Article Per Year (5 Year)
p-Index From 2021 - 2026
7.974
P-Index
This Author published in this journals
All Journal Jurnal EECCIS Jurnal Edukasi dan Penelitian Informatika (JEPIN) Scientific Journal of Informatics JEEMECS (Journal of Electrical Engineering, Mechatronic and Computer Science) Industri Inovatif : Jurnal Teknik Industri Jurnal Teknologi Informasi dan Terapan (J-TIT) bit-Tech Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang Jurnal Tekinkom (Teknik Informasi dan Komputer) Journal of Computer Networks, Architecture and High Performance Computing Brilliance: Research of Artificial Intelligence Jurnal Informatika Teknologi dan Sains (Jinteks) Digital Transformation Technology (Digitech) SISFOTENIKA KREATIF: Jurnal Pengabdian Masyarakat Nusantara
Mira Orisa
Instititut Teknologi Nasional Malang
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
Researchers Productivity Level Clustering Based On H-Index and Citation Using The Fuzzy C-Means Algorithm Orisa, Mira; Faisol, Ahmad
Journal of Computer Networks, Architecture and High Performance Computing Vol. 5 No. 1 (2023): Article Research Volume 5 Issue 1, January 2023
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v5i1.1984

Abstract

The fuzzy C-Means algorithm is a partition-based clustering algorithm.Fuzzy C-Means is very helpful in modeling data whose distribution has outliers. Outliers are where there is a data object that is far apart from the existing clusters. Fuzzy C-Means groups data by minimizing the membership function of a data set. so that each piece of data can be a member of more than one group. In this study, the dataset used was the paper citation vs. H-index dataset in the Kaggle.com repository. This dataset is known to have outliers in fuzzy C-Means and has better performance compared to the K-Means and K-Medoid algorithms in modeling datasets that have outliers.
Analisis Fluktuasi Harga Pangan Antar Provinsi di Indonesia Menggunakan Pendekatan Data Mining dan Big Data Auliasari, Karina; Qurrotuna, Fina; Orisa, Mira; Nurina, Nurina; Mirenty, Putri Mulan
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5217

Abstract

Penelitian ini dilakukan melalui metode analisis data yang terdiri dari beberapa tahapan: pengumpulan data (data collection), integrasi data (data integration), pembersihan data (data cleansing), eksplorasi data (data exploration), visualisasi data (data visualization), dan analisis data. Hasil eksplorasi dan visualisasi data menunjukkan bahwa dari tahun 2020 hingga 2023, harga tiga komoditas utama beras, gula, dan telur berfluktuasi antarprovinsi. Analisis harga pangan untuk komoditas beras, gula, dan telur menunjukkan bahwa wilayah barat Indonesia dan beberapa wilayah barat, terutama Papua, Maluku, dan Kalimantan, memiliki harga tinggi. Menurut biaya hidup yang tinggi dan permintaan pasar yang tinggi, Provinsi DKI Jakarta selalu mencatatkan harga beras tertinggi, diikuti oleh Bali, tujuan wisata. Jawa Timur memiliki harga terendah karena menjadi pusat produksi. Papua, seperti provinsi terpencil lainnya seperti Papua Barat dan Maluku, mengalami harga tinggi untuk produk telur dan gula. Ini menunjukkan masalah logistik dan biaya transportasi. Hasilnya menunjukkan bahwa untuk mencapai stabilitas harga yang lebih merata, strategi khusus diperlukan untuk mengelola distribusi dan harga makanan di berbagai wilayah Indonesia
Figma Masuk Sekolah: Inovasi Pembelajaran UI Design untuk Generasi Digital Karina Auliasari; Mira Orisa; Mariza Kertaningtyas; Zulkifli Abdillah; Muhammad Rafi Faddilani; Fathur Riski; Jamil Nashrulloh; Bagaskara Adhi P
KREATIF: Jurnal Pengabdian Masyarakat Nusantara Vol. 5 No. 2 (2025): Jurnal Pengabdian Masyarakat Nusantara
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/kreatif.v5i2.6053

