Article Per Year (5 Year)
p-Index From 2021 - 2026
5.7
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Tech-E JRST (Jurnal Riset Sains dan Teknologi) JITK (Jurnal Ilmu Pengetahuan dan Komputer) JMM (Jurnal Masyarakat Mandiri) Jurnal Media Elektro : Journal of Electrical Power, Informatics, Telecommunication, Electronics, Computer and Control System Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) PROFICIO: Jurnal Pengabdian Masyarakat Bulletin of Information Technology (BIT) International Journal Software Engineering and Computer Science (IJSECS) Journal of Informatics and Communication Technology (JICT) IT For Society : Journal of Information Technology eProceedings of Engineering Innovative: Journal Of Social Science Research Journal of Informatics and Communication Technology (JICT) Smatika Jurnal : STIKI Informatika Jurnal
Dewi Marini Umi Atmaja
Telkom University
Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Pembangunan Sistem Informasi Biaya Proyek pada PT. Skyline Semesta Menggunakan Metode Earned Value Management (EVM) Dewi Marini Umi Atmaja; Wina Witanti; Asep Id Hadiana
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Divisi lapangan dalam perusahaan penyedia jasa internet memiliki peran penting dalam berjalannya proses bisnis. Divisi ini menangani masalah teknis di lapangan seperti proyek pemasangan jaringan, dengan layanan berupa fiber optik dan wireless. Permasalahan yang sering timbul dalam pelaksanaan proyek yaitu adanya perbedaan yang signifikan antara biaya aktual yang dikeluarkan dengan rencana anggaran biaya yang telah ditentukan. Tujuan dari penelitian ini adalah membangun sistem informasi yang dapat melakukan pemantauan progress proyek secara real time dan pengendalian biaya proyek menggunakan metode Earned Value Management untuk mengurangi risiko perbedaan biaya. Pembuatan perangkat lunak pada penelitian ini menggunakan metode waterfall. Hasil dari penelitian ini berupa sebuah sistem yang dapat melakukan pengendalian biaya proyek serta dokumen evaluasi untuk mengetahui persentase kesesuaian antara biaya aktual dengan rencana anggaran biaya.
Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Tingkat Risiko Penyakit Jantung Deny Haryadi; Dewi Marini Umi Atmaja
Journal of Informatics and Communication Technology (JICT) Vol 3 No 2 (2021)
Publisher : PPM Institut Teknologi Telkom Telkom Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (433.041 KB) | DOI: 10.52661/j_ict.v3i2.85

Abstract

Penyakit jantung merupakan sebuah kondisi dimana jantung tidak dapat melaksanakan tugasnya dengan baik, penyakit ini terjadi bila darah ke otot jantung terhenti atau tersumbat sehingga mengakibatkan kerusakan berat pada jantung. Beberapa faktor yang menyebabkan penyakit jantung antara lain keturunan, usia, jenis kelamin, stres, kurang gerak, merokok, kolesterol tinggi, hipertensi, diabetes, dan obesitas. Pada dasarnya penyakit jantung dapat dicegah dengan berbagai faktor diantaranya pola hidup sehat, selain itu deteksi dini penyakit jantung juga diperlukan untuk mencegah terjadinya kematian pada penderitanya salah satu cara untuk melakukan deteksi dini ialah menggunakan data mining. Penggunaan algoritma k-means dapat dilakukan untuk melakukan klasterisasi pengelompokan penyakit jantung guna mengetahui seseorang terkena penyakit jantung maupun tidak. Metode klasterisasi dengan algoritma k-means pada penelitian ini menunjukkan sebuah wawasan baru yaitu pengelompokkan tingkat resiko penyakit jantung berdasarkan 3 cluster. Cluster 1 merupakan kategori usia dengan tingkat resiko penyakit jantung cukup rendah atau Low yaitu 355 dari 1025 kategori usia yang diuji, kemudian cluster 2 adalah kategori usia dengan tingkat resiko penyakit jantung sedang atau Medium yaitu 208 dari 1025 kategori usia yang diuji, dan terakhir adalah cluster 3 merupakan kategori usia dengan tingkat kategori usia cukup tinggi atau High yaitu 462 dari 1025 kategori usia yang diuji.
Analisa Judul Skripsi untuk Menentukan Peminatan Mahasiswa Menggunakan Vector Space Model dan Metode K-Nearest Neighbor Dewi Marini Umi Atmaja; Rila Mandala
IT for Society Vol 4, No 2 (2019)
Publisher : President University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (462.819 KB) | DOI: 10.33021/itfs.v4i2.1182

