Article Per Year (5 Year)
p-Index From 2021 - 2026
3.329
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Jurnal Transformatika Scientific Journal of Informatics JAIS (Journal of Applied Intelligent System) ANDHARUPA Journal of Information System Edu Komputika Journal Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JOURNAL OF APPLIED INFORMATICS AND COMPUTING JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Budimas : Jurnal Pengabdian Masyarakat Abdimasku : Jurnal Pengabdian Masyarakat Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) Bumi: Jurnal Hasil Kegiatan Sosialisasi Pengabdian Kepada Masyarakat ITEJ (Information Technology Engineering Journals)
Erika Devi Udayanti
Universitas Dian Nuswantoro, Semarang
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Expert System for Detection of Diseases in Layers Using Forward Chaining and Certainty Factor Methods Kevin Febrianto; Erika Devi Udayanti; Bonifacius Vicky Indriyono; Wildan Mahmud; Iqlima Zahari
Jurnal Masyarakat Informatika Vol 14, No 2 (2023): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.14.2.52266

Abstract

Inaccuracies in the process of diagnosing a type of disease result in errors in handling so that it will pose a risk of death. Accurate diagnostic process results require a high level of confidence so that the results are truly convincing. Current technological developments are making more and more mindsets for the development of information technology in the field of computerization born. One of them is an expert system. This expert system is often used to analyze disease in laying hens. The deficiency in previous research is that there is no degree of confidence so what happens is that the diagnosis often only uses the value of the expert. The role of the system user is only to select the available symptoms without giving the weighted value of the selected symptoms. This study aims to build an expert system capable of detecting symptoms in laying hens by assigning a degree of confidence to each symptom. The system is built with a combination of forward chaining techniques with a certainty factor, the weight value is based on a combination of the weight of symptoms from users and experts to anticipate conditions that are not ideal. Several stages in the research include data collection, knowledge base modeling, implementation into applications and testing. The conclusion that can be drawn from the trial results is that the system can show a maximum validity value of up to 100% when compared to manual calculations.
Analisis Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine untuk Klasifikasi Berita Hoax pada Berita Online Indonesia Ramadhan Rakhmat Sani; Yunita Ayu Pratiwi; Sri Winarno; Erika Devi Udayanti; Farrikh Alzami
Jurnal Masyarakat Informatika Vol 13, No 2 (2022): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.13.2.47983

Abstract

Masyarakat mampu mengkonsumsi tiap informasi yang tersebar di internet dengan cepat dan terkadang informasi yang beredar tidak selalu memberikan kebenaran yang sesuai dengan kenyataannya (hoax). Demi mendapatkan keuntungan dan mencapai tujuan pribadi, hoax seringkali sengaja dibuat dan dibagikan. Informasi yang didapatkan dari hoax tentunya dapat mempengaruhi masyarakat karena menimbulkan keraguan dan kebingungan terhadap informasi yang diterima Oleh karena itu, penelitian ini membahas tentang bagaimana mengklasifikasikan berita hoax berbahasa Indonesia mengenai isu kesehatan menggunakan TF-IDF serta algoritma Naïve Bayes Classifier dan Support Vector Machine dengan 4 model yang berbeda sehingga mampu memprediksi sebuah berita hoax atau valid. Pada penelitian ini dataset yang dikumpulkan sebanyak 287 diantaranya 200 valid dan 87 hoax. Hasil evaluasi model penelitian ini dengan menggunakan 4 model berbeda pada masing-masing algoritma, diperoleh nilai classification report terbesar untuk algoritma NBC pada model Complement Naïve Bayes dengan hasil precision 95.4%, recall 95.4%, f1-score 95.4% dan accuracy 93.1%. Sedangkan nilai classification report terbesar untuk algoritma SVM pada kernel Sigmoid dengan hasil precision 95.6%, recall 100%, f1-score 97.7% dan accuracy 96.5%. Sehingga dapat disimpulkan bahwa hasil performa rata-rata dari algoritma SVM memiliki kinerja yang lebih baik jika dibandingkan dengan algoritma NBC dalam melakukan klasifikasi berita hoax mengenai isu kesehatan.
Optimizing Bankruptcy Prediction on Imbalanced Data using XGBoost with Random Oversampling and Chi-Square Suyatno, Revalina; Udayanti, Erika Devi; Dewi, Ika Novita
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.11841