Abstract

UI design training using the FIGMA platform implemented at SMKN 2 Singosari is a community service activity carried out by a team of lecturers and students of Informatics Engineering S1 and Industrial Engineering S1 at ITN Malang. Students of the RPL expertise program class XI SMKN 2 Singosari have gained an understanding and expertise in UI design from the results of the training activities. The mastery and understanding of the training material by students is shown from the questionnaire score, which averages 5 on a scale of 5 for understanding the material and a value of 4.2 for teaching satisfaction during the training. As many as 80% of students also expressed their satisfaction with the quality of the teaching team in delivering the material and their patience in overseeing the UI design practice material. The results shown show that the FIGMA community service program entering schools has succeeded in supporting innovative learning that supports the skills of the current digital generation in the vocational high school education environment.
PENERAPAN K-MEANS CLUSTERING UNTUK IDENTIFIKASI KELEMAHAN SISWA PADA MATA PELAJARAN KEJURUAN DI SMK NEGERI 8 MALANG Ridho Arif Wicaksono; Joseph Dedy Irawan; Mira Orisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 6 (2025): JATI Vol. 9 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i6.15436

Abstract

Keberhasilan siswa dalam mata pelajaran kejuruan di SMK Negeri 8 Malang merupakan faktor penting dalam mempersiapkan mereka menghadapi dunia kerja dan industri, namun saat ini belum tersedia sistem yang mampu mengelompokkan dan memprediksi tingkat kelemahan siswa secara objektif. Permasalahan utama yang dihadapi adalah ketergantungan Kepala Kompetensi Keahlian pada intuisi dan nilai akhir tanpa proses klasifikasi yang sistematis, sehingga intervensi terhadap siswa tidak tepat sasaran. Tujuan dari penelitan ini digunakan untuk mengembangkan sistem klasifikasi kelemahan belajar siswa menggunakan algoritma K-Means Clustering berdasarkan data akademik dan non-akademik, seperti nilai harian, proyek, ujian, dan kehadiran. Metode ini mengelompokkan siswa ke dalam tiga klaster, yaitu risiko kelemahan tinggi, sedang, dan rendah, berdasarkan kemiripan data yang dianalisis. Hasil dari penelitian ini menunjukan bahwa sebanyak 2% siswa masuk kedalam risiko kelemahan tingkat tinggi, 40% siswa masuk kedalam risiko kelemahan tingkat menengah, dan 57% siswa masuk kedalam risiko kelemahan tingkat rendah. Hasil dari sistem menunjukan bahwa sistem mampu mengelompokan siswa kedalam 3 buah cluster, berdasarkan 5 mata pelajaran.
PENERAPAN METODE K-MEANS UNTUK KLASTERISASI DAERAH DENGAN RISIKO OVERPOPULASI DI INDONESIA Ilham Maulana Prasetyo; Mira Orisa; Febriana Santi Wahyuni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 6 (2025): JATI Vol. 9 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i6.15599

Abstract

Pertumbuhan penduduk Indonesia yang terus meningkat hingga mencapai 281 juta jiwa pada 2024 menimbulkan masalah kepadatan tidak merata di sejumlah wilayah, terutama kota besar seperti Jakarta, Bandung, dan Surabaya. Fenomena overpopulasi ini menimbulkan dampak serius seperti tekanan pada infrastruktur, penurunan kualitas lingkungan, dan kesenjangan sosial. Tujuan penelitian ini adalah mengembangkan aplikasi web yang mengimplementasikan algoritma pengelompokan K-means untuk mengelompokkan wilayah di Indonesia berdasarkan risiko overpopulasi. Data yang digunakan dalam penelitian ini adalah data sekunder dari Badan Pusat Statistik (BPS) periode 2021–2024, dengan indikator yang dianalisis meliputi luas wilayah (X1), jumlah penduduk (X2), kepadatan penduduk (X3), serta laju pertumbuhan penduduk (X4). Jumlah klaster ditentukan secara manual sebanyak tiga klaster, yaitu rendah, sedang, dan tinggi. Evaluasi hasil klasterisasi dilakukan menggunakan silhouette index, yang menunjukkan nilai sebesar 0,724046 pada tahun 2021, 0,721511 pada tahun 2022, 0,721313 pada tahun 2023, dan 0,721605 pada tahun 2024. Nilai-nilai tersebut mengindikasikan bahwa proses pengelompokan telah dilakukan dengan sangat baik, dengan batas antar klaster yang tampak jelas. Hasil dari proses klasterisasi ini menyajikan gambaran spasial yang jelas mengenai distribusi penduduk, sehingga dapat dimanfaatkan sebagai referensi dalam perumusan kebijakan oleh pemerintah, khususnya dalam upaya pemerataan dan pengendalian jumlah penduduk di masa yang akan datang.
Penerapan Algoritma K-Means Untuk Pemetaan Penerimaan Pupuk Anorganik Bersubsidi di Kecamatan Donomulyo: Application of K-Means for Mapping Subsidized Fertilizer Distribution in Donomulyo Gana Novitasari; Mira Orisa; Karina Auliasari
SISFOTENIKA Vol. 16 No. 1 (2026): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v16i1.583