Abstract

Sulitnya menentukan klasifikasi judul skrpsi berdasarkan peminatan yang diambil oleh mahasiswa informatika unjani merupakan salah satu permasalahan penting yang dihadapi oleh pihak Jurusan. Tujuan dari penelitian ini yaitu memberikan sebuah penunjang keputusan bagi pihak Jurusan agar setiap judul skripsi yang diajukan oleh mahasiswa sesuai dengan peminatan. Berdasarkan hasil penelitian yang telah dilakukan, model yang dibangun menggunakan algoritma KNN menghasilkan tingkat akurasi yang lebih tinggi jika dibandingkan dengan model yang dibangun menggunakan algoritma VSM. Nilai akurasi tertinggi berdasarkan hasil pengujian pada penelitian ini adalah sebasar 96,85%.
PERAMALAN HARGA MATA UANG KRIPTO SOLANA MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (SVR) Dewi Marini Umi Atmaja; Arif Rahman Hakim
Jurnal Media Elektro Vol 11 No 2 (2022): Oktober 2022
Publisher : Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jme.v0i0.8117

Abstract

Cryptocurrencies have great potential to be adopted in Indonesia as an alternative to investing. One of the cryptocurrencies that investors or traders are interested in is Solana. Fluctuating price. movements make cryptocurrency investments considered. speculative so the risks. faced are very high. With this, we need a system or model that can help investors or traders to predict prices so that investors or traders have material for consideration in making decisions. The results of the descriptive analysis can be seen that in the period from April 10, 2020 to May 30, 2022, Solana's daily closing price movement fluctuates. The Support Vector Regression model obtained for Solana's daily closing price data, namely the Linear kernel with cost parameter C = 1000, obtained an. accuracy of 97.44% and MAPE 9.93 while for the Radial Basis Function. (RBF) kernel with cost parameter C = 1000 an .gamma = 0.1 obtained an accuracy of 87.76% with a MAPE value of 8.14. It can be concluded that through parameter tuning, the model formed has an accuracy value and the. best MAPE is to use a linear kernel with a cost parameter of C = 1000.
IDENTIFY CHOLESTEROL DISEASE RISK LEVELS USING MULTIPLE LINEAR REGRESSION ALGORITHMS Haryadi, Deny; Umi Atmaja, Dewi Marini
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 8 No 1 (2022): JITK Issue August 2022
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1474.806 KB) | DOI: 10.33480/jitk.v8i1.3328

Abstract

Cholesterol is one of the fat compounds found in the bloodstream that are necessary for the formation of several hormones and new cell walls in the liver. Normal cholesterol levels in the human body are in the range of < 200 mg / dL. If cholesterol levels in the blood are abnormal or excessive, it can result in dangerous diseases such as heart disease or stroke. In this study, cholesterol disease prediction will be carried out using models formed from linear regression methods, so that the results of this study can be used as a reference for early prevention of cholesterol disease and become a means of decision making. Linear regression is one of the prediction methods in data mining that can be used to find out how dependent variables/criteria can be predicted through independent variables or predictor variables individually. In this study by utilizing some data of patients with cholesterol disease that has been stored in the database using several attributes, namely age, BMI, glucose, and cholesterol. So by applying a linear regression algorithm can be done a prediction in the identification of cholesterol diseases based on functional relationships on the attributes in the data. The results of this study showed an RMSE value of 0.347 with a standard deviation of /- 0.000. This shows that the model resulting from linear regression algorithms with the above cases is quite accurate.
SOSIALISASI APLIKASI PELAYANAN MEDIS PENYAKIT HERPES MENGGUNAKAN TEKNOLOGI MACHINE LEARNING Arif Rahman Hakim; Dewi Marini Umi Atmaja; Tugiman Tugiman; Amat Basri
JMM (Jurnal Masyarakat Mandiri) Vol 7, No 2 (2023): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v7i2.13935

