Article Per Year (5 Year)
p-Index From 2021 - 2026
2.169
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Informatika Jurnal Mahasiswa Sistem Informasi (JMSI) Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Gudang Jurnal Multidisiplin Ilmu Menulis: Jurnal Penelitian Nusantara
Aidina Ristyawan
Unknown Affiliation
Religion Aerospace Engineering Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
METODE FUZZY TSUKAMOTO DALAM APLIKASI SISTEM ESTIMASI STOK BARANG Rina Firliana; Jatmiko Jatmiko; Ervin Kusuma Dewi; Aidina Ristyawan
Jurnal Sains dan Informatika Vol. 3 No. 2 (2017): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v3i2.110

Abstract

Abstrak – Penelitian yang dilatar belakangi oleh penyimpanan data yang masih menggunakan cara manual dinilai kurang efektif dan efisien, dan pemilik toko yang sering mengalami kesalahan dalam menentukan berapa jumlah suatu jenis barang yang harus ditambah stoknya pada gudang, sehingga dibuatlah suatu Metode Fuzzy Tsukamoto dalam Aplikasi Sistem Estimasi Stok dengan bertujuan mengurangi terjadinya kesalahan saat pendataan barang dalam memperkirakan berapa jumlah suatu barang harus di tambah stoknya. Bagaimana membangun suatu Aplikasi yang dilengkapi dengan estimasi stok barang serta mengimplementasikan desain aplikasi tersebut yang dulunya masih menggunakan cara manual sehingga menjadi terkomputerisasi. Perancangan aplikasi ini menggunakan metode fuzzy tsukamoto adalah suatu cara perhitungan untuk mendapatkan nilai estimasi dari sebuah variable. Tahapan dalam pembuatan aplikasi ini meliputi pengumpulan referensi tentang pembuatan aplikasi, pembuatan desain aplikasi, implementasi, uji coba dan evaluasi. Hasil penelitian dari program ini adalah membangun suatu aplikasi mengenai pencatatan jumlah barang yang masuk dan keluar dari gudang. Aplikasi ini dilengkapi dengan estimasi stok barang sehingga mempermudah dalam perkiraan jumlah barang yang akan dibeli untuk menambah jumlah stok pada suatu jenis barang yang ada di gudang. Dengan aplikasi ini diharapkan barang yang ada digudang akan lebih stabil.
Analisis Sentimen Aplikasi Mybca Melalui Review Pengguna Di Google Play Store Menggunakan Algoritma Naive Bayes Garda Zidane Dhamara; Danu Nur Alamsyah; Priyo Wildan Saputro; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5044

Abstract

Tujuan penelitian ini yaitu menganalisis sentimen pengguna terhadap aplikasi myBCA melalui ulasan di Google Play Store. menggunakan algoritma Naive Bayes. Data ulasan dikumpulkan dan diproses untuk menghilangkan noise dan mempersiapkannya untuk klasifikasi sentimen. Algoritma Naive Bayes kemudian digunakan untuk mengkategorikan setiap komentar sebagai positif, negatif atau netral. Hasil analisis menunjukkan bahwa mayoritas ulasan memiliki sentimen positif, menunjukkan kepuasan pengguna terhadap aplikasi myBCA. Namun, terdapat pula ulasan dengan sentimen negatif yang menyoroti beberapa kekurangan aplikasi, seperti kendala teknis dan proses yang rumit. Temuan ini dapat memberikan masukan berharga bagi BCA untuk meningkatkan kualitas aplikasi myBCA dan meningkatkan kepuasan pengguna.
Analisis Data Mining dengan Naive Bayes Classifier untuk Peningkatan Penjualan Produk Cinta Azzaria; Mieta Silvia Aviva; Ela Esti Susanti; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5048

Abstract

Segala bidang kehidupan sekarang dipengaruhi oleh kemajuan teknologi informasi yang semakin pesat. Kemajuan ini memungkinkan jumlah data yang sangat besar dan beragam diakses dari berbagai bidang kehidupan, termasuk industri, ekonomi, ilmu pengetahuan, dan teknologi. Banyak hal yang mendorong kemajuan luar biasa dalam data mining .Tujuan dari dilakukan penelitian ini adalah untuk memudahkan mengetahui hasil prediksi dengan metode klasifikasi menerapkan data mining pada data penjualan dan transaksi penjualan dan mengetahui sejauh mana algoritma naive bayes untuk menghasilkan informasi atau pengetahuan baru yang dapat membantu peningkatan penjualan produk yang baik, efisien, dan efektif dalam menghadapi pesaing bisnis lainnya dan menambah omset penjualan untuk tiap bulannya.Berdasarkan hasil Analisa pada penelitian yang dilakukan, didapatkan hasil prediksi dalam menetukan penjualan produk , dari pengujian yang dilakukan dengan membandingkan data training dengan data testing menggunakan tools RapidMiner menunjukkan bahwa algoritma Naïve Bayes menghasilkan akurasi yang sangat tinggi, terbukti dengan akurasi sebesar 98,98%.
Klasifikasi Kategori Berita Menggunakan Naive Bayes Ikrar Nusa Bhakti; Ahmad Zen Sholikhin; Muhammad Abi Lukman; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5051

