Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

1.325

P-Index

This Author published in this journals

All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) JIEET (Journal of Information Engineering and Educational Technology) Indonesian Journal of Electrical Engineering and Computer Science Journal of Informatics and Computer Science (JINACS)

Wiyli Yustanti

Universitas Negeri Surabaya

Author-ID : 3782335

Computer Science & IT Education Engineering

Published : 9 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Analisis Pemilihan Aplikasi Opensource ERP terhadap UKM Menggunakan Metode Kombinasi ANP dan PROMETHEE Miftakhul Alief Faturrahman; Wiyli Yustanti
Journal of Informatics and Computer Science (JINACS) Vol 1 No 03 (2020)
Publisher : Universitas Negeri Surabaya

Abstrak— Untuk melakukan pertimbangan dalam pengembangan proses bisnis dari UKM, maka perlu dilakukan penerapan aplikasi ERP. Pada saat ini semakin banyak vendor aplikasi ERP, baik yang opensource maupun berlisensi. Agar meminimalisir resiko implementasi ERP, penulis menggunakan aplikasi ERP yang bersifat opensource. Tujuan dari penelitian ini diantaranya untuk (1) membantu UKM dalam memilih software opensource ERP yang tepat, (2) sebagai pertimbangan bagi UKM dalam pengembangan proses bisnis dan teknologi informasinya.Penelitian ini menggunakan metode Analytical Network Process dan Preference Ranking Organization Method for Enrichment Evaluation. Metode ANP digunakan untuk mendapatkan bobot dari subkriteria dan Metode PROMETHEE digunakan untuk mendapatkan ranking prioritas dari alternatif aplikasi opensource ERP yang didasarkan oleh informasi yang didapatkan dari sejumlah UKM yang berpartisipasi dalam penelititan ini.Metode yang digunakan dalam penelitian ini berhasil mendapatkan 3 top kriteria atau kriteria yang mempunyai bobot tertinggi antara lain (1) Brand Image 15.20% (2) Market Position 13.70% (3) References 12.52% serta hasil akhir dari penelitian ini adalah mendapatkan peringkat alternatif aplikasi opensource ERP yang terbaik yaitu (1) Openbravo (2) Odoo (3) WebERP Kata Kunci— UKM, Opensource ERP, ANP, PROMETHEE, MCDA

Analisis Permintaan Barang Habis Pakai Menggunakan Algoritma Apriori dan Artificial Neural Network (Studi Kasus: Instalasi Bedah Rumah Sakit X) Tama Priyadi; Wiyli Yustanti
Journal of Informatics and Computer Science (JINACS) Vol 3 No 01 (2021)
Publisher : Universitas Negeri Surabaya

Setiap unit maupun instalasi pada rumah sakit memiliki kebutuhan barang habis pakai yang berbeda-beda. Sehingga untuk memenuhi kebutuhan barang habis pakai tersebut, setiap unit maupun instalasi mengajukan permintaan barang kepada logistik rumah sakit. Seperti yang dilakukan oleh instalasi bedah pada rumah sakit x yang kesulitan untuk mengetahui barang habis pakai apa saja yang saling berkaitan dan yang paling sering dibutuhkan. Selain itu, pihak instalasi bedah rumah sakit x juga kesulitan dalam memprediksi jumlah permintaan barang habis pakai. Teknik dan metode yang digunakan untuk menangani permasalahan pada sulitnya mengetahui keterkaitan antar barang habis pakai yang sering dibutuhkan adalah association rule dengan menggunakan algoritma apriori, sedangkan teknik dan metode untuk menangani permasalahan pada sulitnya memprediksi jumlah permintaan barang habis pakai adalah Artificial Neural Network (ANN) menggunakan algoritma backpropagation. Proses association rule dengan algoritma apriori menggunakan parameter minimal support sebesar 8% atau 0,08 dan minimal confidence 60% atau 0,6 yang didapatkan melalui proses trial and error, menghasilkan 9 rule. Selanjutnya dari 9 rule tersebut diambil 5 rule dengan nilai confidence tertinggi untuk dilakukan prediksi menggunakan ANN dengan algoritma backpropagation. Variabel yang diperlukaan pada proses ANN adalah jumlah barang habis pakai tiap bulannya. Pembentukan model arsitektur ANN dilakukan dengan melakukan trial and error menggunakan perubahan hidden layer mulai dari 1-10 dan 6 jenis learning rate yaitu 0,001-0,003 dan 0,1-0,3. Hasil uji coba ANN mendapatkan nilai akurasi tertinggi sebesar 95,625% pada rule keempat dengan model 1-1-1 learning rate 0,01. Dan nilai akurasi terkecil sebesar 81,367% pada rule kedua dengan model 2-9-1 learning rate 0,03. Kata Kunci—Data Mining, Association Rule, Apriori, ANN, Backpropagation.