Abstract

Pertanian memiliki peran penting dalam menjaga ketahanan pangan di Indonesia. Kecamatan Donomulyo merupakan salah satu wilayah dengan aktivitas pertanian yang tinggi dan kebutuhan pupuk yang besar pada setiap musim tanam. Namun, distribusi pupuk di wilayah ini masih menghadapi kendala seperti ketidaktepatan data penerimaan dan pencatatan manual yang menyulitkan proses analisis. Penelitian ini bertujuan untuk mengelompokkan tingkat penerimaan pupuk anorganik bersubsidi menggunakan algoritma K-Means untuk melihat pola distribusi pada 10 desa di Kecamatan Donomulyo. Hasil pengelompokan menunjukkan bahwa algoritma K-Means membentuk tiga cluster penerimaan, yaitu rendah, sedang, dan tinggi. Pada komoditas padi, tahun 2025 menghasilkan 3 desa cluster tinggi, 5 desa cluster rendah, dan 2 desa cluster sedang. Komoditas jagung menghasilkan 2 desa cluster tinggi, 6 desa cluster sedang, dan 2 desa cluster rendah, sedangkan komoditas tebu menghasilkan 5 desa cluster tinggi, 2 desa cluster sedang, dan 3 desa cluster rendah. Hasil ini kemudian divisualisasikan melalui Sistem Informasi Geografis berbasis web untuk memudahkan pemantauan distribusi secara spasial. Melalui sistem ini, BPP Donomulyo dapat lebih mudah melakukan evaluasi, meningkatkan akurasi pencatatan, serta merencanakan distribusi pupuk bersubsidi agar lebih tepat sasaran.
CLUSTERING KUALITAS PENDIDIKAN SEKOLAH MENENGAH ATAS DI PROVINSI NUSA TENGGARA TIMUR MENGGUNAKAN ALGORITMA K-MEANS Maria Avriliana Surat Lelaona; Mira Orisa; Yosep Agus Pranoto
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6944

Abstract

Provinsi Nusa Tenggara Timur (NTT) merupakan salah satu wilayah dengan tantangan besar dalam pemerataan dan peningkatan mutu pendidikan, khususnya pada jenjang Sekolah Menengah Atas (SMA). Berdasarkan data Dinas Pendidikan NTT, masih terdapat ketimpangan kualitas antar wilayah yang disebabkan oleh keterbatasan tenaga pendidik, sarana prasarana yang belum memadai, serta rasio guru dan murid yang tidak seimbang. Penelitian ini bertujuan untuk mengimplementasikan teknik data mining menggunakan algoritma K-Means Clustering dalam mengelompokkan kualitas pendidikan SMA di Provinsi NTT. Data yang digunakan meliputi indikator pendidikan seperti jumlah sekolah, jumlah siswa, jumlah guru, tenaga kependidikan, rasio guru terhadap murid, jumlah rombongan belajar, dan ruang kelas. Algoritma K-Means dipilih karena dataset yang digunakan merupakan data tak berlabel dan bersifat unsupervised. Penentuan jumlah cluster optimal dilakukan dengan metode Elbow, yang menghasilkan tiga kategori utama yaitu kualitas tinggi, sedang, dan rendah. Hasil penelitian ini diimplementasikan dalam bentuk sistem berbasis web yang mampu memproses data, menampilkan hasil pengelompokan secara visual melalui tabel dan grafik. Sistem ini diharapkan dapat menjadi alat bantu bagi pemerintah daerah dalam menganalisis distribusi mutu pendidikan dan merumuskan kebijakan peningkatan kualitas pendidikan secara berkelanjutan.
Job Vacancy Recommendation System Based on Text Description Analysis Using Word Embedding and Cosine Similarity Fathur Riski; Karina Auliasari; Mira Orisa
bit-Tech Vol. 8 No. 3 (2026): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i3.3690