Abstract

Abstrak: Infeksi herpes merupakan masalah kesehatan yang masih menjadi perhatian di masyarakat. Pengembangan aplikasi herpes (PEMPERS) dengan menggunakan teknologi machine learning merupakan salah satu solusi untuk membantu masyarakat dalam mengelola infeksi herpes mereka. Pengabdian kepada masyarakat aplikasi herpes (PEMPERS) ini dilakukan di RS. Medika Lestari, Tangerang, Banten. Adapun peserta yang hadir terdiri dari para staf rumah sakit, tenaga kesehatan, perawat, bidan, dokter dan masyarakat umum dengan jumlah peserta 30 orang. Pengabdian masyarakat ini dilakukan sebagai referensi bagi para peserta dapat mengetahui bahwa pemanfaat teknologi informasi berperan penting dalam mempermudah pengambilan keputusuan dalam mendiagnosa penyakit, dan sebagai sarana dalam mengedukasi masyarakat agar dapat meningkatkan pola hdup sehat di lingkungannya masing-masing. Pengabdian kepada masyarakat aplikasi herpes (PEMPERS) ini dilakukan melalui tahap Persiapan yaitu dengan melakukan obervasi dan wawancara kepada penderita penyakit maupun yang tidak, hasilnya dianalisa dan dirancangan dalam sebuah aplikasi. Tahap kedua adalah pelaksanaan yaitu mensosialisasikan aplikasi Herpes pada rumah sakit Medika Lestari yang berlokasi di di Jl. HOS Cokroaminoto No.56, RT.001/RW.012, Kel. Karang Timur., Kec. Karang Tengah, Kota Tangerang, Banten. Tahap selanjutnya adalah evaluasi dan tindak lanjut dari hasil pengabdian kepada masyarakat. Hasil dari kuesioner mengenai evaluasi aplikasi herpes (PEMPERS) ini menunjukan bahwa rata-rata dari peserta pelatihan yang menjawab Sangat Setuju sebanyak 83% sedangkan peserta pelatihan yang menjawab Tidak Setuju sebanyak 17%. Adapun masukan dari para peserta pelatihan aplikasi herpes (PEMPERS) ini antara lain penambahan fitur untuk mendeteksi penyakit kulit lain selain herpes. Oleh karena itu, perlu dilakukan riset yang lebih mendalam, pelatihan dan sosialisasi yang intensif, serta evaluasi yang berkala untuk meningkatkan efektivitas aplikasi herpes ini.Abstract: Herpes infection is a health problem that is still a concern in the community. The development of herpes application (PEMPERS) using machine learning technology is one of the solutions to help people manage their herpes infection. This community service for herpes application (PEMPERS) was conducted at RS Medika Lestari, Tangerang, Banten. The participants consisted of hospital staff, health workers, nurses, midwives, doctors and the general public with a total of 30 participants. This community service is carried out as a reference for participants to know that the use of information technology plays an important role in facilitating decision-making in diagnosing disease, and as a means of educating the public so they can improve healthy lifestyles in their respective environments. Community service for the application of herpes (PEMPERS) is carried out through the Preparation stage, namely by observing and interviewing people with the disease or not, the results are analyzed and designed in an application. The second stage is the implementation, namely socializing the Herpes application at the Medika Lestari hospital located on Jl. HOS Cokroaminoto No. 56, RT. 001/RW. 012, Kel. Karang Timur. Kec. Karang Tengah, Tangerang Kota, Banten. The next stage is the evaluation and follow-up of the results of community service PEMPERS. The results of the questionnaire regarding the evaluation of the herpes application (PEMPERS) showed that the average of the trainees who answered Strongly Agree was 83% while the trainees who answered Disagree was 17%. The input from the trainees of this herpes application (PEMPERS) includes the addition of features to detect other skin diseases besides herpes. Therefore, it is necessary to conduct more in-depth research, intensive training and socialization, and periodic evaluation to improve the effectiveness of this herpes application. 
Prediction of Liver Disease Using a Linear Regression Algorithm Deny Haryadi; Dewi Marini Umi Atmaja; Arif Rahman Hakim
Journal of Informatics and Communication Technology (JICT) Vol 5 No 1
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/j_ict.v5i1.182

Abstract

The liver is the most essential organ in the human body. Hepatitis is one such disorder affecting the liver and is a global health issue, including in Indonesia. Liver disease is an inflammatory condition of the liver that can be triggered by genetic factors, viral infections, alcohol consumption, and the use of certain drugs. In principle, prevention of hepatitis or liver disease can be done by adopting a healthy lifestyle. In addition, early detection is also very important in preventing death in those affected by this disease. One method for early detection is through the application of data mining, which can help predict and reduce mortality in patients affected by this disease. Linear regression is a data mining technique utilized to predict the dependent variable or outcome based on the independent variable or predictor. The study conducted tests on this algorithm and obtained a Root Mean Squared Error of 0.349 +/- 0.000. This indicates the presence of a correlation or functional relationship (cause and effect) between the dependent variable (criterion) and the independent variable (predictor). The purpose of this testing process is to detect liver disease using the linear regression algorithm.
Klasterisasi Stok Produk Retail Untuk Menetukan Pergerakan Kebutuhan Konsumen Dengan Algoritma K-Means Niko Suwaryo Niko; Arif Rahman; Dewi Marini Umi Atmaja; Amat Basri
Bulletin of Information Technology (BIT) Vol 4 No 3: September 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i3.736