Abstract

In the midst of modern financial dynamics, the ability to predict corporate bankruptcy holds strategic significance, as it directly affects economic stability and investor confidence. However, the development of a reliable predictive model is often hindered by the complex nature of financial data, particularly the class imbalance between bankrupt and non-bankrupt companies. This imbalance causes models to become biased toward the majority class, thereby reducing their sensitivity in detecting bankruptcy cases which are, in fact, the most critical for financial decision-making. This research aims to construct a more balanced and sensitive bankruptcy prediction model by specifically addressing the issue of data imbalance. The proposed approach integrates the Random Oversampling (ROS) technique to equalize class distribution, Chi-Square feature selection to identify the most informative financial variables, and the Extreme Gradient Boosting (XGBoost) algorithm as the core predictive model. The dataset used is the UCI Taiwanese Bankruptcy Prediction dataset, consisting of 6,819 observations and 96 financial ratio variables. Experimental results show that the Chi-Square method successfully identified 20 influential variables, including Per Share Net Profit Before, Debt Ratio, and ROA(B) Before Interest and Depreciation After Tax. The proposed XGBoost model achieved an overall accuracy of 0.9648 and an F1-score of 0.4286, demonstrating superior performance. These findings confirm that the combination of ROS, Chi-Square, and XGBoost effectively enhances data balance and prediction sensitivity for the bankruptcy class. This research is expected to serve as a foundation for developing financial decision-support systems capable of providing early warnings of potential corporate bankruptcy.
English English Karimah, Sofia Rizkal; Udayanti, Erika Devi
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.11921

Abstract

This research aims to compare the performance of the Apriori and FP-Growth algorithms in the process of data mining association patterns in the online sales transaction data of a bookstore. The dataset used consists of 74.090 transactions resulting from data cleaning from the period January-June 2025. The analysis was conducted through the stages of data collection, followed by data preparation consisting of data cleaning and data transformation, and then continued to the modeling stage of the two algorithms. The results of the experiment show that Apriori tends to be faster on small-scale datasets with simple transaction patterns, while FP-Growth has more stable memory usage and shows more efficient processing time on parameters that analyze larger data. Both algorithms produce identical numbers and contents of association rules for each parameter variation, indicating that the significant difference lies in performance efficiency, and not in the knowledge patterns produced. Rules with the highest lift values, such as the association between the books "Rumah Kaca" and "Jejak Langkah" (lift: 183,306 & confidence 0,903) and between the books "Namaku Alam" and "Pulang" (lift: 34,062 & confidence: 0,51) indicate strong purchasing patterns between titles with the same author and theme. These findings have the potential to support cross-selling strategies and product recommendations in online sales systems. This research is still limited to a relatively small and homogeneous dataset, so further using a broader data coverage is recommended to test the algorithm's performance more comprehensively.
Pengembangan Sistem Pengelolaan Administrasi Menggunakan Independent Cloud Storage Secara Terdistribusi Nur Iksan; Erika Devi Udayanti; Djuniadi Djuniadi
ITEJ (Information Technology Engineering Journals) Vol. 3 No. 1 (2018): June
Publisher : Pusat Teknologi Informasi dan Pangkalan Data IAIN Syekh Nurjati Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24235/itej.v3i1.25

