Article Per Year (5 Year)
p-Index From 2020 - 2025
2.386
P-Index
This Author published in this journals
All Journal Infotech Journal METIK JURNAL bit-Tech Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Information Technology (JIfoTech) D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Teknomatika: Jurnal Informatika dan Komputer Explore Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika
Kusrini
Universitas AMIKOM Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
PREDIKSI PERFORMA MAHASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER Hasnan Afif; Kusrini; M. Rudyanto Arief
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Salah satu dalam menentukan performa mahasiswa dapat dilihat dari ketepatannya dalam menyelesaikan masa studinya di universitas. Penelitian ini bertujuan untuk melakukan klasifikasi terhadap data mahasiswa Universitas Amikom Yogyakarta Fakultas Ilmu Komputer angkatan 2012 dan 2013 jenjang S1 dengan memanfaatkan proses data mining dengan menggunakan teknik klasifikasi. Algoritma yang digunakan untuk klasifikasi kelulusan adalah algoritma Naïve Bayes, dimulai dari proses Diagnosing, Action Planning, Action Taking, Evaluating dan Specifying Learning. Penelitian ini juga bertujuan untuk menemukan faktor-faktor yang mempengaruhi prediksi kelulusan mahasiswa melalui data kinerja akademik mahasiswa dan beberapa variabel lainnya. Variabel yang digunakan adalah Jenis Kelamin, umur, asal sekolah, IPS1(Indeks Prestasi Semester satu) sampai dengan IPS4, SKS, IPK, dan kehadiran. Pengujian data dalam penelitian ini adalah sebanyak 1170 data, 936 data digunakan untuk data training dan 234 data untuk data testing dengan menggunakan 5 k fold cross validation Hasil pengujian menunjukkan bahwa faktor yang paling berpengaruh dalam penentuan klasifikasi kinerja akademik mahasiswa yaitu SKS dengan nlaai akurasi 96,15%, umur 79,02%, IPK 77,72%, dan kehadiran 77,67%. Dalam penelitian ini hasil yang dicapai dalam penerapan metode algoritma Naïve Bayes menggunakan seluruh variabel dengan tingkat akurasi sebesar 93,93% kemudian setelah menggunakan variabel terbaik akurasi meningkat menjadi 96,15%.
PENERAPAN METODE AHP DAN ELECTRE DALAM PROSES SELEKSI KARYAWAN PADA PT. GAWIH JAYA BANJARMASIN Mahmudi; Kusrini; Henderi
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Karyawan merupakan sebagai SDM yang sangat berperan penting dalam memajukan sebuah perusahaan. Sumber Daya Manusia (SDM) yang berkualitas akan menghasilkan kinerja dan prestasi baik untuk perusahaan. Pada penelitian ini menggunakan metode AHP dan Electre, dimana metode AHP dilakukan pembobotan dan metode ELECTRE dilakukan perangkingan dari pembobotan AHP. Dengan data menggunakan 11 kriteria yaitu Pencapaian tujuan jabatan, Pengembangan kemampuan intelektual, Interaksi yang dilakukan, Kemampuan manajerial, Kematangan / Kedewasaan, Pelaksanaan wewenang, Inisiatif, Kreativitas, Sikap kerja / perilaku, Disiplin, Kerjasama. Hasil penelitian menggunakan Metode AHP dan Electre berupa ranking alternatif yang dihasilkan oleh sistem. Dan dijadikan sebagai rekomendasi kepada pengguna dalam mengambil keputusan seleksi karyawan.
PEMODELAN PEMILIHAN BIBIT TANAMAN MELON (CUCUMIS MELO C) MENGGUNAKAN METODE NAÏVE BAYES STUDI KASUS KELOMPOK PETANI MELON “TANI MULYO” Dayat Subekti; Kusrini; Sudarmawan
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Kebutuhan tentang buah bagi kesehatan sangat diperlukan tubuh, karena kandungan vitamin dalam tubuh salah satu buah melo, selain kandungan vitamin A dan C yang ada dalam buah melon, buah melon tidak mengandung lemak dan kolesterol juga rendah kalori. Kebutuhan konsumsi buah melon dari tahun meningkat dan dapat dipastikan untuk petani melon lokasi belum bisa memenuhi konsumsi untuk dalam negeri. Cara pemilihan bibit dalam menanam melon menjadi salah satu kendala dalam keberhasilan menanam melon, disebabkan tidak memperhatikan kriteria yang menjadi prioritas utama pada varian bibit melon. Pengolahan data yang digunakan dalam menganalisa data adalah Algoritma Naïve Bayes. Kriteria pemilihan bibit dipengaruhi oleh masa tanam, tingkat kemanisan, berat buah dan daya cambah benih. Kriteria-kriteria yang sisebutkan dijadikan sebagai attibut dalam menentukan hasil akhir dari pemilihan bibit melon. Hasil akhir setelah diadakan pengolahan data adalah nilai untuk varian bibit yang diterima yaitu sebesar 53,8%, dan yang tidak diterima sebesar 46,2%, varian yang memiliki angka probabilitas paling tinggi yaitu pada varian bibit Suny Red M267 dan Sonya yaitu pada nilai 0,107.
Perbandingan Naive Bayes dan Random Forest untuk Prediksi Perilaku Peserta Program Rujuk Balik Widdi Djatmiko; Kusrini; Hanafi
JURNAL FASILKOM Vol 13 No 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i3.6070

