Article Per Year (5 Year)
p-Index From 2020 - 2025
2.282
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Riset Informatika Jurnal Mantik Jusikom: Jurnal Sistem Informasi Ilmu Komputer INTI Nusa Mandiri Profitabilitas Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Teknik Komputer dan Informatika (JTeKI)
Zulia Imami Alfianti
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Languange, Linguistic, Communication & Media

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PENGELOMPOKAN WILAYAH PENYEBARAN COVID-19 DI KABUPATEN KARAWANG MENGGUNAKAN ALGORITMA K-MEANS Alfianti, Zulia Imami
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4155

Abstract

Virus Covid-19 merupakan keluarga besar coronavirus yang dapat menyerang hewan. Covid-19 merupakan penyakit menular yang ditandai oleh gejala pada bagian pernapasan akut (coronavirus 2 (severe acute respiratory syndrome coronavirus 2) atau SARS-CoV-2). Virus ini menyerang penduduk di Wuhan China sejak Desember 2019 Penularan virus ini terjadi jika adanya kontak langsung antar manusia.  Sejak Februari 2020 penyebaran virus covid-19 mulai terjadi di berbagai wilayah di Indonesia dan semakin meningkat setiap harinya. Pada penelitian ini akan dilakukan pengklusteran wilayah penyebaran covid-19 di kabupaten kawarang. Pengklusteran dilakukan menggunakan metode k-means dengan membagi data kecamatan di kabupaten karawang menjadi tiga cluster yaitu kluster wilayah penyebaran rendah, kluster wilayah penyebaran, sedang, dan wilayah penyebaran tinggi. Hasil dari penelitian ini yaitu terdapat 50% persen wilayah yang tingka penyebarannya rendah, 33,3% persen wilayah yang tingkat penyebarannya sedang, dan 16,7% persen wilayah yang tingkat penyebarannya tinggi.
Grouping of Covid-19 Affected Areas in Bogor City Using The K-Means Algorithm Zulia Imami Alfianti; Sugiono; Mochammad Abdul Azis; Ahmad Fauzi
Jurnal Mantik Vol. 4 No. 4 (2021): February: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.Vol4.2021.1142.pp2336-2341

Abstract

Clustering plays an important role in processing big data, making predictions and overcoming anomalies in data, identical characteristics in data sets are grouped using iterative techniques. Because data is always evolving from day to day, very large data sets with little can be identified into interesting patterns by grouping, special methods are needed to handle it. In December 2019 there was an outbreak of acute respiratory syndrome caused by coronavirus 2 infection that occurred in Wuhan and on February 12, 2020, the World Health Organization officially named the disease Corona Virus 2019 (Covid 19). This research will conduct clustering of areas affected by Covid 19 in the City of Bogor. The clustering was done using the K-Means method and dividing the data into 3 clusters, namely the low-impact cluster, the medium-impact cluster and the high-impact cluster. The results showed that from 68 urban villages in the city of Bogor, 45% of the area was in the low-affected category, 35.29% of the area was in the medium-affected category and 19.12% of the area was in the high-affected category.
SENTIMENT ANALYSIS OF COSMETIC REVIEW USING NAIVE BAYES AND SUPPORT VECTOR MACHINE METHOD BASED ON PARTICLE SWARM OPTIMIZATION Zulia Imami Alfianti; Deni Gunawan; Ahmad Fikri Amin
Jurnal Riset Informatika Vol. 2 No. 3 (2020): June 2020 Edition
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v2i3.113

Abstract

Sentiment analysis is an area of ​​approach that solves problems by using reviews from various relevant scientific perspectives. Reading a review before buying a product is very important to know the advantages and disadvantages of the products we will use, besides reading a cosmetic review can find out the quality of the cosmetic brand is feasible or not be used. Before consumers decide to buy cosmetics, consumers should know in detail the products to be purchased, this can be learned from the testimonials or the results of reviews from consumers who have bought and used the previous product. The number of reviews is certainly very much making consumers reluctant to read reviews. Eventually, the reviews become useless. For this reason, the authors classify based on positive and negative classes, so consumers can find product comparisons quickly and precisely. The implementation of Particle Swarm Optimization (PSO) optimization can improve the accuracy of the Support Vector Machine (SVM) and Naïve Bayes (NB) algorithm can improve accuracy and provide solutions to the review classification problem to be more accurate and optimal. Comparison of accuracy resulting from testing this data is an SVM algorithm of 89.20% and AUC of 0.973, then compared to SVM based on PSO with an accuracy of 94.60% and AUC of 0.985. The results of testing the data for the NB algorithm are 88.50% accuracy and AUC is 0.536, then the accuracy is compared with the PSO based NB for 0.692. In these calculations prove that the application of PSO optimization can improve accuracy and provide more accurate and optimal solutions.
PENGELOMPOKAN WILAYAH KASUS BALITA STUNTING DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS Zulia Imami Alfianti
Jurnal Ilmiah Informatika Komputer Vol 28, No 3 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i3.8876