Abstract

Berdasarkan hasil observasi pada SMK Negeri 5 Semarang, pengelolaan administrasi masih bersifat manual dan beberapa arsip digital disimpan dalam komputer yang tidak terkelola dengan baik serta sangat terbatas pada aksesnya. Beberapa aplikasi pengelolaan administrasi yang digunakan sudah dapat diakses melalui media internet, seperti Google Drive, Icloud, Dropbox dan SkyDrive. Bagaimanapun, layanan pada aplikasi tersebut masih menggunakan infrastruktur yang sangat bergantung pada provider sehingga pengguna memiliki beberapa keterbatasan seperti kendali akses penuh, kebijakan keamanan data, keberlanjutan layanan dan pemulihan data. Jika pengelolaan administrasi dilakukan pada sekolah maka perlu dipertimbangkan penggunaan sistem yang tidak bergantung pada suatu provider. Pengembangan sistem pengelolaan administrasi yang mandiri sangat diperlukan sehingga dokumen/arsip yang sangat penting dan bersifat rahasia dapat terjaga ketersediaan dan keamanannya. Untuk itu, diperlukan infrastruktur yang memadai dalam membangun independent cloud storage atau penyimpanan mandiri serta aplikasi pengelolanya. Pada proses bisnisnya, sistem ini dilakukan secara terdistribusi sehingga pengelolaan administrasi tidak lagi terpusat pada satu pengguna (staf tata usaha) melainkan semua entitas/pengguna (guru, kepala sekolah, staf tata usaha, bagian akademik, bagian kesiswaan, dan lain-lain). Untuk itu, kegiatan pengabdian masyarakat yang akan dilaksanakan meliputi pengembangan sistem pengelolaan administrasi menggunakan independent cloud storage secara terdistribusi. Dengan adanya kegiatan tersebut diharapkan dapat memberikan solusi pada permasalahan pengelolaan administrasi dan selanjutnya juga dapat meningkatkan kualitas pelayanan di SMK Negeri 5 Semarang
Regresi Linier Untuk Prediksi Permintaan Sparepart Sepeda Motor Nur Iksan; Yogi Pratama Putra; Erika Devi Udayanti
ITEJ (Information Technology Engineering Journals) Vol. 3 No. 2 (2018): December
Publisher : Pusat Teknologi Informasi dan Pangkalan Data IAIN Syekh Nurjati Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24235/itej.v3i2.26

Abstract

Penyediaan dan pensuplaian sparepart menjadi hal yang penting dalam memberikan pelayanan pemenuhan permintaan kepada konsumen agar kepercayaan konsumen terhadap pelaku usaha penjualan sparepart semakin meningkat. Usaha untuk menjaga ketidakstabilan persediaan sparepart menjadi masalah yang harus dihadapi toko sparepart ketika transaksi kepada konsumen semakin meningkat. Toko ini harus mampu memperkirakan jumlah suplai sparepart berdasarkan jumlah permintaan sebelumnya dan faktor lain yang mempengaruhi jumlah permintaan. Untuk memberikan kemudahan dalam memperkirakan jumlah permintaan ini, maka perlu dilakukan prediksi penyediaan sparepart untuk dapat menanggulangi masalah persediaan dan pensuplaian pada toko sparepart. Pada penelitian ini regresi linier diterapkan pada kasus prediksi penyediaan sparepart dengan tujuan untuk memperkirakan jumlah stok yang harus tersedia pada periode tertentu untuk masing-masing sparepart seperti kampas kopling, spion, ban motor, aki motor, dan kampas rem. Evaluasi prediksi dilakukan dengan MAP, MSE dan MAPE untuk tiap perhitungan sparepart sehingga dapat diketahui tingkat akurasi hasil dari prediksi tersebut.
Audit Keamanan Sistem Informasi Menggunakan Framework Cobit 5 (APO13) Ivana Junita Aritonang; Erika Devi Udayanti; Nur Iksan
ITEJ (Information Technology Engineering Journals) Vol. 3 No. 2 (2018): December
Publisher : Pusat Teknologi Informasi dan Pangkalan Data IAIN Syekh Nurjati Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24235/itej.v3i2.27