Abstract

Program Rujuk Balik (PRB) merupakan pelayanan yang diberikan kepada Peserta BPJS Kesehatan yang memiliki riwayat penyakit kronis antara lain penyakit diabetes melitus, hipertensi, jantung, asma, Penyakit Paru Obstruktif Kronis (PPOK), epilepsy, stroke, schizophrenia, systemic lupus erythematosus. Peserta yang mengikuti Program Rujuk Balik (PRB) telah memiliki kondisi kesehatan yang sudah stabil/terkontrol namun masih memerlukan pengobatan. Peserta yang terdaftar dalam Program Rujuk Balik (PRB) diwajibkan untuk melakukan kunjungan rutin (aktif) setiap bulan ke Fasilitas Kesehatan Tingkat Pertama (FKTP) sesuai dengan yang dipilih oleh Peserta. Namun masih didapati sebagian Peserta masih memiliki perilaku tidak bersedia melakukan kunjungan rutin (pasif) dikarenakan Peserta masih merasa dalam kondisi sehat dan tidak dalam keadaan sedang sakit. Tujuan dalam penelitian ini akan melakukan prediksi perilaku Peserta Program Rujuk Balik (PRB) dan akan membandingkan performa dari algoritma Naive Bayes dan Random Forest. Dataset yang digunakan bersifat private data yang diambil dari BPJS Kesehatan Kantor Cabang Balikpapan. Pada penelitian ini dilakukan variasi split data antara lain 70:30, 80:20, 90:10. Hasil akhir dari penelitian ini yaitu algoritma Random Forest memiliki yang lebih baik dibandingkan dengan Naïve Bayes dengan nilai tertinggi pada teknik split data 70:30 pada nilai accuracy sebesar 97,52%, precision sebesar 96,56%, recall sebesar 98,71%.
Analisis Manajemen Keamanan Informasi Menggunakan Indeks Keamanan Informasi Pada IT Support di Universitas Teknologi Mataram Zumratul Muahidin; Kusrini; Asro Nasiri
Explore Vol 12 No 2 (2022): Juli 2022
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v12i2.42

Abstract

Perkembangan teknologi informasi dan komunikasi di era industri 4.0 semakin pesat, sehingga resiko keamanan informasi semakin besar. Aset informasi yang lemah, membuat pihak yang tidak berkepentingan untuk mengganggu aktivitas yang berkaitan dengan asset instansi pendidikan. Keamanan informasi merupakan salah satu aspek yang sangat penting saat ini, terutama bagi organisasi maupun instansi pendidikan yang menggunakan teknologi informasi sebagai pendukung proses bisnisnya. IT Support Universitas Teknologi Mataram juga perlu menerapkan keamanan informasi berdasarkan standar kemanan informasi resmi seperti ISO/IEC 27001: 2013 yang merupakan sepaket pedoman serta prosedur yang berhubungan pada keamanan informasi, ISO 27001: 2013 juga menjadi pedoman internasional yang paling banyak di gunakan untuk information security management yang di publikasikan Badan Siber dan Sandi Negara (BSSN). Maka dalam rangka melaksanakan ISO 27001: 2013 penulis berinisiatif melakukan “Analisis Manajemen Keamanan Informasi Menggunakan Indeks Kemanan Informasi Pada IT Support” untuk memastikan kesiapan/kematangan Keamanan Informasi di Universitas Teknologi Mataram. Hasil penelitian dengan Indeks KAMI versi 4.1 didapatkan asil skor SE (Sistem Elektronik) pada IT Support Universitas Teknologi Mataram adalah 18, yang artinya peran dan tingkat kepentingan TIK termasuk kedalam kategori tinggi. Hasil penilaian kelima area yang telah dilakukan adalah sebesar 278, berada pada rentang tingkat kematangan level I+ s/d II dimana level ini berada pada kondisi Pemenuhan Kerangka Kerja Dasar.
ANALISIS SENTIMEN REVIEW PENGGUNA APLIKASI FIZZO NOVEL DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYES Teguh Arlovin; Kusrini; Kusnawi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 1 (2024): EDISI 19
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i1.3909