Abstract

Stunting adalah suatu gejala yang disebabkan oleh kurangnya asupan gizi pada anak sejak berada dalam kandungan hingga usia kurang dari lima tahun. Tidak hanya postur tubuh yang menjadi gejala stunting, pertumbuhan tubuh dan gigi yang terhambat, berat badan anak tidak sesuai, serta tidak memiliki fokus yang baik merupakan gejala lain yang timbul pada anak penderita stunting. Stunting menjadi masalah kesehatan masyarakat yang perlu penanganan lebih oleh pemerintah khususnya dinas kesehatan republik Indonesia. Negara Indonesia memiliki kasus stunting yang tergolong tinggi. Dari setiap provinsi di Indonesia masing-masing memiliki kasus stunting yang membutuhkan penanganan cepat dan tepat. Pengklasteran akan dilakukan dalam wilayah yang memiliki balita stunting yang diperoleh dari 34 provinsi di Indonesia. Dari 34 provinsi tersebut akan dilakukan pengklasteran  menjadi wilayah provinsi kasus tinggi, sedang, dan rendah. Dari penelitian ini dihasilkan persentase dari masing-masing cluster yaitu kasus tertinggi memiliki persentase 52% provinsi di indonesia, persentase wilayah kasus sedang sebesar 29%  dan untuk wilayah yang memiliki kasus stunting rendah sebesar 18%.
PENGELOMPOKAN WILAYAH KASUS BALITA STUNTING DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS Alfianti, Zulia Imami
Jurnal Teknik Komputer dan Informatika Vol. 3 No. 3|Desember (2023): Jurnal Teknik Komputer dan Informatika (JTeKI)
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jteki.v3i3.39

Abstract

Stunting merupakan kondisi kurang gizi pada anak yang ditandai dengan tubuh pendek pada anak usia dibawah 5 tahun. Selain ditandai dengan tubuh pendek pada anak, gejala yang umumnya muncul pada penderita stuntin adalah lambatnya pertumbuhan tubuh dan gigi, berat badan anak yang jauh lebih rendah dari anak seusianya serta tidak memiliki fokus yang baik. Stunting merupakan salah satu masalah kesehatan masyarakat yang perlu penanganan lebih oleh pemerintah khususnya dinas kesehatan republik Indonesia. Dari 34 provinsi di Indonesia masing-masing memiliki kasus stunting yang perlu penanganan segera. Pada penelitian ini akan dilakukan pengklasteran wilayah kasus balita stunting yang berasal dari 34 provinsi di Indonesia. Pengklasteran dilakukan untuk mengelompokan 34 provinsi di Indonesia menjadi wilayah provinsi kasus tinggi, sedang, dan rendah. Hasil dari penelitian ini yaitu 52% provinsi memiliki kasus tertinggi, 29% memiliki kasus sedang dan 18% memiliki kasus stunting rendah.
ANALISIS SENTIMEN PERKEMBANGAN MOTOR LISTRIK MENGGUNAKAN SUPPORT VECTOR MACHINE DAN OPTIMASI PARTICLE SWARM OPTIMIZATION Ginabila, Ginabila; Fauzi, Ahmad; Pratiwi, Risca Lusiana; Fauziah, Siti; Alfianti, Zulia Imami
INTI Nusa Mandiri Vol. 19 No. 1 (2024): INTI Periode Agustus 2024
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/inti.v19i1.5579

Abstract

Innovation in electric motor technology such as increased range, speed, and battery endurance can attract interest from individuals fascinated by the latest advancements. Sentiment analysis enables a profound understanding of consumer perceptions towards electric motors. In this study, Support Vector Machine (SVM) is employed as a classification tool to evaluate opinions on current developments in electric motors. SVM seeks an optimal hyperplane that maximizes the distance between sentiment categories. The development of sentiment analysis methods utilizes SVM with Particle Swarm Optimization (PSO) to successfully achieve an accuracy of 80.33% and obtain a Good Classification category based on ROC Curve results. This research provides insights into consumer perceptions of electric motor technology, offering valuable feedback for manufacturers in the development of superior electric motor products. Leveraging sentiment analysis, manufacturers can enhance product improvements, increase quality, and expand functionality to meet the evolving market demands.
Sistem Informasi Akuntansi Pegawai (KOSIPA ) PT ENVICON EKATAMA Komalasari, Yuli; Laetussaadah, Lela; Mustomi, Dede; Alfianti, Zulia Imami
PROFITABILITAS Vol 2 No 1 (2022): JURNAL PROFITABILITAS
Publisher : Sistem Informasi Akuntansi Kampu Kabupaten Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/profitabilitas.v2i1.1111

Abstract

Koperasi Pegawai was established to facilitate employees in managing employee funds that are stored and loaned for employees at PT. Envicon Ekatama. Guaranteed service for Koperasi participants needs to be made and designed systems that can support existing businesses.. The computer system at the Koperasi PT. Envicon Ekatama has not been used in its administration such as data input, savings,loan and installment data, as well as reporting requirements. In this study, the Employee Cooperative Information System (KOSIPA) with SQL programming language has been implemented, starting with analyzing the existing system, analyzing needs, creating and designing systems and software and hardware specifications, so that the system can run as expected.
GROUPING OF EDUCATION LEVEL BASED ON THE NUMBER OF SCHOOLS IN JAWA BARAT PROVINCE USING K-MEANS ALGORITHM Alfianti, Zulia Imami
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 5 No. 2 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2270