Abstract

Klasifikasi kategori berita merupakan salah satu aplikasi penting dalam pengolahan teks dan analisis data yang bertujuan untuk mengelompokkan artikel berita ke dalam kategori tertentu secara otomatis. Penelitian ini memanfaatkan algoritma Naive Bayes. Proses klasifikasi dimulai dengan pengumpulan dataset berita yang sudah dikategorikan. Dataset ini kemudian dibagi menjadi data latih dan data uji. Tahap prapemrosesan teks meliputi pembersihan data, tokenisasi, dan penghapusan stop words. Model Naive Bayes kemudian dilatih menggunakan data latih dan dievaluasi dengan data uji untuk mengukur kinerja model berdasarkan metrik-metrik seperti akurasi, presisi, recall. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu memberikan performa yang cukup baik dalam mengklasifikasikan berita ke dalam berbagai kategori. Dengan demikian, penelitian ini menyimpulkan bahwa Naive Bayes adalah metode yang layak digunakan untuk klasifikasi kategori berita, meskipun ada ruang untuk perbaikan lebih lanjut dengan teknik prapemrosesan teks yang lebih canggih dan penggunaan model pembelajaran mesin yang lebih kompleks.
Klasifikasi Sentimen Pengguna Aplikasi Livin By Mandiri Pada Playstore Menggunakan Algoritma Naive Bayes Sabina Hajar Alviyanti; Aktasya Purwandira; Idha Febiyanti; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5052

Abstract

Penilitian ini bertujuan untuk mengklasifikasikan sentimen pengguna aplikasi livin by mandi ri pada playstore menggunakan metode naive bayes calssifier. Sentimen pengguna, yang dikategorikan se bagai positif, negatif, dan netral, dianalisis untuk memahami persepsi dan pengalaman pengguna terhadap aplikasi livin by mandiri. Penelitian ini menggunakan metode naive bayes classifier. Dataset yang diguna kan dalam penelitian ini terdiri dari atribut date, rating, review, thumbs_app dan version yang diambil dar i website Kaggle. Hasil dari penelitian ini pada set data latih, model mencapai akurasi sebesar 0.9363 den gan presisi sebesar 0.9327 dan recall sebesar 0.9685 . Di sisi lain, pada set data uji, model mencapai akur asi sebesar 0.9737dengan presisi sebesar 0.9595 dan recall sebesar 1.0000.
Analisis Perbandingan Algoritma Naïve Bayes dengan K-Nearest Neighbor (KNN) Pada Dataset Mobile Price Classification Ovelina Devi Kurnia; Elisa Triammah A’Fena; Dea Yuliana Ayu Ningrum; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5053

Abstract

Penelitian ini berfokus pada penerapan data mining untuk Analisis perbandingan algoritma Naïve Bayes dengan K-Nearest Neighbor (KNN) dengan dataset klasifikasi harga smartphone menggunakan Jupyter. Dalam penelitian ini, kita membandingkan kinerja dua algoritma klasifikasi, Naïve Bayes dan KNN, dengan tujuan untuk memprediksi kisaran harga yang menunjukkan seberapa tinggi harga tersebut berdasarkan fitur-fitur yang tersedia. Pada penelitian acuan jurnal tingkat akurasinya antara naive bayes maupun kNN termasuk rendah. Dan pada penelitian kali ini menunjukkan hasil bahwa KNN memiliki akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes dalam memprediksi harga smartphone.
Prediksi Kematian Akibat Gagal Jantung Menggunakan Algoritma K-Nearest Neighbors Atma Agilia Triwardani; Muhlishoh Husna Ulfiah; Aidina Ristyawan; Erna Daniati
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5058

Abstract

Artikel ini mengeksplorasi penggunaan algoritma K-Nearest Neighbors (K-NN) untuk klasifikasi pasien gagal jantung berdasarkan data klinis dari Kaggle. Proses penelitian mencakup pra-pemrosesan data, normalisasi fitur, pemilihan parameter k optimal melalui cross-validation, dan evaluasi model dengan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa algoritma K-NN dengan parameter k=7 optimal mampu mengklasifikasikan kematian pasien dengan akurasi yang memadai sebesar 84%. Penemuan ini menunjukkan potensi besar dari penggunaan K-NN dalam mendukung pengambilan keputusan klinis dan meningkatkan diagnosis kematian akibag gagal jantung. Implementasi data mining dengan K-NN menawarkan pendekatan yang efektif untuk analisis medis, berkontribusi pada peningkatan kualitas perawatan pasien.
Analisis Data Mining Untuk Klasifikasi Kasus Covid 19 Mohammad Nova Kurniawan; Satria Wijaya; Dwi Puji Yoga Satria; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/ndeb5230