Abstract

The rapid expansion of digital recruitment platforms has intensified information overload, making it increasingly difficult for job seekers to identify vacancies aligned with their skills and professional interests. In response to this challenge, this study develops a semantic-based job recommendation system that leverages word embedding and cosine similarity to enhance retrieval relevance within the Indonesian labor market context. The primary contribution lies in the empirical examination of embedding-driven semantic ranking applied to Indonesian job descriptions, with a focus on ranking coherence and contextual alignment rather than binary classification accuracy. The proposed framework transforms both user-entered skill keywords and job vacancy descriptions into dense vector representations within a shared embedding space. Semantic similarity is then computed using cosine similarity, enabling the system to rank job postings according to their contextual proximity to the user query. The recommendation output is presented in a Top-N format, prioritizing vacancies with the highest semantic correspondence. Experiments conducted on a dataset of 523 job postings demonstrate that the system consistently produces semantically coherent ranking patterns, where vacancies emphasizing relevant competencies are positioned at higher ranks. Qualitative evaluation further indicates stable ranking behavior across repeated queries, suggesting robustness in similarity-based ordering. These findings support the feasibility of embedding-based semantic retrieval as a practical and interpretable solution for content-driven job recommendation in dynamic digital recruitment environments.
Co-Authors Achmad Abdillah, Nur Adi Pratama, Sena Agung Kurniawan Ahmad Fahrudi Setiawan AHMAD FAISOL Ahmad Faisol Alfaridzi, Febryan Ali Mahmudi Andriano Frans, Jemmy Aprilian Anarki, Galang Ardhi Nur Rasyid, Muhammad Arfan Ravy Wahyu Pratama, Mochamad Aria Alfaizi, Hafiz Ariwibisono, F.X Ariwibisono, FX Aryanto Lende, Junaedy Ashari, Muhammad Ibrahin Asyam Naufal, Kasih Aulisari, Karina Bagaskara Adhi P Budi Raharjo, Piter Deddy Rudhistiar Desmile, Janico Dzulfikar, Ahmad Eksi Adi Irawan, Alfonsus Ellio Dewa Alsveta, Aloysius Farid Riyan Wijaya, Aditya Fathur Riski Febriana Santi Wahyuni FX. Ariwibisono Gana Novitasari Habib Asiddiqie, Prananda Hani Zulfia Zahro Hidayatullah, Panji Ilham Maulana Prasetyo Ilham Syahriansya, Ali Izmi Apriosa, Silvia Jamil Nashrulloh Joseph Dedy Irawan Kadek Riski Dwi Putra, I Karina Auliasari Khoirunnisa Anggraini, Jihan Kukuh Prayogi, Panji Listyani Kartika, Angelina M. Ibrahim Ashari Maria Avriliana Surat Lelaona Mariza Kertaningtyas martha kusuma, edwin Maulana, Ferdian Maulidina, Vingki Indrayani Maureta, Sonia Michael Ardita Mirenty, Putri Mulan Mochammad Ibrahim Ashari Muhammad Rafi Faddilani Mukhlis Mukhlis Nizar Purwayana Nugraha, Ainin Nur Hidayanti, Rahmah Nurina Nurina Nurlaily Vendyansyah Onny Setyawati Pambudi, Yitno Prasetiyo, Agung Sugih Prasetya, Rafid Artur Pratama, Rafif Pratama, Redo Primaswara P, Renaldi Prio Utomo, Yandi Pristiani, Tenti Purnomo Budi Santoso Putra Snyders, Saveraga Putu Agustini , Ni Qurrotuna, Fina Renaldi Prasetya Renaldi Primaswara Prasetya Ridho Arif Wicaksono Rofila El Maghfiroh Samsaudin, Ruslin Satria Pradana, David Sentot Achmadi Septiardo, Pratedyo Surya Putra, Johanes Suryo Adi Wibowo Taufik Hidayat Taufiq Rahmatullah, Muhammad Tri Pamungkas, Arum Vieri Agusliyanto, Naralda WAHYUDI, RIZAL Widi Wiguna, Chandra Xaverius Ariwibisono, Fransiscus Xaverius Ariwibisono, Fransiskus Yosep Agus Pranoto Yulio, Andi Yunita Sari, Hesti Zulfia Zahro’, Hani Zulkifli Abdillah