Abstract

Pendidikan di Indonesia terbagi menjadi tiga jenis yaitu pendidikan formal, pendidikan non formal dan pendidikan Informal. Jarak tempuh sekolah dengan tempat tinggal mempengaruhi tingkat pendidikan sekolah dasar dan menengah. Banyak masyarakat yang tidak melanjutkan sekolah dikarenakan jarak tempuh sekolah dengan tempat tinggal memiliki jarak tempuh yang sangat jauh. Peristiwa ini tentunya menurunkan tingkat indeks pendidikan di provinsi Jawa Barat dan meningkatkan angka kemiskinan. Pada penelitian ini akan dilakukan pengklusteran wilayah berdasarkan jumlah sekolah dasar dan menengah untuk menentukan indeks pendidikan di provinsi Jawa Barat menggunakan algoritma K-Means. Pengklasteran dilakukan untuk membagi kabupaten/kota di Provinsi Jawa Barat Menjadi tiga cluster yaitu tinggi, sedang, dan menengah berdasarkan jumlah sekolah dasar dan menengah pada provinsi Jawa Barat. Hasil dari penelitian ini yaitu terdapat 44% wilayah yang memiliki indeks pendidikan rendah, 37 % memiliki indeks pendidikan sedang, dan 19 % memiliki indeks pendidikan yang tinggi berdasarkan jumlah sekolah dasar menengah yng tersebar di seluruh kabupaten/kota pada provinsi Jawa Barat.
PENERAPAN METODE K-MEANS DALAM PENGKLASTERAN WILAYAH DI INDONESIA BERDASARKAN PEMBERIAN ASI EKSKLUSIF PADA BAYI Zulia Imami Alfianti; Ginabila Ginabila; Ahmad Fauzi
Jurnal Ilmiah Informatika Komputer Vol 29, No 3 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i3.12781

Abstract

Breast milk is a fluid that comes out of a mother's breast glands which contains a variety of nutrients needed to support the development and growth of toddlers. Exclusive breast milk (ASI) is breastfeeding that is not accompanied by any other food or drink supplementation except medication. Currently, exclusive breastfeeding is influenced by many factors, namely working mothers, low maternal education, incessant advertising about the use of formula milk, breast milk not coming in and many other factors causing not all babies to receive exclusive breast milk. In this research, regional clustering will be carried out based on the percentage of exclusive breastfeeding for 6 month old babies from 34 provinces in Indonesia. Clustering was carried out to group 34 provinces in Indonesia into provinces with high, medium and low cases. The results of this research are that 31% of provinces have the highest percentage, 40% have a medium percentage and 29% have a low percentage.
PERBANDINGAN ALGORITMA MACHINE LEARNING DALAM PREDIKSI TINGKAT BURNOUT PADA DATASET KESEHATAN PEKERJA REMOTE Pratiwi, Risca Lusiana; Alfianti, Zulia Imami; Yulianto, Eko; Fauzi, Ahmad; Ginabila, Ginabila
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.6160

Abstract

Burnout merupakan kondisi kelelahan fisik dan emosional yang disebabkan oleh stres kerja berkepanjangan dan berulang, terutama dialami oleh pekerja dengan sistem kerja remote. Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning, yaitu Naive Bayes dan Neural Network, dalam memprediksi tingkat burnout berdasarkan data kesehatan pekerja remote. Data yang digunakan bersumber dari situs Kaggle dan terdiri dari 1.114 entri dengan 10 atribut yang mencakup usia, jenis kelamin, pengaturan kerja, jam kerja per minggu, status kesehatan mental, hingga tingkat burnout. Data diuji menggunakan proses klasifikasi setelah melalui tahapan preprocessing, seperti pembersihan data, penanganan nilai hilang, transformasi kategori ke numerik, dan pembagian data menjadi training dan testing dengan rasio 70:30. Hasil evaluasi menunjukkan bahwa algoritma Neural Network unggul secara signifikan dengan akurasi mencapai 98,34%, precision dan recall di atas 98% untuk semua kelas, serta F1-score yang sangat tinggi dan seimbang. Sementara itu, Naive Bayes hanya menghasilkan akurasi sebesar 45,84% dan menunjukkan kinerja yang tidak stabil antar kelas. Temuan ini menunjukkan bahwa Neural Network lebih tepat digunakan dalam pemodelan prediksi burnout yang melibatkan data dengan hubungan non-linear dan kompleks. Penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem deteksi dini burnout berbasis kecerdasan buatan untuk mendukung kesehatan mental pekerja remote.
Co-Authors Ahmad Fauzi Ahmad Fikri Amin Akrom, Akrom Dede Mustomi Deni Gunawan Eko Yulianto Fauzi Ahmad Muda Ginabila Ginabila Ginabila, Ginabila KOMALASARI, YULI Laetussaadah, Lela Mochammad Abdul Azis Pratiwi, Risca Lusiana Siti Fauziah Sugiono