Article Per Year (5 Year)
p-Index From 2020 - 2025
3.826
P-Index
This Author published in this journals
All Journal snimed Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Prosiding SNATIF Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat Jurnal Bumigora Information Technology (BITe) ABIDUMASY : Jurnal Pengabdian kepada Masyarakat Jurnal Computer Science and Information Technology (CoSciTech) J-Intech (Journal of Information and Technology) Jurnal Minfo Polgan (JMP) MATRIX : JURNAL MANAJEMEN TEKNOLOGI DAN INFORMATIKA Knowbase : International Journal of Knowledge in Database Bakti Sekawan : Jurnal Pengabdian Masyarakat Jurnal Masyarakat Madani Indonesia Journal Of Artificial Intelligence And Software Engineering Jurnal INFOTEL Jurnal Pengabdian Sosial Journal of Management, Entrepreneurship and Tourism JUAN: Jurnal Pengabdian Nusantara Jurnal Pengabdian kepada Masyarakat IPTEKS Jurnal Pengabdian Pada Masyarakat IPTEKS Prosiding Seminar Nasional CORISINDO
Neny Sulistianingsih
Bumigora University
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Prosiding Seminar Nasional CORISINDO

 1 
Analisis Sentimen Dampak Putusan MK Batas Usia Minimum Capres-Cawapres dengan SVM, Naïve Bayes, dan KNN Lukmana, Aldi; Martono, Galih Hendro; Sulistianingsih, Neny
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5523

Abstract

Mahkamah Konstitusi (MK) berperan penting dalam menegakkan konstitusi, termasuk menetapkan batas usia minimum pencalonan Presiden dan Wakil Presiden. Putusan ini memicu beragam reaksi di media sosial, mulai dari dukungan hingga penolakan yang dinilai politis. Penelitian ini bertujuan menganalisis sentimen publik terhadap putusan tersebut menggunakan Support Vector Machine (SVM), Naïve Bayes (NB), dan K-Nearest Neighbors (KNN), serta membandingkan kinerjanya berdasarkan akurasi, presisi, recall, dan F1-score. Penelitian dilakukan melalui enam tahap: (1) Business Understanding – menentukan kebutuhan, tujuan, dan pengumpulan data; (2) Data Understanding – mengumpulkan, mendeskripsikan, dan mengevaluasi kualitas data; (3) Data Preparation – membersihkan, memilih, dan mentransformasi data; (4) Modelling – menerapkan algoritma SVM, NB, dan KNN; (5) Evaluation – mengukur kinerja model menggunakan confusion matrix; serta (6) Deployment – menyusun laporan dan dokumentasi hasil analisis. Data diambil dari media sosial X dan YouTube, diolah menggunakan teknik text mining dan machine learning. Hasil menunjukkan SVM dan KNN memiliki akurasi tertinggi, masing-masing 89,5%, sedangkan NB mencapai 88,5%, sehingga SVM dan KNN dinilai lebih efektif dalam menganalisis sentimen publik terhadap putusan MK.
Pengembangan Sistem Pakar Menggunakan Metode Rule-Based Reasoning untuk Memprediksi Waktu Pelaksanaan Kegiatan Pertanian dan Melaut Berdasarkan Sistem Penanggalan Wariga Putradi, Angga; Hidjah, Khasnur; Sulistianingsih, Neny
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5529

Abstract

Wariga merupakan sistem penanggalan tradisional masyarakat Suku Sasak yang digunakan untuk menentukan hari baik dalam berbagai aspek kehidupan seperti bertani, melaut, membangun rumah, dan melaksanakan ritual adat. Pengetahuan ini bersifat lokal dan umumnya hanya dikuasai oleh Maestro Wariga. Namun, keberadaan Maestro semakin langka, sehingga dibutuhkan inovasi digital untuk melestarikan dan mendokumentasikan pengetahuan tersebut. Penelitian ini bertujuan untuk membangun sistem pakar berbasis aturan (Rule-Based System) guna merepresentasikan logika penentuan hari baik secara digital, sebagaimana dilakukan Maestro Wariga. Sistem dirancang menggunakan metode IF–AND–AND–THEN berdasarkan kombinasi tanggal adat, naptu hari, dan zona wilayah. Fokus penelitian berada di wilayah Bayan, Kabupaten Lombok Utara. Pengujian dilakukan melalui perbandingan hasil sistem dengan perhitungan manual Maestro dan uji Black-Box untuk memastikan fungsionalitas sistem. Hasilnya menunjukkan bahwa sistem memiliki tingkat kesesuaian tinggi dan berjalan sesuai logika yang dirancang. Diharapkan, sistem ini menjadi media aksesibel bagi generasi muda untuk memahami Wariga sekaligus sebagai upaya pelestarian budaya lokal melalui pemanfaatan teknologi. 
Perbandingan Algoritma Machine Learning Untuk Mendeteksi Gagal Jantung Berbasis Seleksi Fitur Rfecv Dan Penyeimbangan Data Smote Setyawan, Ari; Sulistianingsih, Neny; Rismayati, Ria
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5605

