Article Per Year (5 Year)
p-Index From 2021 - 2026
3.749
P-Index
This Author published in this journals
All Journal International Journal of Informatics and Communication Technology (IJ-ICT) Jurnal Informatika dan Teknik Elektro Terapan Jurnal Eksplora Informatika JURNAL PENDIDIKAN TAMBUSAI JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Jusikom: Jurnal Sistem Informasi Ilmu Komputer CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Jifosi PLAKAT : Jurnal Pelayanan Kepada Masyarakat Jurnal Teknik Informatika (JUTIF) Jurnal Ilmiah Teknologi Informasi dan Robotika International Journal Of Computer, Network Security and Information System (IJCONSIST) Digital Transformation Technology (Digitech) Saber: Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi International Journal of Information Engineering and Science
Ani Dijah Rahajoe
Bhayangkara University, Indonesia
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
PERAN BIG DATA DALAM MANAJEMEN DATA DAN INFORMASI SEBAGAI SISTEM PENDUKUNG KEPUTUSAN (SYSTEMATIC LITERATURE REVIEW) Suryantari, Putu Anggi; Muttaqin, Faisal; Rahajoe, Ani Dijah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8899

Abstract

Big Data telah menjadi komponen penting dalam manajemen data dan informasi seiring dengan meningkatnya volume dan kompleksitas data yang dihasilkan oleh organisasi. Pemanfaatan Big Data yang tepat memungkinkan organisasi untuk mengelola data secara lebih terstruktur dan menghasilkan informasi yang bernilai bagi pengambilan keputusan manajemen. Penelitian ini bertujuan untuk menganalisis peran Big Data dalam manajemen data dan informasi sebagai sistem pendukung keputusan melalui pendekatan Systematic Literature Review. Metode penelitian dilakukan dengan mengkaji 15 artikel ilmiah yang relevan berdasarkan proses pencarian dan penilaian kualitas literatur. Hasil penelitian menunjukkan bahwa pengelolaan Big Data yang baik mempertimbangkan karakteristik utama Big Data yang meliputi volume, kecepatan, variasi, keandalan, dan nilai data. Selain itu, pemanfaatan Big Data berperan dalam meningkatkan kualitas informasi, mempercepat proses pengambilan keputusan, serta mendukung keputusan manajemen yang lebih akurat dan berbasis data. Dengan demikian, Big Data memberikan kontribusi positif dalam mendukung sistem pendukung keputusan pada organisasi.
Penerapan Algoritma ECLAT untuk Market Basket Analysis pada Data Transaksi Ritel Rahajoe, Ani Dijah; Megantara, Sofia Ramadhani; Fransiska, Amelia; Feriza, Reyana Dinda Maulan; Indartono, Taqiyya; Perkasa, Laurensius Gading Surya
Jurnal Pendidikan Tambusai Vol. 10 No. 1 (2026)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v10i1.36325

Abstract

Dalam perkembangan teknologi di sektor ritel modern telah menghasilkan data transaksi dalam jumlah besar yang menyimpan informasi penting dari hasil transaksi konsumen yang merujuk pada pola perilaku belanja konsumen. Dalam hal ini produsen bisa menganalisis hubungan antar produk menggunakan Market Basket Analysis (MBA) yang merupakan teknik data mining yang digunakan untuk mengidentifikasi hubungan antar produk yang dibeli secara bersamaan. Penelitian bertujuan untuk mengungkap pola hubungan antar produk pada data transaksi ritel menggunakan algoritma ECLAT. Dataset yang digunakan berasal dari platform kaggle dengan total data 7.501 transaksi dari 120 jenis produk. Algoritma ECLAT diterapkan dengan batas minimum support sebesar 3% setelah melalui tahap proses data. Hasil penelitian ini menunjukkan terdapat sejumlah kombinasi produk yang sering dibeli konsumen dengan nilai support yang tinggi. Temuan ini dapat digunakan oleh pemilik ritel untuk menata letak produk, promosi bundling, dan persediaan yang dapat dioptimalkan.
Optimasi Hyperparameter CatBoost dengan Particle Swarm Optimization untuk Klasifikasi Hipertensi Al Afgany, Muhammad Iqbal; Ani Dijah Rahajoe; Wahanani, Henni Endah
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v7i2.16292