Abstract

Perkembangan teknologi berdampak signifikan terhadap evolusi dunia digital, sesuai dengan kebutuhan praktis dan manfaat yang dirasakan masyarakat dari penggunaan teknologi sehari-hari. Dalam lingkup dunia digital, munculnya platform bacaan digital seperti Wattpad, Novelah, GoNovel, NovelFul, Inkitt, dan Fizzo Novel menandai salah satu perkembangan tersebut. Pentingnya analisis sentimen terhadap ulasan di platform ini menjadi krusial, mengingat analisis sentimen membantu mengidentifikasi kecenderungan opini dalam teks digital sebagai positif, negatif, atau netral. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pada aplikasi Fizzo Novel menggunakan algoritma Naive Bayes dan mengevaluasi tingkat akurasinya. Fizzo Novel, sebagai aplikasi bacaan digital populer di tahun 2022, dipilih berkat jumlah ulasan pembaca yang variatif dan melimpah, menjadikannya kandidat ideal untuk analisis sentimen. Metodologi penelitian meliputi pengumpulan data, pra-pemrosesan data, dan pengembangan sistem dengan metode Naive Bayes, dengan data berupa ulasan pada platform Fizzo Novel selama Januari hingga Desember 2022. Hasil penelitian menunjukkan tingkat akurasi sebesar 83%, presisi 85%, recall 82%, dan spesifisitas 85%, menandakan kemampuan model dalam memprediksi sentimen secara akurat. F1 Score yang dihasilkan sebesar 83% menegaskan efektivitas model dalam mengklasifikasikan ulasan, menggarisbawahi pentingnya aplikasi analisis sentimen dalam meningkatkan pengalaman pengguna pada platform
PENERAPAN ALGORITMA K-MEANS UNTUK MANAJEMEN PERSEDIAAN DI PERPUSTAKAAN Andi Syahrul Ramdana; Kusrini; Eko Pramono
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 1 (2024): EDISI 19
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i1.3911

Abstract

Penelitian ini mengkaji penerapan algoritma K-Means untuk meningkatkan efisiensi manajemen persediaan di perpustakaan. Menghadapi tantangan dalam memenuhi kebutuhan stok yang kritis, algoritma K-Means dipilih karena keunggulan dalam kemudahan implementasi dan kecepatan eksekusi. Dengan menggunakan metode K-Means dan pendekatan RFM (Recency, Frequency, Monetary), penelitian ini berhasil mencapai akurasi pengelompokan barang sebesar 70%, sedangkan tanpa RFM, akurasi meningkat menjadi lebih tinggi. Analisis ini mengindikasikan efektivitas algoritma K-Means dalam klasifikasi dan prediksi kebutuhan stok, memberikan wawasan untuk pengelolaan persediaan yang lebih baik. Penelitian ini memberikan kontribusi terhadap pemahaman bagaimana teknik data mining dapat dimanfaatkan untuk memperbaiki dan meningkatkan keputusan manajemen persediaan di sektor perpustakaan, dengan potensi aplikasi pada sektor lain.
Penerapan Metode Moving Average untuk Memprediksi Stok Parfum Rizal Khadarusman; Kusrini; Kusnawi
bit-Tech Vol. 7 No. 1 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i1.1563