Abstract

− Retail product clustering is a product arrangement that is adjusted to the flow of placement or this layout is more suitable for product placement according to standards. Utilization of existing data through the clustering method approach can be applied in analyzing product grouping of data on availability and inventory of goods in warehouses so that it can provide knowledge and information. The clustering method is processed using the K-Means algorithm, where the results also show a new insight, namely grouping products based on 3 clusters. Cluster 1 is a product category with low availability or Low, namely 939 out of 1000 availability categories based on the number of products tested, then cluster 2 is a product category with medium or Medium availability, namely 51 out of 1000 availability categories based on the number of products tested, and finally cluster 3 is a product category with fairly high availability or High, namely 10 out of 100 availability categories based on the number of products tested. Tests using Rapid Miner tools can also produce similar insights, namely that each cluster has cluster group members according to manual calculations such as Cluster_0 in Rapid Miner has 51 cluster members representing the Medium cluster, Cluster_1 has 939 cluster group members representing the Low cluster, and Cluster_2 has 10 cluster members corresponding to the cluster representation High.
Prediksi Penyakit Diabetes Untuk Pencegahan Dini Dengan Metode Regresi Linear Niko Suwaryo Niko; Arif Rahman; Dewi Marini Umi Atmaja; Amat Basri
Bulletin of Information Technology (BIT) Vol 4 No 3: September 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i3.739

Abstract

Estimation is a method in which we can estimate the population value by using the sample value and which can model an equation to calculate the estimate i.e. a linear regression algorithm attempts to model the relationship between two variables by fitting a linear equation to observe the data. The application of a simple Linear Regression algorithm model can be implemented well and is able to provide a new insight for the need for predictions about the condition of diabetes data quality in controlling sugar levels in the body. Predictions of diabetes in the future can be known through the use of datasets using a prediction method approach through structured stages in analyzing the data used to produce an RSME value when evaluating a model of 0.000 +/- 0.000. Performance testing of the models and algorithms used in the evaluation can produce a picture that is relevant to the scenario being modeled. The RMSE value is obtained when evaluating the model performance of 0.000 +/- 0.000 through the RapidMiner Studio application.
Klasifikasi Metode Persalinan pada Ibu Hamil Menggunakan Algoritma Random Forest Berbasis Mobile Dewi Marini Umi Atmaja; Arif Rahman Hakim; Amat Basri; Andri Ariyanto
JRST (Jurnal Riset Sains dan Teknologi) Volume 7 No. 2 September 2023: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/jrst.v7i2.16705

Abstract

Tren angka kematian ibu pada saat melahirkan masih tinggi di Indonesia, yakni sekitar 300 per 100.000 kelahiran. Pemerintah Indonesia berencana untuk menurunkan angka tersebut menjadi 183 per 100.000 kelahiran pada tahun 2024 mendatang. Salah satu faktor penyebab kematian ibu hamil di Indonesia disebabkan oleh hipertensi dan terjadinya pendarahan pada saat melahirkan dan dibutuhkannya metode penanganan dalam persalinan. Adapun metode persalinan ibu hamil secara garis besar terbagi menjadi dua metode yaitu normal dan Caesar. Caesar adalah alternatif terakhir dalam persalinan, dikarenakan faktor risiko yang cukup tinggi, meskipun demikian, jumlah ibu yang menggunakan metode Caesar pada saat persalinan mengalami peningkatan yang cukup signifikan, khususnya di Indonesia. Metode persalinan pada ibu hamil dapat diklasifikasikan sesuai dengan kondisi ibu untuk menghindari risiko kematian ibu akibat pemilihan metode persalinan yang tidak tepat. Permasalahan tersebut dapat diselesaikan dengan memanfaatkan teknologi Machine Learning menggunakan algoritma random forest, dengan tujuan untuk membangun sebuah sistem yang dapat mengklasifikasi metode persalinan yang tepat berdasarkan kumpulan data persalinan ibu hamil yang telah disediakan. Dengan adanya sistem ini diharapkan dapat membantu para ibu hamil dalam melakukan screening awal untuk menentukan tindakan yang harus dilakukan agar proses persalinan berjalan dengan lancar dan meminimalisir risiko kematian ibu.
Co-Authors Adelia Chitra Sazkia Adi Kuncoro Adisty Nilasari, Risma Al Zena Ismail Alan Abyan Maftuh Amat Basri Amat Basri Amat Basri Andri Ariyanto Andri Ariyanto Arif Rahman Arif Rahman Hakim Arif Rahman Hakim Arif Rahman Hakim Arif Rahman Hakim Arif Rahman Hakim Arif Rahman Hakim Aufa Hafiy Andhika Basri, Amat Daniswara Rafi Pandora Deny Haryadi Dio Kurnia Sandi Fadhil Rozi Hendrawan Hadiana, Asep Id Haikal Apriandi Ilham Roni Yansyah Jonathan Gunawan Muttaqin, Widang Netanel Danur Wendra Putri Rizkiyah Rila Mandala Rimbawan Oprasto, Raditya Ruaida Susanti Sanjaya, Andreas Rino Suwaryo, Niko Syafii, Muhamad Syifa Nurgaida Yutia Tugiman Tugiman Tugiman Tugiman Wina Witanti Yakub Zaidan Mufaddhal Zhawa Kamela