Abstract

Wabah virus COVID-19 adalah salah satu wabah terbesar yang pernah melanda umat manusia dan melemahkan ekonomi di hampir banyak negara. Tujuan penelitian ini adalah untuk menganalisis data kasus COVID-19 agar dapat mengetahui prediksi pada masalah kasus COVID- Pandemi COVID-19 telah memberikan dampak yang signifikan di Daerah Nganjuk. Untuk mengatasi pandemi ini secara efektif, diperlukan analisis data yang mendalam guna memahami karakteristik kasus Positif yang terdata. Penelitian ini bertujuan untuk menerapkan teknik data mining dalam klasifikasi kasus COVID-19. Data yang digunakan dalam penelitian ini mencakup kasus positif, positif baru, menninggal total ,meninggal baru, sembuh total dan masih sakit mengenai pasien COVID-19 dengan menggunakan metode klasifikasi seperti Naive Bayes dan menggunakan tools Rapidminner.
Optimalisasi Prediksi Tingkat Obesitas di Negara Mexico Menggunakan Perbandingan Support Vector Machine dan Naïve Bayes Eggy Cahya Ardianta; Prasetyo Ari Wibowo; Nazzel Maulana Mustofa; Aidina Ristyawan; Erna Daniati
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 3 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/1vhcpd30

Abstract

Obesitas, yang sering dikaitkan dengan penyakit jantung, diabetes, dan stroke, merupakan masalah besar bagi kesehatan global. Jumlah orang obesitas di Indonesia telah meningkat secara signifikan, mencapai 21,80 persen dari populasi dewasa pada tahun 2018. Studi ini menggunakan dataset yang tersedia untuk umum untuk memperkirakan tingkat obesitas di Meksiko. Teknik data mining yang digunakan termasuk algoritma Naive Bayes dan Support Vector Machine (SVM). Tujuannya adalah untuk membuat model prediksi yang dapat menemukan orang yang lebih berisiko terkena obesitas dan membantu mengambil langkah pencegahan yang tepat.
Pengembangan Sistem Informasi Sekolah Berbasis Web Abdullah Kafa Bihi; Erna Daniati; Aidina Ristyawan
Gudang Jurnal Multidisiplin Ilmu Vol. 2 No. 12 (2024): GJMI - DESEMBER
Publisher : PT. Gudang Pustaka Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/gjmi.v2i12.1237

Abstract

Teknologi informasi dan komunikasi semakin berkembang bagi lembaga pendidikan dan telah mulai menggunakan sistem berbasis web untuk meningkatkan efisiensi dan aksesibilitas informasi. Madrasah Ibtidaiyah Al-Hikmah sebagai lembaga pendidikan memerlukan manajemen sistem informasi berbasis web yang dapat membantu dalam mengenalkan profil sekolah dan jadwal kegiatan siswa. Saat ini Madrasah Ibtidaiyah Al-Hikmah belum memiliki website profil sekolah sehingga banyak orang yang belum tahu tentang informasi mengenai visi, misi, kurikulum, fasilitas, kegiatan, dan prestasi sekolah mungkin sulit diakses oleh masyarakat luas, termasuk calon siswa dan orang tua siswa. Untuk itu penelitian ini dilakukan guna membangun sistem informasi website profile sekolah di MI Al-Hikmah. Hal ini dapat mengurangi kesulitan orang untuk mendapatkan gambaran yang jelas tentang identitas dan kualitas sekolah. Penelitian ini menggunakan metode waterfall dengan pengujian black box. Website ini telah dibangun dan mencakup data profil sekolah, gallery, blog, dan kontak yang bisa diakses secara luas. Hasil pengujian blackbox testing menunjukkan bahwa sistem berfungsi sesuai dengan yang diharapkan.
Co-Authors Abdullah Kafa Bihi Ahmad Zen Sholikhin Ahmat Gunawan Aktasya Purwandira Arie Nugroho, Arie Atma Agilia Triwardani Cinta Azzaria Danu Nur Alamsyah Dea Yuliana Ayu Ningrum Dwi Puji Yoga Satria Eggy Cahya Ardianta Ela Esti Susanti Elisa Triammah A’Fena Erna Daniati Ervin Kusuma Dewi Farhan Gagat Retnanto Ferdian Ahmat Felmidi Firmansyah, Andika Garda Zidane Dhamara Idha Febiyanti Ikrar Nusa Bhakti Jatmiko Jatmiko Maulana, Aftor Mieta Silvia Aviva Mohammad Nova Kurniawan Muhammad Abi Lukman Muhlishoh Husna Ulfiah Nazzel Maulana Mustofa Ovelina Devi Kurnia Prasetyo Ari Wibowo Priyo Wildan Saputro R Ndun, Anastasia R Rina Firliana Sabina Hajar Alviyanti Satria Wijaya Sucipto Sucipto Sucipto Vivi Rizqi Aprilia Wardani, Anita Sari