Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal SMATIKA KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Informatika Terpadu Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer
Ruli Herdiana
STMIK IKMI Cirebon
Computer Science & IT Decision Sciences, Operations Research & Management Education Industrial & Manufacturing Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Komparasi Algoritma Naïve Bayes dan Algoritma K-Nearst Neighbor terhadap Evaluasi Pembalajaran Daring Odi Nurdiawan; Ruli Herdiana; Saeful Anwar
SMATIKA JURNAL Vol 11 No 02 (2021): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v11i02.621

Abstract

Since the outbreak of the endemic caused by the Corona virus in Indonesia, many methods have been tried, one of which is conducting remote training and encouraging students to practice from home each time. The use of digital technology in the midst of the COVID-19 endemic has a big contribution to learning institutions by practicing online learning. Students are expected to be able to accept the procedures that have been implemented by the state. However, this condition does not guarantee that students agree or accept this stage. Therefore, measurements are needed to determine the level of student happiness in carrying out online learning. With that in mind, the author conducted an experiment on the ability of the algorithm first, namely the form of grouping with the Naïve Bayes Algorithm and the K-Nearst Neighbor Algorithm. The information used is the basic information, meaning that the information obtained from the results of the questionnaire circulars for students in semester 3(3) semester 5(5) and semester 7(7) amounted to 352 respondents. In the development of the form of the algorithm using the type 9.3 rapid miner tools with the operators used are retrive, multiply, cross validation, Naïve Bayes Algorithm and knn, apply form and performance. The results of the accuracy of the Naïve Bayes Algorithm are 91.45%. The results of the accuracy of the K-Nearst Neighbor Algorithm are 97, 72%. The accuracy of the K-Nearst Neighbor Algorithm is greater than the Nave Bayes algorithm, so it can be concluded that the K-Nearst Neighbor Algorithm has good ability in grouping.
Optimalisasi Pemantauan Jaringan Menggunakan Fitur The Dude Berbasis Telegram Untuk Mempercepat Pemberitahuan Masalah Jaringan Chaidir Ali; Saeful Anwar; Sandy Eka Permana; Ruli Herdiana; Riri Narasati
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 6 No. 2 (2022): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v6i2.136

Abstract

Pemantauan jaringan komputer sangat penting dilakukan untuk memudahkan seseorang administrator jaringan dalam mengamati serta mengendalikan sistem jaringan yang terpasang. Kebutuhan pemakaian jaringan komputer terus mengalami kenaikan yang menyebabkan sistem jaringan yang terpasang menjadi kompleks. Efek masalah serta kendala jaringan semakin bertambah sehingga seseorang administrator jaringan wajib secara terus menerus memantau segala sistem jaringan. Prosedur yang digunakan dalam riset ini merupakan observasi dengan memandang serta mengamati server serta jaringan secara langsung pada PT Kereta Api Indonesia DAOP 3( PERSERO). Perancangan sistem dilakukan memanfaatkan sebagian langkah untuk mendapatkan hasil memuaskan yang bertujuan untuk memudahkan admin dalam monitoring jaringan. Mikrotik Router operating system( OS) serta aplikasi The Dude bisa menunjang untuk membuat suatu sistem monitoring jaringan. Mikrotik Router OS hendak menghubungkan sistem jaringan yang terpasang dengan aplikasi The Dude dan untuk mengendalikan sistem notifikasi. Sistem notifikasi hendak membagikan keadaan device yang sudah terbaca dan terdeteksi oleh The Dude yang setelah itu diatur serta dipasang di dalam Mikrotik lewat media Telegram. Hasil riset ini menampilkan device yang tersambung dengan jaringan bisa ditemukan serta terbaca oleh The Dude.
Penerapan Metode Two-Step Cluster Untuk Pengelompokan Desa Berdasarkan Kepadatan Penduduk Irma Sumiati; Abdul Rasyid Faiq Adinata; Muhammad Harun Al- Musa; Ruli Herdiana; Cep Lukman Rohmat
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 5 No. 2 (2021): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v5i2.154