Abstract

Deteksi dini gagal jantung merupakan tantangan signifikan dalam dunia medis karena kompleksitas faktor risikonya. Penelitian ini bertujuan membandingkan kinerja enam algoritma machine learning dalam memprediksi risiko gagal jantung dengan pendekatan CRISP-DM. Data klinis sebanyak 299 pasien diproses melalui seleksi fitur menggunakan Recursive Feature Elimination with Cross-validation (RFECV) serta penyeimbangan kelas dengan Synthetic Minority Over-sampling Technique (SMOTE). Algoritma yang dievaluasi meliputi Logistic Regression, K-Nearest Neighbors, Support Vector Machine, Decision Tree, Random Forest, dan Gradient Boosting. Evaluasi dilakukan menggunakan validasi silang berstrata dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan Random Forest mencapai performa terbaik dengan akurasi dan F1-score sebesar 91,20%, diikuti Gradient Boosting dengan 90,20%. Implementasi SMOTE terbukti meningkatkan kemampuan model, terutama dalam mendeteksi kelas minoritas. Temuan ini menegaskan bahwa metode ensemble seperti Random Forest, dikombinasikan dengan RFECV dan SMOTE, efektif untuk klasifikasi risiko gagal jantung secara akurat dan andal.
Prediction of Patient Arrivals per Room at NTB Provincial Hospital Using the Auto SARIMA Model Mayasari, Novyta Indah; Sulistianingsih, Neny; Rismayanti, Ria
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5629

Abstract

Rumah Sakit Umum Daerah (RSUD) Provinsi NTB merupakan rumah sakit rujukan utama di Nusa Tenggara Barat yang menghadapi tantangan dalam mengelola fluktuasi jumlah pasien. Lonjakan pasien dapat menyebabkan kekurangan sumber daya medis, sementara penurunan jumlah pasien berisiko menyebabkan pemborosan sumber daya. Oleh karena itu, diperlukan sistem prediksi yang mampu memperkirakan jumlah kedatangan pasien secara akurat guna mendukung manajemen rumah sakit. Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah pasien menggunakan Auto SARIMA (Seasonal AutoRegressive Integrated Moving Average). Data yang digunakan mencakup informasi tanggal masuk, tanggal keluar, asal masuk (IGD atau poli), serta jenis pembayaran pasien (BPJS, PBI, NPBI, dan umum). Selain itu, model ini mempertimbangkan faktor eksternal seperti hari libur, kondisi cuaca, dan kejadian khusus yang berpotensi memengaruhi jumlah pasien.Tahapan penelitian meliputi pengumpulan dan pra-pemrosesan data, pemodelan menggunakan Auto SARIMA, serta evaluasi hasil prediksi dengan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Hasil evaluasi model dengan menggunakan metrik statistik menunjukkan performa yang cukup baik, dengan nilai Mean Absolute Error (MAE) sebesar 3,61 dan Root Mean Square Error (RMSE) sebesar 5,33. Nilai ini mengindikasikan bahwa tingkat kesalahan prediksi relatif kecil, sehingga model Auto SARIMA dapat diandalkan dalam memperkirakan jumlah pasien per kamar. Prediksi Auto SARIMA memberikan manfaat praktis bagi rumah sakit. Pola musiman kedatangan pasien yang teridentifikasi dapat digunakan untuk mengoptimalkan pengelolaan kamar rawat inap, perencanaan sumber daya medis, serta penjadwalan pelayanan kesehatan secara lebih efisien.
Co-Authors Agus Syahid Alfian Nurlifa Christine Eirene christofer satria Dewi, Ni Putu Sinta Dian Syafitri Galih Hendro Martono Hairani Hairani Hasbullah Hasbullah Hasbullah Hasbullah I Nyoman Switrayana Irving Vitra Paputungan Kariyam - Khasnur Hidjah Krismono Triwijoyo, Bambang Lilik Widyawati Lukmana, Aldi Mayasari, Novyta Indah Muhammad Fathoni, Muhammad Muhid , Abdul Nafiani Nur Khamidah Ni Ketut Putri Nila Sudewi Ni Putu Sinta Dewi Noviansyah Noviansyah, Noviansyah Putradi, Angga Ria Rismayati Rismayanti, Ria Rismayati, Ria Rizki, M Setyawan, Ari Shofwan, Ari Sirojul Hadi Sri Kusumadewi Sutarman Sutarman Syahrir, Moch. Uswatun Hasanah Vira Megasari Haqni