Articles
<![CDATA[PERBANDINGAN ALGORITMA NEURAL NETWORK DENGAN LINIER DISCRIMINANT ANALYSIS (LDA) PADA KLASIFIKASI PENYAKIT DIABETES ]]>
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Deka Setia Negara]]>;
<![CDATA[Khoirul Umam Haqiqi]]>
<![CDATA[ JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI Vol 1, No 1 (2020): JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/bidisfo.v1i1.890
<![CDATA[AbstrakSalah satu penyakit kronis yang banyak diderita oleh penduduk Indonesia adalah Diabetes Melitus(DM), penyakit ini ditandai dengan nilai kadar glukosa dalam darah di atas normal. Penyakit ini termasukpenyakit yang rumit dan mematikan, oleh karena itu dibutuhkan perawatan medis yang kontinu agar resikoterjadinya komplikasi bisa dihindari. Guna menganalisa pasien pengidap penyakit diabetes sejak dini,Pencatatan terhadap penyakit ini banyak dilakukan agar dapat dilakukan pencegahan. Salah satu yangdilakukan adalah dengan menggunakan teknik klasifikasi data mining. Teknik klasifikasi digunakan untukmemprediksi pasien mana yang terkena penyakit diabetes dan tidak. Dalam penelitian ini menggunakanAlgoritma kasifikasi data mining neural network dan linier Discriminant Analysis (LDA). Hasil penelitianmenunjukan akurasi sebesar 90.38% dengan algoritma Linear Discriminant Analysis (LDA) dan akurasisebesar 95,19% didapat pada saat menggunakan algoritma Neural Network. Algoritma Neural Networkmenghasilkan akurasi lebih baik daripada algoritma Linear Discriminant Analysis (LDA) dalam klasifikasipenyakit diabetes.Kata Kunci: Data Mining, Klasifikasi, Neural Network, LDA, Diabetes]]>
<![CDATA[KLASIFIKASI MINAT SISWA DALAM KEGIATAN EKSTRAKURIKULER DI SEKOLAH DASAR MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: SD MUHAMMADIYAH BANGSRI) ]]>
<![CDATA[Farikha Tuzzahro]]>;
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Soma Setiawan]]>;
<![CDATA[Andi Kurniawan]]>
<![CDATA[ JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI Vol 4, No 1 (2023): JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/bidisfo.v4i1.2013
<![CDATA[Kegiatan ekstrakurikuler adalah kegiatan tambahan diluar mata pelajaran untuk membantu pengembangan peserta didik sesuai dengan kebutuhan, potensi, bakat dan minat mereka melalui kegiatan yang secara khusus diselenggarakan oleh pendidik atau tenaga kependidikan yang berkemampuan dan berkewenangan di sekolah. Penelitian ini untuk mengklasifikasikan minat siswa dalam mengikuti kegiatan ekstrakurikuler yang ada di SD Muhammadiyah Bangsri. Metode yang digunakan adalah deskriptif kuantitatif, sampel dalam penelitian ini adalah siswa kelas 4 sampai 6 di SD Muhammadiyah Bangsri. Teknik pengambilan sampel ini menggunakan teknik total sampling. Teknik pengumpulan data menggunakan observasi dan kuesioner. Tujuan dari penelitian ini adalah untuk mengklasifikasikan minat siswa dalam mengikuti kegiatan ekstrakurikuler dengan menggunakan algoritma C4.5 yang diuji menggunakan software pengolah data otomatis dan akurat menggunakan aplikasi Rapidminer 10.0.000. . Hasil dari penelitian ini menunjukkan bahwa bidang ilmu data mining dengan algoritma C4.5 dapat diimplementasikan pada klasifikasi minat siswa dalam kegiatan ekstrakurikuler, setelah menguji data set dengan rapid miner dengan hasil akurasi yang baik. Kesimpulannya adalah Penerapan Algoritma C4.5 pada klasifikasi minat siswa dalam kegiatan ekstrakurikuler di sekolah dasar dapat menghasilkan accuracy yang mencapai 92.86% sampai 85.19%]]>
<![CDATA[TEXT MINING SENTIMEN ANALISIS PENGGUNA APLIKASI MARKETPLACE TOKOPEDIA BERDASAR RATING DAN KOMENTAR PADA GOOGLE PLAY STORE ]]>
<![CDATA[Saiful Ulya]]>;
<![CDATA[Achmad Ridwan]]>;
<![CDATA[Widya Cholid]]>;
<![CDATA[Fida Maisa Hana]]>
<![CDATA[ JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI Vol 3, No 2 (2022): JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/bidisfo.v3i2.1799