Klasifikasi Buku Menggunakan Metode Support Vector Machine pada Digital Library Dhiany Hana Amalia; Wiyli Yustanti
Journal of Informatics and Computer Science (JINACS) Vol 3 No 01 (2021)
Publisher : Universitas Negeri Surabaya

Perpustakaan merupakan suatu tempat dimana memiliki berbagai koleksi buku hingga jurnal dan majalah. Namun dengan seiringnya perkembangan teknologi, kini perpustakaan dapat mengembangkan pelayanannya kedalam digital atau disebut dengan e-library. Hal ini sangat memudahkan pemustaka dalam pencarian data buku. Dalam penelitian ini bertujuan untuk menganalisis pada klasifikasi teks, dimana untuk mengetahui kualitas pada metode Support Vector Machine (SVM) dengan menggunakan kernel Linear. Dataset yang digunakan diambil dari https://opac.unesa.ac.id/, dimana terdiri dari sepuluh kategori buku yang disesuaikan dengan Dewey Decimal Classification (DDC). Setelah data terkumpul kemudian memasuki tahapan pre-processing, dimana data terlebih dahulu dilakukan penghapusan terhadap data ganda dan melalui case folding, tokenizing, stopwords. Pada penelitian ini menggunakan data 1.000 records sebagai uji data serta melakukan pengambilan data secara acak, hal ini dilakukan guna menyeimbangkan pada antar data. Selanjutnya dilakukan tahapan ekstraksi fitur dimana pada tahapan ini dilakukannya pengolahan teks menjadi numerik dengan menggunakan pembobotan pada Term Frequency-Inverse Document Frequency (TF-IDF). Kemudian data memasuki tahap pemodelan klasifikasi dengan menggunakan metode SVM. Dalam penggunaan metode ini terdapat empat jenis fungsi kernel, yaitu kernel Linear, RBF, Polynomial, dan Sigmoid dimana memiliki karakteristik masing-masing pada setiap fungsinya. Tujuan dari penilitian ini, yaitu untuk mengetahui pengaruh pada jumlah data latih terhadap kualitas dan efektivitas metode SVM, dimana dilakukan tiga kali pengujian pada model kombinasi data latih dan data uji, yaitu 60:40, 70:30, dan 80:20. Setelah ketiga pengujian telah memasuki tahap proses klasifikasi, maka dapat diambil kesimpulan bahwa metode SVM dalam klasifikasi teks pada digital library dapat digunakan dan menghasilkan akurasi tertinggi yang didapat dengan nilai 69,24% pada penggunaan kernel Linear dibandingkan dengan kernel lainnya, dimana memiliki nilai precision 71%, recall 61%, dan f1-score 64%.

Co-Authors Agus Prihanto Andhika Edo Prasetyo Anita Qoiriah Dhiany Hana Amalia Hanik Badriyah Hidayati,* Mohammad Hasan Machfoed,* Kuntoro,** Soetojo,*** Budi Santoso,**** Suroto,***** Budi Utomo****** Hapsari Peni Agustin Tjahyaningtijas Irhamah - Miftakhul Alief Faturrahman Naim Rahmawati Naim Rochmawati Nur Iriawan Rahadian Bisma Tama Priyadi YUNI YAMASARI

Title Search

Found 3 Documents Search Journal : Journal of Informatics and Computer Science (JINACS)

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Journal of Informatics and Computer Science (JINACS)