klasifikasi Kesegaran Buah Jeruk Medan Berdasarkan Warna dan Tekstur Menggunakan Algoritma K-Nearest Neighbor Daffa Rifqi Abyansyah; Ayu Ratna Juwita; Euis Nurlaelasari; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Jeruk merupakan tanaman hortikultura yang sangat dikenal di berbagai belahan dunia. Buah jeruk sangat populer di Indonesia dan banyak dikonsumsi. Konsumen sehari-hari yang awam tentang pertanian sering mengalami kesulitan dalam mengklasifikasikan kesegaran buah jeruk. Banyak orang awam kesulitan membedakan jeruk segar dari yang sudah tidak layak konsumsi hanya berdasarkan tampilannya. Penelitian ini mengimplementasikan algoritma K-Nearest Neighbor (KNN) untuk klasifikasi kesegaran buah jeruk berdasarkan fitur warna dan tekstur. Data yang digunakan sebanyak 435 citra buah jeruk yang diklasifikasikan ke dalam tiga kelas, yaitu Segar, Kurang Segar, dan Busuk. Proses penelitian meliputi tahapan preprocessing, ekstraksi fitur, pengujian model menggunakan algoritma K-Nearest Neighbor (KNN), serta evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model K-Nearest Neighbor (KNN) dengan nilai K = 5 menghasilkan akurasi tertinggi sebesar 85%. Penelitian ini menunjukkan efektivitas algoritma tersebut sebagai alat bantu deteksi kesegaran buah jeruk.
Identifikasi Penyakit HIV Menggunakan Algoritma Support Vector Machine (SVM) dan Naive Bayes Dian Ayu Damayanti; Tatang Rohana; Euis Nurlaelasari; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini bertujuan untuk mengidentifikasi penyakit HIV menggunakan metode klasifikasi berbasis algoritma Support Vector Machine (SVM) dengan kernel RBF dan Naive Bayes. Dataset diperoleh melalui kuesioner yang mencakup 16 gejala umum HIV dengan jumlah responden sebanyak 101 orang. Proses pengolahan data meliputi preprocessing, konversi data, pelabelan (labeling) target, hingga evaluasi model menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine (SVM) dengan kernel RBF memberikan tingkat akurasi sebesar 100%, sedangkan Naive Bayes memperoleh akurasi sebesar 93,75% dalam mengidentifikasi kemungkinan infeksi HIV berdasarkan gejala yang dialami. Temuan ini menunjukkan bahwa metode Support Vector Machine (SVM) memiliki performa yang sangat baik dalam mendeteksi pola gejala dan dapat diterapkan dalam sistem deteksi dini HIV. Penelitian ini diharapkan dapat menjadi acuan bagi pengembangan sistem berbasis kecerdasan buatan di bidang kesehatan, khususnya dalam membantu identifikasi awal infeksi HIV secara efektif.
Deteksi Pelat Nomor Kendaraan dengan Convolutional Neural Network dan Pembacaan Karakter dengan Optical Character Recognition Indri Rahmawati; Deden Wahiddin; Euis Nurlaelasari; Adi Rizky Pratama; Ahmad Fauzi; Jamaludin Indra
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pengenalan pelat nomor kendaraan secara otomatis menjadi salah satu solusi untuk meningkatkan efisiensi dan keamanan sistem parkir, khususnya di Universitas Buana Perjuangan Karawang yang masih menggunakan metode manual. Penelitian ini mengembangkan sistem deteksi pelat nomor kendaraan menggunakan algoritma Convolutional Neural Network (CNN) dan PaddleOCR. Dataset yang digunakan sebanyak 10.795 citra, kemudian diperluas menjadi 21.590 citra melalui proses augmentasi data. Tahap preprocessing meliputi konversi citra menjadi grayscale, resize, normalisasi, dan parsing anotasi. Algoritma Convolutional Neural Network digunakan untuk mendeteksi lokasi pelat nomor, sedangkan PaddleOCR digunakan untuk mengenali karakter pada pelat nomor. Evaluasi dilakukan menggunakan metrik Mean Absolute Error (MAE), Intersection over Union (IoU), dan akurasi OCR. Hasil evaluasi menunjukkan nilai IoU validasi sebesar 0,8639 dan akurasi OCR sebesar 80%, yang menunjukkan bahwa sistem memiliki performa yang baik pada tahap awal pengembangan.
Co-Authors Adi Rizky Pratama Ahmad Fauzi Amril Siregar Anis Fitri Nur Masruriyah Ayu Ratna Juwita Daffa Rifqi Abyansyah Deden Wahiddin Dian Ayu Damayanti Edi Junaedi Eko Pramono Elsa Elvira Awal Fadzly Maulana Hidayat Hananto, Agustia Hilda Yulia Novia Hilda Yulia Novita Indra, Jamaludin Indri Rahmawati Maharina Maharina Ryan Krisna Tatang Rohana Yanti Yanti