Article Per Year (5 Year)
p-Index From 2021 - 2026
4.302
P-Index
This Author published in this journals
All Journal Faktor Exacta STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Jurnal PkM (Pengabdian kepada Masyarakat) Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) Jurnal Rekayasa Komputasi Terapan Kapas: Kumpulan Artikel Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Mercy Hermawati
Universitas Indraprasta PGRI
Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Faktor Exacta

 1 
OPEN DATA KIT SYSTEM DAN SMARTPHONE ANDROID SEBAGAI SOLUSI PENGUMPULAN DATA RPTRA JAKARTA SELATAN Mercy Hermawati; Akbar Muchbarak
Faktor Exacta Vol 13, No 3 (2020)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v13i3.5944

Abstract

Pengumpulan data merupakan tahap penting dalam setiap melakukan desain atau program penelitian. Saat ini, pada prakteknya pengumpulan data masih banyak menggunakan metode manual yaitu dengan media kertas yang menyebabkan rendahnya kualitas bila volume datanya besar. Perkembangan teknologi informasi dan komunikasi seperti sistem operasi android yang telah mendominasi perangkat mobile di seluruh penjuru dunia. Bahkan ada beberapa tools yang dapat dimanfaatkan untuk pengumpulan data tanpa kertas. Sampai akhir tahun 2019 ini, sudah 60 RPTRA tersebar di beberapa titik lokasi Jakarta Selatan. Namun belum ada satu portal khusus untuk memuat profil dari masing-masing RPTRA tersebut, sehingga sulitnya mendapatkan informasi lengkap seputar RPTRA Jakarta Selatan secara cepat dan akurat. Penelitian ini bertujuan untuk memudahkan pengumpulan data dengan cepat dan berkualitas menggunakan alat dan metode yang memiliki sebuah server terpusat, memudahkan pengumpulan data RPTRA Jakarta Selatan dengan menggunakan Open Data Kit System dan Smartphone Android. Selain itu juga bertujuan untuk menghasilkan aplikasi android yang dapat digunakan sebagai sarana dalam melihat hasil survei data RPTRA Jakarta Selatan. Penelitian ini menggunakan pendekatan penelitian kuantitatif dengan jenis penelitian survei. Menggunakan open data kit (ODK) sebagai tools pengumpulan data RPTRA Jakarta Selatan. Hasil penelitian yaitu penggunaan ODK System dapat membantu proses pengumpulan data menjadi lebih cepat dan mudah untuk diolah karena sudah dalam bentuk digital. Pengumpulan data RPTRA Jakarta Selatan melalui perangkat mobile dapat dilakukan dalam kondisi online maupun offline atau tanpa jaringan internet, sehingga dapat digunakan dalam segala situasi. Hasil lain dari penelitian ini yaitu informasi hasil survei diharapkan dapat dilihat oleh masyarakat luas melaui aplikasi berbasis android yang mana datanya tersaji secara online.
Implementasi Algoritma Naïve Bayes Classifier untuk Mendeteksi Berita Palsu pada Sosial Media Nova Agustina; Adrian Adrian; Mercy Hermawati
Faktor Exacta Vol 14, No 4 (2021)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v14i4.11259

Abstract

Hoax news (lie) on the internet has become a global problem that causes turmoil in society. Its presence can disrupt democratic order, the stability of social, cultural, political and economic life. The results of the research of the Indonesian Telematics Society showed that as many as 44.3% of respondents said they received fake news or misinformation every day. According to information released by Kominfo until August 11, 2021, there were 1848 hoax reports regarding the Covid-19 pandemic, 290 hoax reports regarding the Covid-19 Vaccine. Naïve Bayes Classifier is a classification method based on Bayes theorem, which in this paper is used to detect fake news on social media. The analysis was carried out using the Naïve Bayes Classifier algorithm, in this study using the CRISP-DM (Cross-Industry Standard Process for Data Mining) model. Training data sourced from the Kumparan site as much as 300 Data. In the process carried out using the python library for NLP, namely "satrawi". In testing the model using the confusion matrix method which consists of the number of rows of test data that are predicted to be true and false by the classification model used. At the deployment stage the model is pushed to Heroku so that users can predict news directly through the provided User Interface.
Pengembangan Sistem Informasi RPTRA Info Menggunakan Metode Prototype Mercy Hermawati; Akbar Muchbarak
Faktor Exacta Vol 15, No 4 (2022)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v15i4.13356