Abstract

Kepadatan penduduk memiliki dampak yang signifikan terhadap kualitas hidup kota. Karena kepadatan penduduk yang tinggi banyak masalah yang muncul. Penduduk terus menerus dipengaruhi oleh jumlah bayi yang lahir (pertumbuhan penduduk), tetapi pada saat yang sama dikurangi dengan jumlah kematian yang terjadi pada semua kelompok umur. Pertumbuhan penduduk disebabkan oleh empat faktor yaitu kelahiran, kematian, imigrasi masuk, dan migrasi keluar. Ketika imigran masuk berjumlah banyak maka jumlah penduduk di suatu wilayah atau kota akan bertambah dan ketika imigran keluar bertambah maka sebaliknya yaitu jumlah penduduk pada suatu wilayah atau kota akan berkurang. Penelitian ini bertujuan untuk menganalisis tingkat kepadatan penduduk pada desa di Kabupaten Majalengka. Kabupaten Majalengka merupakan salah satu kabupaten yang ada di Jawa Barat. Seiring bertambahnya jumlah penduduk Majalengka setiap tahunnya, kepadatan penduduk di Kabupaten Majalengka cukup padat. Dalam penelitian ini, desa-desa di Kabupaten Majalengka di cluster menggunakan metode Two-Step Cluster. Two-Step Cluster adalah cara untuk menangani variabel kontinu dan kategorik dengan menggunakan indikator Bayesian Information Criterion (BIC), hasil dari jumlah cluster optimal diperoleh 4 cluster. Pada cluster tersebut terdapat cluster yang merupakan cluster terbaik yaitu terdapat pada cluster 3 dengan jumlah desa yaitu 15 desa dengan jumlah penduduk 6.862 Jiwa. Pengujian clustering dilakukan dengan metode silhoutte dan menunjukkan bahwa cluster yang dihasilkan memiliki nilai silhoutte yang mendapatkan nilai cukup yaitu 0,4. Hal ini menunjukkan bahwa cluster yang terbentuk telah ter-cluster dengan baik.
Media Gambar Animasi Pada Game Edukasi Untuk Meningkatkan Minat Belajar Rahayu Arumsari; Cep Lukman Rohmat; Ruli Herdiana; Iin; Umi Hayati
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 5 No. 2 (2021): KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v5i2.164

Abstract

Penggunaan game edukasi saat ini terus menjadi bahan ajar yang diminati oleh para guru, dengan metode pembelajaran ini dapat menumbuhkan kreativitas para siswa untuk meningkatkan kualitas pendidikan yang lebih baik. Game edukasi memiliki tujuan untuk merangsang kecerdasan otak anak, sebagai penyeimbang otak kanan dan otak kiri. Selain itu juga dengan menggunakan game edukasi, memiliki konsep yang menarik dan bermanfaat, sehingga bagi para siswa-siswi merasa senang dan dapat menemukan hal baru didalamnya. Masalah dalam penelitian ini untuk pelajaran bahasa Indonesia adalah siswa lebih menyukai materi secara visual atau dengan gambar animasi, karena sebagai guru pun harus dapat menyesuaikan suasana hati siswa-siswi. Pada dasarnya game edukasi ini seperti sedang bermain namun tetap ada pelajaran yang dapat diambil. Tujuan dari penelitian ini untuk membuat game edukasi yang menarik agar para siswa-siswi di sekolah dasar ini agar dapat lebih semangat untuk belajar. Metode yang digunakan yaitu ADDIE (Analisis, Design, Development, Implementasi, Evaluasi), model ini dapat digunakan untuk berbagai macam produk kegiatan pembelajaran dan dengan game edukasi ini dapat menjadi bahan evaluasi nilai akhir. Hasil dari penelitian ini adalah berdasarkan hasil dalam pembuatan game animasi menggunakan software Smart Apps Creator, mengahasilkan game yang mudah untuk digunakan untuk siswa-siswa SD kelas 2. Hasi dari uji yang dihitung menggunakan perhitungan SUS (system usability scale) dari 24 responden penilaian yang diberikan untuk kelayakan game edukasi bahasa Indonesia memperoleh nilai 82 , Dengan Acceptability Ranges didapat Acceptable, versi Adjectives Rating termasuk grade Best imaginable dan Interpretasi dengan Grade Scale maka skor 82 masuk kedalam rating (A).
Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer Nova Novitasari; Nisa Dienwati Nuris; Ruli Herdiana
Jurnal Informatika Terpadu Vol 9 No 1 (2023): Maret, 2023
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v9i1.660