Abstract

Hypertension is a cardiovascular disease affecting 11,952,694 residents aged ≥15 years in East Java in 2019, yet only 40.1% received healthcare services. This study aims to analyze the effect of Particle Swarm Optimization (PSO) on CatBoost algorithm performance in hypertension level classification. The research dataset combined data from Puskesmas Kepatihan Gresik (191 data) and Kaggle (12,500 data) divided with an 80:10:10 ratio. PSO was used for CatBoost hyperparameter optimization including iterations, depth, learning_rate, and l2_leaf_reg. Model evaluation utilized accuracy, precision, recall, and F1-score metrics. Results show that CatBoost with PSO optimization achieved 96% accuracy with optimal configuration of iterations=100, depth=3, learning_rate=0.055, and l2_leaf_reg=3, 2% higher than without optimization (94%). This study proves the effectiveness of PSO in optimizing CatBoost hyperparameters for more accurate early hypertension detection
Analisis Penyakit Jantung Menggunakan Metode Random Forest Ani Dijah Rahajoe; Azaidane, Dandi; Putra, Brian Akhdan; Pahlevy, Mohammad Reza; Bimantoro, Bisma Satrio; Akash, Fransisco Rivaldi
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7612

Abstract

Diagnosis dini penyakit jantung sebagai salah satu penyebab kematian tertinggi di dunia membutuhkan metode analisis yang akurat dan andal. Perkembangan teknik data mining dan machine learning memberikan peluang besar dalam pengolahan data medis secara efisien. Penelitian ini bertujuan untuk menganalisis dan memprediksi penyakit jantung menggunakan metode Random Forest serta mengevaluasi kinerja model berdasarkan beberapa metrik evaluasi. Tahapan penelitian meliputi pengumpulan dataset penyakit jantung, pra-pemrosesan data seperti pembersihan dan normalisasi, pembagian data menjadi data latih dan data uji, serta penerapan algoritma Random Forest sebagai model klasifikasi. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Random Forest mampu mengklasifikasikan penyakit jantung dengan sangat baik, dengan tingkat akurasi sebesar 99,07%, presisi 98,77%, recall 99,38%, dan F1-score 99,08%. Hasil ini menunjukkan bahwa Random Forest lebih unggul dibandingkan metode klasifikasi tunggal karena kemampuannya mengurangi overfitting dan menggabungkan beberapa pohon keputusan. Dengan demikian, metode Random Forest dapat digunakan secara efektif sebagai sistem pendukung keputusan dalam prediksi penyakit jantung. Namun, penelitian lanjutan masih diperlukan dengan jumlah data yang lebih besar, fitur klinis yang lebih beragam, serta perbandingan dengan algoritma lain untuk meningkatkan keandalan sistem prediksi.
Co-Authors Agung Subekti, Mohamad Rafli Ainur Rahim Akash, Fransisco Rivaldi Al Afgany, Muhammad Iqbal Andre Leto Anna Fauziah arif arizal Arif Setyo Wibowo Azaidane, Dandi Bimantoro, Bisma Satrio Chaurina, Agfanadita Rezkia Daniar, Aninditya Dian Agus Prawinata Diyasa, I Gede Susrama Mas Eka Prakarsa Mandyartha Feriza, Reyana Dinda Maulan Fransiska, Amelia Henni Endah Wahanani I Gede Susrama Mas Diyasa Ida Retno Moeljani Indartono, Taqiyya Jr, Angelo A. Beltran M Mahaputra M. Mahaputra Made Hanindia Prami Swari Megantara, Sofia Ramadhani Muhammad Farhan Maulana Muttaqin, Faisal N, Pangesti Nurlaili, Afina Lina P. Eko Prasetyo Pahlevy, Mohammad Reza Perkasa, Laurensius Gading Surya Pramnesti, Adisty Regina Putra, Brian Akhdan Retno Mumpuni Reza Aminullah Safeyah, Muchlisiniyati Sanjaya, Yushinta Aristina Satrio Budi Wahyuono Soffiana Agustin, Soffiana Subekti, Mohamad Rafli Agung Suriansyah, Muhammad Suryantari, Putu Anggi Syariful Alim Trenggono, Brahmantio Widyo Waskito, Muhammad Rizal Winarko, Edi Zakaria, Rino