Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Journal of Information System, Applied, Management, Accounting and Research International Journal of Engineering, Science and Information Technology Digital Transformation Technology (Digitech)
Murniyati Murniyati
Universitas Gunadarma
Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Algoritma K-Means Clustering Pada Data Keluhan Pelanggan PT. PLN (Persero) sugrio dwi darmawan; Dewi Agushinta R; Murniyati Murniyati
JISAMAR (Journal of Information System, Applied, Management, Accounting and Research) Vol 6 No 2 (2022): JISAMAR: May 2022
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v6i2.761

Abstract

Listrik merupakan kebutuhan masyarakat yang bisa dianggap kebutuhan sangat penting. Untuk menjaga kualitas pelayanan pelanggan perusahaan listrik Negara harus senantiasa menjaga mutu dan pelayanannya tidak terkecuali keluhan pelanggan. Penelitian ini membahas tentang penerapan algoritma K-Means Clustering pada data keluhan pelanggan. Data yang digunakan adalah data keluhan pelanggan selama tahun 2020. Analisis penelitian ini Disajikan dalam 3 (tiga) tingkat cluster yaitu cluster keluhan tertinggi (C1), cluster keluhan menengah (C2), dan cluster keluhan rendah (C3). Data diolah menggunakan aplikasi Rapid Miner sebagai penyelesaiannya dan mendapatkan hasil akhir yaitu 2 jenis data keluhan berada di cluster tertinggi, 3 jenis keluhan di cluster menengah, dan 7 jenis keluhan di cluster terendah. Pengujian cluster menggunakan Davies Bouldin Index memiliki nilai sebesar 0,52 yang berarti antar anggota cluster memiliki kesamaan cukup baik. Hasil analisis dari penelitian ini dapat menjadi masukan untuk Perusahaan Listrik Negara agar menjadikan jenis laporan keluhan pelanggan dengan kategori tertinggi (C1) sebagai prioritas utama dalam meningkatkan pelayanan pelanggan guna menekan tingginya angka keluhan pada dua jenis laporan tertinggi yaitu PDPB dan Prabayar
CLUSTERING RELATIONSHIP BERDASARKAN BOBOT PEMBENTUK SOCIAL TRUST NETWORK UNTUK SISTEM REKOMENDASI PADA MEDIA SOSIAL INSTAGRAM Murniyati Murniyati; Tristiyanti Yusnitasari; Endah Kurniasari; Dody Pernadi
Jurnal Ilmiah Informatika Komputer Vol 27, No 3 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i3.7557

Abstract

Instagram merupakan media sosial yang banyak digunakan untuk media pemasaran. Banyaknya informasi di media sosial menyebabkan sulitnya pengguna untuk mendapatkan informasi yang sesuai dengan kebutuhan pengguna. Jejaring sosial yang semakin berkembang memberikan kesempatan kepada para peneliti untuk memanfaatkannya pada penelitian diberbagai bidang. Social Network Analysis (SNA) adalah proses untuk menemukan keberadaan komunitas yang berisi sekumpulan orang dengan beberapa kesamaan seperti minat, hobi, gaya hidup, tujuan, lokasi maupun profesi kemudian membentuk sebuah komunitas atau klaster, Deteksi komunitas merupakan salah satu tugas dari SNA. Social network dapat dikatakan mempengaruhi user behavior sehingga pada penelitian ini dilakukan pembentukan klastering relationship yang berdasarkan relasi yang diperoleh dari social network dengan tahapan yang dilakukan adalah melakukan scrapping terhadap data pengguna pada media sosial instagram terlebih dahulu untuk mendapatkan relasi antara pengguna yang ada pada akun Instagram, kemudian melakukan pembentukan klaster dengan menggunakan algoritma Louvain. Hasil pembentukan klaster didapat nilai modularitas terbaik sebesar 0,879 dengan jumlah klaster sebanyak 27 klaster pada data yang digunakan adalah akun instagram toko buku gramedia pustaka utama dimana anggota klaster yang terbentuk adalah anggota yang mempunyai relasi atau keterkaitan. Pembentukan klastering relationship ini bisa dimanfaatkan untuk merekomendasikan hal yang terkait dengan postingan pada media sosial instagram.
Implementasi Sistem Rekomendasi Demographic Pada Website Toko Online (Studi Kasus UD. Anugrah) Rosdiana; Murniyati; Endah Kurniasari; Muhammad Rofi
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.3387

Abstract

Perkembangan teknologi digital telah membawa perubahan dalam berbagai sektor salah satunya sektor bisnis. Website sebagai platform toko online yang menjembatani perusahaan untuk terhubung dengan dunia digital. Pembuatan website untuk meningkatkan pendapatan, memperluas pemasaran dengan penambahan informasi produk yang paling banyak diminati oleh konsumen menjadikan sebuah web mempunyai nilai lebih. Informasi produk yang direkomendasi dinilai dengan menggunakan metode sistem rekomendasi demographic. Sistem rekomendasi demographic merekomendasikan produk secara umum yang disukai oleh pembeli. Penilaian produk yang disukai dengan cara pemberian rating terhadap produk yang kemudian akan dilakukan perhitungan rata-rata rating. Nilai Rating yang tertinggilah yang akan menjadi produk yang direkomendasi pada web. Metode Waterfall merupakan salah satu metode SDLC (System Development Life Cycle) atau siklus hidup pengembang sistem. Metode waterfall untuk perancangan sistem dengan tahapan penelitian yang dilakukan dimulai dengan analisis, desain, pembuatan, implementasi dan pengujian. Hasil penelitian menunjukan bahwa setelah melalui pengujian metode black box, website toko UD. Anugrah berjalan sesuai dengan harapan dan telah memenuhi tujuan pembuatan website.
Herbal Plant Leaves Classification Using Convolutional Neural Network Models: A Literature Review Alfharizky Fauzi; Emy Haryatmi; Tri Agus Riyadi; Murniyati Murniyati
International Journal of Engineering, Science and Information Technology Vol 5, No 1 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i1.723

Abstract

Plants are essential to human beings because plants are considered most as foods. Plants can be used for food ingredients, medical purposes, and industrial applications. People inspect plants using traditional methods, such as using the naked eye, which can be time-consuming and expensive. Therefore, the effectiveness and high quality of automated crop identification classification systems are needed for adequate crop protection. This study aims to identify and classify nine plant species using different datasets, focusing on transfer learning from models trained on plant leaf datasets. Most research has shown that increasing the dataset size would significantly improve classification accuracy. The accuracy of the first test using the modified N1 classification model was 99.45%. In the second experiment, the accuracy of the N2 model was 99.65%. The accuracy of the N3 model, despite being slightly less accurate than AlexNet, was 99.55%, and it performed better, while the accuracy of AlexNet was 99.73%. Compared to the AlexNet model, the proposed model performed better and required less training time. The N1 model reduced the training time by 34.58%, the N2 model by 18.25%, and the N3 model by 20.23%. The N1 and N3 resulted in the same size, namely 14.8MB, and the compactness was 92.67%. The size of the N2 model was 29.7MB, and the compactness was 85.29% compactness. The proposed models provide more accuracy and efficiency in classifying plant leaves and can be used as a standalone mobile application that benefits farmers.
Co-Authors Alfharizky Fauzi Dewi Agushinta R. Dody Pernadi Dody Pernadi Emy Haryatmi Endah Kurniasari Muhammad Rofi Riyadi, Tri Agus Rosdiana Rosdiana sugrio dwi darmawan Tristiyanti Yusnitasari