<![CDATA[Text Minig didefinisikan sebagai kegiatan intensif pengetahuan di mana pengguna berinteraksi dengan kumpulan dokumen dari waktu ke waktu dengan menggunakan sekumpulan alat analisis. Teknik penambangan data text atau text mining digunakan untuk menambang data text yang berupa kalimat, data yang tidak terstruktur tersebut kemudian diproses sehingga jadi sebuah dataset yang terstruktur. Dalam sektor bisnis apapun, feedback dari konsumen merupakan salah satu hal penting dari sebuah organsasi untuk memperoleh informasi dan keinginan dari konsumen sehingga tujuan melayani konsumen dengan baik akan tercapai. Suatu perusahaan teknologi tentunya memiliki banyak cara untuk memperoleh feedback dari konsumennya, salah satunya adalah dengan cara menganalisa komentar dan rating dari aplikasi yang mereka sediakan lewat platform store. Umpan balik dari konsumen akan mempengaruhi calon pengguna untuk menentukan keputusan akan menginstall atau tidak aplikasi tersebut. Pada penelitian ini kami menggunakan salah satu aplikasi yang disediakan oleh perusahaan teknologi penyedia jasa layanan jual beli atau marketplace Tokopedia pada platform store PlayStore. Kami menggunakan data komentar dan rating dari pengguna aplikasi tersebut untuk menganalisa sentiment dari para penggunanya dengan menggunakan beberapa cara. Cara pertama dengan model pengumpulan data dengan menambang data text dari komentar yang ada pada aplikasi yang Tokopedia yang berada di Playstore, data tersebut kami kumpulkan dengan mengambil 1000 record berdasar kelompok komentar paling relevan. Setelah data terkumpul data terebut mengalami beberapa penyesuaian sehingga yang diambil hanya dua variable yaitu komentar dan rating sedangkan data seperti tanggal dan nama pengguna kami exclude dari data. Data kemudian mengalami preprosesing sehingga rating dibawah 3 dianggap sebagai sentiment negativ dan rating 3 sampai dengan 4 dianggap sentiment positif dan kemudian dijadikan sebagai label data. Setelah preprosesing data tersebut diproses dengan menggunakan beberapa metode (tokenisasi dan filter) sehingga data text tersebut berubah menjadi sebuah dataset terstruktur yang kemudian akan dapat digunakan untuk pemodelan machine learning dan data mining sentiment analitic. Kata Kunci: Text Mining, Tokenisasi, Dataset, Analisa Sentimen.]]>
<![CDATA[SISTEM NOTIFIKASI PROSES PRODUKSI KAOS SABLON KEPADA KONSUMEN MENGGUNAKAN WHATSAPP GATEWAY ]]>
<![CDATA[Achmad Ridwan]]>;
<![CDATA[Soma Setiawan P.N]]>;
<![CDATA[Fida Maisa Hana]]>
<![CDATA[ JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI Vol 4, No 2 (2023): JURNAL BISNIS DIGITAL DAN SISTEM INFORMASI ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/bidisfo.v4i2.2331
<![CDATA[Usaha pembuatan kaos dengan desain sesuai permintaan konsumen semakin menjamur saat ini, bahkan menjadi kebutuhan dikalangan instansi dan komunitas yang digunakan sebagai syarat sebuah acara. Semakin banyaknya permintaan pembuatan sablon membuat pelaku usaha sablon kewalahan dalam memproses pesanan. Proses pembuatan sablon menjadi kendala karena membutuhkan waktu yang lama dan melewati beberapa tahapan proses pembuatan. Konsumen terkadang menjadi tidak sabar dan seringkali bertanya sampai dimana proses pembuatan sablon. Dengan adanya pemberitahuan proses produksi sablon diharapkan dapat mengurangi seringnya konsumen bertanya. Whatsapp gateway digunakan sebagai sarana dalam menyampaikan pemberitahuan tahapan proses produksi sampai dengan selesai. Pengguna smartphone juga sudah tidak asing dengan whatsapp dan banyak yang menggunakannya. Notifikasi proses produksi bagi konsumen pada usaha sablon menggunakan whatsapp gateway diharapkan memudahkan konsumen untuk mendapatkan informasi pembuatan sablon dan meringankan beban kerja customer service pelaku usaha sablon.Kata Kunci: Whatsapp Gateway, Notifikasi Proses Produksi, Industri Sablon]]>
<![CDATA[IMPLEMENTASI ALGORITMA CART DALAM KLASIFIKASI PENYAKIT DIABETES ]]>
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Widya Cholid Wahyudin]]>;
<![CDATA[Saiful Ulya]]>;
<![CDATA[Deka Setia Negara]]>
<![CDATA[ JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 1 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/jikoma.v4i1.1786