Abstract

Poverty is currently the only problem every region faces, as happened in the city/district of Responsibilities, which is still visible. Poverty is a condition where a person's standard of living cannot meet the basic needs of his life. According to information obtained by the West Java open data website, there are 513 data in West Java cities/regencies from 2002 to 2020. The number of poor people in many cities/regencies in West Java has increased. Thus, the method used in this study to group data using the K-means clustering method will be implemented in Rapidminer because the k-means algorithm is effective for analyzing large amounts of data. It can be seen from the data that will be generated that there are several variables needed, such as the Province code, Province name, City/Regency code, City/Regency name, number of poor people, unit, and year. From the variable data, it will be easier to run it. So that this study will produce several clusters, namely the results obtained by the researcher are cluster 4 because this cluster is the result taken from the smallest and best DBI value of several clusters that the researcher is testing. It is from the cluster results that data on the number of poor people will be seen by city/district which has an increasing level of collapse or by period each year.
Penerapan Data Mining dengan Metode Clustering untuk menentukan Strategi Peningkatan Penjualan Berdasarkan Data Transaksi Muhamad Sulaiman; Riandy Yudistira; Riri Narasati; Ruli Herdiana
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.10329

Abstract

Improving marketing strategies in mini markets by applying the clustering method as the basis of the approach. By using the K-Means cluster algorithm on data on the number of transactions and total sales, this research aims to identify groups of customers who have similar purchasing patterns. This clustering is the basis for formulating a more targeted and efficient marketing strategy. The K-Means approach is used to group customers into segments that have similarities in transaction behavior. The results of this clustering are then used to develop more personalized marketing strategies, understand the unique needs of each customer group, and increase the effectiveness of marketing efforts. This research involves collecting data on the number of transactions and total sales from mini markets during a certain time period. The data is then analyzed using the K-Means algorithm to produce customer segments that have similar characteristics. The results of this analysis resulted in 4 clusters being formed, consisting of cluster 0, cluster 1, cluster 2, cluster 3 consisting of 7303 data that had gone through the preprocessing stage, divided into cluster 0 including low clusters and cluster 1 including high clusters and clusters 2 and 3 including Meanwhile, from these results, strategies can be concluded that can be implemented to improve minimarket performance by identifying these results.
PENGELOMPOKAN DAERAH BENCANA ALAM MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Isni Rinjani; Saeful Anwar; Ruli Herdiana
Jurnal ilmiah Sistem Informasi dan Ilmu Komputer Vol. 3 No. 1 (2023): Maret : Jurnal ilmiah Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juisik.v3i1.417

Abstract

Natural disasters are events that significantly affect the human population. Landslides, earthquakes, floods, fires, droughts, earthquakes and other natural disasters often occur in West Java Province. Information and technology skills are developing quite fast nowadays. Thanks to modern technology, anyone can access and obtain information without restrictions. Information is very important for every aspect of life. One of them is information about natural disasters, because disaster management needs this kind of information. Data mining is a popular method for analyzing disaster data because it is considered a potential answer to disaster management challenges. Therefore, this study discusses the grouping of natural disaster areas for prediction of natural disaster areas in West Java with data mining techniques using the k-means clustering algorithm. The results of the study obtained 3 clusters including low clusters, medium clusters, and high clusters. The selected research source comes from the official website, namely West Java Open Data. The results of this research are expected to provide useful information in determining solutions to natural disaster management problems
Co-Authors Abdul Rasyid Faiq Adinata Cep Lukman Rohmat Chaidir Ali Iin Irma Sumiati Isni Rinjani Muhamad Sulaiman Muhammad Harun Al- Musa Narasati, Riri Narasati Nisa Dieanwati Nuris Nova Novitasari Odi Nurdiawan Rahayu Arumsari Riandy Yudistira Saeful Anwar Saeful Anwar Sandy Eka Permana Umi Hayati