Abstract

Kekurangan stok parfum karena mengalami kesulitan dalam memprediksi kebutuhan stok untuk bulan berikutnya adalah hal yang tidak boleh terjadi. Proses pengadaan stok yang memerlukan waktu menambah tantangan ini, mengakibatkan dampak negatif pada omzet penjualan toko. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan metode data mining, khususnya teknik peramalan, untuk memprediksi kebutuhan stok parfum. Moving average dipilih karena kesederhanaan dan efektivitasnya dalam menangani data yang bersifat time-series. Metode ini menghitung rata-rata penjualan dalam periode waktu tertentu untuk memberikan estimasi kebutuhan stok di masa depan. Dengan pendekatan ini, kami dapat mengurangi dampak variabilitas data harian yang mungkin disebabkan oleh faktor musiman atau peristiwa tertentu, dan fokus pada tren yang lebih stabil. Dataset yang dianalisis mencakup data penjualan toko parfum dari Maret 2022 hingga September 2022, dan tiga parameter berbeda diuji dalam penelitian ini: periode 2 bulan, 3 bulan, dan 4 bulan. Hasil penelitian menunjukkan bahwa parameter 2 bulan memberikan prediksi paling akurat, dengan nilai error Mean Absolute Percentage Error (MAPE) sebesar 13,3%, menunjukkan tingkat akurasi yang baik. Kesimpulan dari penelitian ini adalah bahwa metode moving average dengan parameter 2 bulan efektif untuk memprediksi kebutuhan stok parfum, yang dapat membantu toko dalam mengelola persediaan dengan lebih efisien dan mengurangi risiko kekurangan stok. Temuan ini menunjukkan perlunya perencanaan persediaan yang lebih baik dan penggunaan metode prediksi yang tepat dalam industri parfum. Penelitian lebih lanjut mungkin diperlukan untuk mengoptimalkan pendekatan ini atau mengeksplorasi metode alternatif.
Flood Prediction Using Machine Learning Model Integrated with Geographical Information System Muhammad Ricky Perdana Putra; Rama Ashari; Muhirin; Azib Widad Zuhaily Imam; Kusrini
Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Vol. 10 No. 2 (2024): Oktober 2024
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v10i2.3723

Abstract

Flooding in Indonesia is still a frequent natural disaster compared to other types of disasters. In addition, the number of flood events also shows an increase every year. This research aims to develop a flood prediction model as a preventive measure as an early warning system and flood risk mitigation management that may occur based on Geographical Information System (GIS). It is expected that areas that have the potential to experience flooding can be more proactive in making preparations before flooding. This prediction model uses a classification type machine learning (ML) algorithm with training data involving rainfall within 12 months. The model evaluation results use two techniques: confusion matrix and K-Fold cross validation and each fold is calculated for accuracy. The K-Nearest Neighbors (KNN) model with a value of K = 31 gets the highest accuracy value of 88.89%, Decision Tree (DT) of 72.22%, and Naive Bayes of 78%. The average accuracy using K-Fold resulted in 89.09% for KNN, 77.12% for DT, and 86.59% for Naive Bayes. By considering these results, this research chose the KNN method to be applied in the prediction model. The code was rewritten in the Flask framework to be used as an API and integrated with Laravel as a Backend platform and Frontend using Bootstrap, JQuery, Axios, and LeafletJS as map visualisation. With this research, it is hoped that it can be one of the solutions in predicting as well as early warning of floods so that it can provide sufficient time for affected residents to make preparations for flooding.
Co-Authors Abdul Ra'uf Alfansani Akhmad Syarif Andi Syahrul Ramdana Angga Kurniawan Asro Nasiri Azib Widad Zuhaily Imam Burhanudin Dwi Prakoso Candra Rusmana Choerun Asnawi dayat subekti Dina Maulina Eko Pramono Fajar Sudana Putra Hafidz Sanjaya, Hafidz Hanafi Hanafi Hasnan Afif Henderi Hidayatunnisa'i Ibnu Ickwantoro Iqbal Kusnawi Kusnawi M. Rudyanto Arief M.Andi Rohmat MAHMUDI Mei P Kurniawan Muhammad Ricky Perdana Putra Muhirin Pramudya Insan Rama Ashari Rizal Khadarusman Sudarmawan Teguh Arlovin Widdi Djatmiko Yusuf Fadlila Rachman Zumratul Muahidin