<![CDATA[Diabetes is a metabolic disease caused by a lack of insulin production in the pancreas, this results in an imbalance of sugar in the blood so that the concentration of blood sugar levels increases. Patients with diabetes from year to year are increasing. Estimates from the International Diabetes Federation (IDF), there are 382 million people suffering from diabetes in 2012. It is estimated that by 2035 the number will increase to 592 million people. Recording of this disease needs to be done so that prevention can be done. One of the records that can be done is by utilizing data mining classification techniques. This study implements the CART (Classification And Regression Trees) algorithm in the classification of diabetes. The highest accuracy results were obtained when classification using the CART algorithm without pruning and prepruning was 100%. Meanwhile, pruning and prepruning produce an accuracy of 96.15%.Keywords : data mining, classification, diabetes, CART.]]>
<![CDATA[PENGEMBANGAN SISTEM KEPEGAWAIAN BERBASIS WEB PADA RS AISYIYAH KUDUS ]]>
<![CDATA[Moh Akbar Munajad]]>;
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Hafni Aulida]]>
<![CDATA[ JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 5, No 2 (2024): JURNAL ILMU KOMPUTER DAN MATEMATIKA ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/jikoma.v5i2.2503
<![CDATA[Dalam era digital yang berkembang pesat, manajemen kepegawaian yang efektif dan efisien menjadi krusial bagi institusi kesehatan seperti rumah sakit. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem kepegawaian berbasis web menggunakan teknologi Node.js untuk meningkatkan efisiensi operasional dan pengelolaan sumber daya manusia di rumah sakit. Sistem ini dirancang untuk mempermudah dalam proses pengolahan kepegawaian dalam melakukan pendataan Karyawan pada Rumah Sakit ‘Aisyiyah Kudus. Node.js dipilih sebagai platform pengembangan karena kemampuannya dalam menangani permintaan yang tinggi secara simultan dan mendukung pengembangan aplikasi yang cepat dan skalabel. Sistem ini dibangun menggunakan arsitektur RESTful API untuk memastikan fleksibilitas dan kemudahan integrasi dengan sistem lain yang ada di rumah sakit. Hasil yang didapatkan adalah membangun sebuah sistem informasi Kepegawaian berbasis web yang dapat mengelola data kepegawaian.]]>
<![CDATA[KLASIFIKASI JENIS GOLONGAN KENDARAAN DI GERBANG TOL MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK VGG16 ]]>
<![CDATA[Khoirul Umam Haqiqi]]>;
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Hafni Aulida]]>
<![CDATA[ JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 5, No 1 (2024): JURNAL ILMU KOMPUTER DAN MATEMATIKA ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/jikoma.v5i1.2194
<![CDATA[Kendaraan yang melintasi gerbang tol memainkan peran vital dalam sistem transportasi. Untuk meningkatkan pengelolaan lalu lintas dan efisiensi koleksi tol, metode otomatis yang akurat diperlukan untuk mengklasifikasikan jenis kendaraan di gerbang tol. Penelitian ini bertujuan untuk mengembangkan model deep learning yang mampu mengklasifikasikan berbagai jenis kendaraan dengan menggunakan arsitektur Convolutional Neural Network (CNN) VGG16, dengan dataset yang berasal dari sumber data Mendeley. Dataset terdiri dari 1225 gambar kendaraan yang diambil dari berbagai perspektif di gerbang tol. Dataset ini diambil dari sumber data Mendeley yang memiliki variasi jenis kendaraan yang luas, memastikan representasi yang memadai dalam pelatihan dan pengujian model. Untuk meningkatkan kemampuan generalisasi model, dataset diperkaya melalui augmentasi data. Model CNN VGG16 diimplementasikan tanpa penggunaan Dropout dan dilatih dengan learning rate sebesar 0.001. Melalui proses fine-tuning yang cermat, model berhasil mencapai akurasi validasi sebesar 90%. Keberhasilan model dalam mengenali jenis kendaraan di gerbang tol menawarkan potensi untuk meningkatkan efisiensi operasional gerbang tol serta pengaturan lalu lintas secara keseluruhan. Hasil penelitian ini menunjukkan bahwa model Convolutional Neural Network VGG16 memiliki kemampuan klasifikasi yang kuat dalam mengidentifikasi berbagai jenis kendaraan di gerbang tol. Dengan akurasi sebesar 99%, model ini dapat dijadikan sebagai solusi otomatisasi yang efektif dalam mengenali kendaraan di gerbang tol, potensial mengurangi antrian, serta meningkatkan efisiensi pengumpulan tol dan manajemen lalu lintas secara signifikan.]]>