Abstract

Penelitian ini bertujuan untuk mengidentifikasi dan mengukur tingkat kematangan keamanan sistem informasi. Permasalahan yang sering dialami pada salah satu objek penelitian yaitu belum adanya evaluasi tingkat kematangan terhadap keamanan sistem informasi. Untuk menghindari permasalahan yang ada dimasa yang akan datang, maka diperlukannya audit keamanan sistem informasi. Audit ini menggunakan framework COBIT 5 dengan fokus pada proses APO13 (Manage Security) yang bertujuan untuk menjaga dampak dan kejadian insiden keamanan informasi dalam tingkat risiko yang dapat di selesaikan oleh perusahaan. Hasil dari penelitian ini diketahui tingkat kapabilitas dari proses APO13 yaitu Level 0 (Incomplete Process) dengan status L (Largely Achieved) yang artinya sudah mencapai sebagian besar pengelolaan keamanan sistem informasi. Level 1 (Performed Process) dengan pencapaian level sebesar 50% dengan status P (partially achieved) yang artinya keamanan sistem informasi sudah tercapai sebagian. Selanjutnya juga pada Level 2,3 dan 5 yang memperoleh hasil rata-rata diatas 60% dengan status L.
Co-Authors Affandy Affandy Afida, Dita Ahmad MAULANA Aisyatul Karima Ali Muqoddas ALI MUQODDAS Aloysius Soerjowardhana Alzami, Farrikh Andriana, Wiwin Anggadiva, Rifky Anwarri, Kenza Amalia Putri Arika Norma Wahyu Dorroty Aritonang, Ivana Junita Bonifacius Vicky Indriyono Bonifacius Vicky Indriyono Bonifacius Vicky Indriyono, Bonifacius Vicky Candra Irawan Chornelius Aneba Moza Ikratama Christiawan Yosua Hertinando Christy Atika Sari Comara, Maulana Muhammadin Dian Restu Adji Dibyo Adi Wibowo Djuniadi Djuniadi Doheir, Mohamed Dwi Puji Prabowo, Dwi Puji Erba Lutfina Erwin Yudi Hidayat Yudi Hidayat Ery Mintorini Etika Kartikadarma Etika Kartikadharma Fahri Firdausillah Fajar Agung Nugroho Fajar Agung Nugroho Fajar Agung Nugroho Fajrian Nur Adnan Farah Syadza Mufidah Florentina Esti Nilawati Gery Gadman Rachmad Hafidhoh, Nisa'ul Hafidhoh, Nisa?ul Hafidhoh, Nisa’ul Hafidhoh, Nisa’ul Hafidhoh, Nisa’ul Ika Novita Dewi Ikhsan, Nur Iqlima Zahari Ivana Junita Aritonang Karimah, Sofia Rizkal Karmila Karmila Kartikadharma, Etika Kevin Febrianto Lutfina, Erba Megantara, Rama Aria Mellati, Pita Muhammad Agus Muljanto Muhammad Hafidz Muna, Mohamad Sirojul Natalinda Pamungkas Natalinda Pamungkas Nisa'ul Hafidhoh Nur Ikhsan Nur Iksan Putra, Yogi Pratama Raden Arief Nugroho Ramadhan Rakhmat Sani Sanina Quamila Putri Sanjaya, Yusuf Yudha Soerjowardhana, Aloysius Sri Mulatsih Sri Winarno Suyatno, Revalina Syafira Putri Yuanita Valentina Widya Suryaningtyas, Valentina Widya Widayat Yutriatmansyah, Widi Widi Widayat Yutriatmansyah Wildan Mahmud Wisnumurti, Reza Yogi Pratama Putra Yuni Lestari Yunita Ayu Pratiwi Yutriatmansyah, Widi Widayat Yutriatmansyah, Widi Widayat  Ignasius Yoga Puji Hascaryo