Abstract

RPTRA Info merupakan aplikasi berbasis Android yang digunakan untuk mengetahui informasi lokasi serta sarana dan prasarana yang ada di RPTRA se Jakarta Selatan. Data berupa profil singkat RPTRA beserta foto-foto kondisi sarana dan prasarana yang ada di dalamnya diperoleh dengan cara melakukan survey secara langsung ke lokasi RPTRA. Di masa pandemi Covid19 ini kegiatan di RPTRA dibatasi, sehingga terkadang tidak mengizinkan warga masuk selain petugas. Hal ini tentu saja membuat proses pembaharuan informasi dengan cara survey langsung ke lokasi menjadi terhambat.Untuk dapat selalu memberikan informasi terkini terkait sarana dan prasarana yang ada di RPTRA Jakarta Selatan, maka perlu dibuatkan sebuah sistem informasi yang dapat mengelola data di masing-masing RPTRA oleh masing-masing pengelola RPTRA itu sendiri. Namun diperlukan metode yang tepat dalam merancang sistem tersebut agar dapat sesuai dengan keinginan dari masing-masing stakeholder, dalam hal ini terdiri dari Suku Dinas Pemberdayaan, Perlindungan Anak Dan Pengendalian Penduduk (PPAPP) Jakarta Selatan beserta para pengelola RPTRA yang tersebar di seluruh Jakarta Selatan. Metode yang digunakan yaitu menggunakan metode Prototype, dimana peneliti akan membuat sebuah prototype berdasarkan kebutuhan awal sistem. Hasil rancangan berupa prototype ini dipresentasikan ke seluruh stakeholder dan hanya perlu sedikit penyesuaian mengikuti masukan-masukan dari para stakeholder. Setelah mendapat masukan, selanjutnya dirumuskan masukan mana saja yang akan dieksekusi. Sehingga kemudian dilakukan pembuatan atau penyempurnaan sistem tersebut. Dengan cara seperti ini, dapat mempercepat proses pembuatan sistem mengingat jumlah stakeholder yang cukup banyak yaitu pengelola dari 62 RPTRA dan juga minimnya pemahaman stakeholder mengenai Pengembangan Sistem Informasi. 
Penerapan Algoritma C4.5 dengan Optimasi Particle Swarm Optimization untuk Prediksi Kelulusan Mahasiswa Hermawati, Mercy
Faktor Exacta Vol 16, No 3 (2023)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v16i3.17296

Abstract

College is a place for students to pursue higher education. Both state and private universities compete to be the best universities to produce the best graduates. The number of student graduates is an indicator of the success of a higher education institution, which will have an impact on government accreditation and public assessment. The aim of this research is to predict student graduation in order to know whether they will graduate on time or late by applying data mining techniques, namely classification using the C4.5 algorithm to obtain patterns of student graduation delays and the particle swarm optimization (PSO) algorithm to increase the accuracy of the C4 algorithm. 5. Testing uses cross validation tests, confusion matrix and ROC curve. The results of this research are that the C4.5 algorithm with particle swarm optimization (PSO) has an accuracy value of 86.72%, which is better than the C4.5 algorithm, whose accuracy is 82.05% and the difference between them is 4.67%. The difference between the AUC value of 0.033 was obtained from the C4.5 algorithm model, which had an AUC value of 0.870 with a good classification diagnostic level, and the C4.5 algorithm with PSO had an AUC value of 0.903 with an excellent classification diagnostic level. IPS3 is the attribute that most influences the accuracy of student graduation. The results of the C4.5 algorithm rule with PSO can be applied to create applications for GUI-based student graduation predictions.
Co-Authors Ade Kurnia Solihin Ade Kurnia Solihin Adrian, Adrian Akbar Muchbarak Alfian Ramadhan ARI IRAWAN Auliga, Muhamad Aldy Budi Santoso Dian Nur Sholihaningtias Didi Supriyadi Effendi, Muhammad Ade Fauziah, Lulu Nisa Maulana, Aldian Maulana, Habib Imam Millati Izzatillah Muhamad Tofan Nova Agustina Nugraha, Mohamad Lutfi Nurfidah Dwitiyanti Putri, Zahra Anzani Rahmawati Yuliani Rahnita Nuzulah Rakha, Muhammad Rismawati, Nofita Rizardi, Dandi Rudiansah, Arbi Rustiawan Rustiawan Septian Wulandari Sholihaningtias, Dian Nur Solihin, Ade Kurnia Syuhardi, Yossi Indrawati Tri Yuwono, Tri Yoga, Karinsa Sandi Yuli Haryanto, Yuli Yuliani, Anisa Yulianingsih, Yulianingsih