<![CDATA[KLASIFIKASI EMPAT JENIS DAUN HERBAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ]]>
<![CDATA[Mahdarul Huda Ahmad]]>;
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Taftazani Ghazi Pratama]]>;
<![CDATA[Hafni Aulida]]>
<![CDATA[ JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/jikoma.v4i2.2012
<![CDATA[Begitu banyaknya jenis daun herbal yang mirip menyebabkan kesulitan dalam mengenali daun herbal secara langsung. Saat ini, proses klasifikasi daun herbal masih dilakukan menggunakan pengamatan mata secara langsung. Oleh karena itu, diperlukan sebuah system dalam mengklasifikasi daun herbal melalui pendekatan pengolahan citra dan neural network dengan tujuan agar klasifikasi dapat dilakukan secara efektif dan efisien. Pada penelitian ini, terdapat empat jenis daun herbal yang diklasifikasi, yaitu daun kari, daun kelor, daun mint, dan daun sirih. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network dan VGG16. Penelitian ini menggunakan 800 data secara keseluruhan dengan augmentasi data untuk melatih model deep learning yang akan digunakan untuk klasifikasi empat jenis daun herbal. Model terbaik yang dihasilkan penelitian ini adalah model VGG16 transfer learning dengan learning rate 0.001 dan dropout dengan rate 50% yang berhasil mengklasifikasikan empat jenis daun herbal dengan akurasi 96.2%.]]>
<![CDATA[OPTIMASI PARAMETER ALGORITMA DECISION TREE C4.5 PADA KLASIFIKASI BLOGGER PROFESSIONAL ]]>
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Widya Cholid Wahyudin]]>
<![CDATA[ JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 2 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/jikoma.v4i2.2141
<![CDATA[Blogger merupakan salah satu pekerjaan yang paling dicari. Bisnis yang dapat menghasilkan banyak uang jika ditekuni secara mendalam. Di era teknologi komputer yang terus berkembang dengan pesat, kita dapat menghemat waktu untuk mengklasifikasikan bloger profesional atau bukan menggunakan metode data mining. Untuk memprediksi bloger profesional menggunakan data mining, diperlukan elemen pendukung untuk menentukan dan data yang valid. Penelitian ini menggunakan teknik klasifikasi data mining untuk menentukan bloger profesional. Algoritma yang digunakan adalah decision tree C4.5. Penelitian ini Menggunakan 4-Fold Cross Validation dan Optimasi paramter apply prepurning, apply purning, dan minimal leaf size pada algoritma C4.5. Hasil akurasi Pengujian sebesar 88,00 % dengan Precision sebesar 87,30% %, dan Recall sebesar 75,00%.]]>
<![CDATA[PREDIKSI STUNTING PADA BALITA DI RUMAH SAKIT KOTA SEMARANG MENGGUNAKAN NAIVE BAYES ]]>
<![CDATA[Widya Cholid Wahyudin]]>;
<![CDATA[Fida Maisa Hana]]>;
<![CDATA[Agung Prihandono]]>
<![CDATA[ JURNAL ILMU KOMPUTER DAN MATEMATIKA Vol 4, No 1 (2023): JURNAL ILMU KOMPUTER DAN MATEMATIKA ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26751/jikoma.v4i1.1792
<![CDATA[Stunting is chronic malnutrition caused by insufficient nutritional intake over a long period of time due to the provision of food that is not in accordance with needs. This study focuses on malnutrition in toddlers. Stunting in toddlers is more common in toddlers aged 12-59 months than toddlers aged 0-24 months. Stunting can have short and long-term impacts. This study used toddler data for 2018 which was obtained from the Semarang City Health Center with toddlers aged 0-59 months. This research aims to value the classification results of stunting nutritional status in toddlers using the Naive Bayes Classifier algorithm. The Naive Bayes Classifier algorithm is one of the algorithms used for the classification process that can solve problems with large amounts of data so that it can produce a probability value for a hypothesis that is sought. It is proved by the results of testing with the Naive Bayes Classifier algorithm, which was carried out on all data in a dataset of 300 records, the accuracy achieved is 85.33%.]]>
