Article Per Year (5 Year)
p-Index From 2021 - 2026
7.384
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Jurnal Mirai Management JOIV : International Journal on Informatics Visualization JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal Sisfokom (Sistem Informasi dan Komputer) JURTEKSI Jurnal Sistem Cerdas JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi International Journal of Advances in Data and Information Systems Jurnal Teknik Informatika (JUTIF) eProceedings of Engineering Jurnal Pengabdian Masyarakat Bangsa The Indonesian Journal of Computer Science International Journal of Computer Technology and Science Journal of Production, Enterprise, and Industrial Applications ITEJ (Information Technology Engineering Journals)
Oktariani Nurul Pratiwi
Universitas Telkom
Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture 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 Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 2   3   4   5   6 
Prediksi Ketersediaan Obat Penyakit Hipertensi Berbasis Data Historis Menggunakan Algoritma Long Short-Term Memory (LSTM) Reihaini Fikria Bunga Oktaviani; Oktariani Nurul Pratiwi; Alfian Akbar Gozali
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Manajemen ketersediaan obat merupakan aspek penting dalam menjamin pelayanan kesehatan yang optimal. Namun, sering terkendala oleh ketidakseimbangan stok obat yang menyebabkan kerugian finansial, risiko obat kadaluwarsa adanya ketidakpuasan pasien. Hal ini selaras dengan isu global terkait akses obat untuk penyakit kronis seperti Hipertensi. Penelitian ini bertujuan untuk mengembangkan model prediksi ketersediaan stok obat dengan pendekatan deep leaning, menggunakan algoritma Long Short-Term Memory (LSTM), guna meningkatkaan efektivitas pengelolaan persediaan obat di fasilitas kesehatan, khususnya untuk jenis-jenis obat yang sangat dibutuhkan. Penelitian ini menggunakan metodologi KDD (Knowledge Discovery in Database) dengan data transaksi obat historis dari Januari 2021 hinga Desember 2024 untuk diproses dan dimodelkan. Setelah itu, dari hasil pemodelan dilakukan evaluasi menggunakan metrik MAPE dan RMSE yang hasilnya menunjukkan kinerja bervariasi; model mampu memprediksi beberapa brand obat dengan akurasi yang baik sebanyak 5 brand (MAPE < 30%) dan menghadapi tantangan signifikan pada brand lain dengan error yang tinggi (MAPE > 50%). Meskipun demikian, model ini berpotensi meningkatkan efisiensi stok obat dan kepuasan pasien untuk obat-obatan yang terprediksi baik. Kata Kunci: Ketersediaan Obat, Prediksi, KDD, Deep Learning, LSTM, Hipertensi
Comparison Of Sentiment Analysis Of Traveloka And Tiket.Com Applications On Twitter Using The Naive Bayes Method Nathifa Agustiana; Oktariani Nurul Pratiwi; Hanif Fakhrurroja
ITEJ (Information Technology Engineering Journals) Vol. 8 No. 2 (2023): 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.v8i2.119

Abstract

The country of Indonesia has a strategic geographical position and is also said to be a country that is very rich in natural resources and cultural diversity. One of the supporters of economic growth in Indonesia is tourism. To support the potential of the tourism sector in Indonesia, many online travel agent applications have started to appear. Of the many OTAs, the top two applications were selected, namely the Traveloka and Tiket.com applications. This sentiment analysis requires data from Twitter. This research compares sentiment analysis on the Traveloka and Tiket.com applications in terms of price and service. The method used is naïve Bayes. The goal is to get sentiment information contained in a text with a positive or negative view. With this research, it is hoped that we can see a comparison of sentiment analysis between the Traveloka and Tiket.com applications and be able to find out the level of accuracy of naïve bayes on the Traveloka and Tiket.com applications. The price dataset that gets more positive sentiment is the Traveloka price of 97.2%. In the service dataset that has positive sentiment, Tiket.com is 46.9%. Then, the greatest accuracy was obtained after oversampling the Tiket.com price dataset by 73%, Traveloka prices by 94%, Ticket services by 87% and Traveloka services by 86%.
Perancangan User Interface dan User Experience Website Untuk Proses Ujian Di SMA Bina Negara 1 Baleendah Dengan Menggunakan Metode Design Thinking Pradita Cahyani; Oktariani Nurul Pratiwi; Faishal Mufied Al Anshar
Journal of Production, Enterprise, and Industrial Applications Vol. 4 No. 1 (2026): June 2026
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jpeia.v4i1.11107

Abstract

Seiring kemajuan teknologi informasi, digitalisasi pendidikan menjadi strategi penting untuk meningkatkan efektivitas pembelajaran, termasuk dalam pelaksanaan ujian. SMA Bina Negara 1 Baleendah masih menghadapi kendala ujian paper-based yang dinilai tidak efisien. Meskipun telah menggunakan sistem seperti Google Forms, berbagai keterbatasan seperti pengelolaan data yang kurang optimal dan fitur yang tidak sesuai kebutuhan pengguna masih menjadi masalah. Berdasarkan temuan tersebut, dibutuhkan solusi digital yang mampu menghadirkan pengalaman pengguna yang lebih baik dan sesuai dengan konteks sekolah, yakni melalui pendekatan User Interface dan User Experience. Oleh karena itu, penelitian ini bertujuan untuk merancang User Interface dan User Experience website untuk ujian di SMA Bina Negara 1 Baleendah serta langkah-langkah dalam menguji usability-nya. Pendekatan Design Thinking digunakan sebagai metode perancangan website ujian. Langkah penelitian ini meliputi tiga tahapan utama: pendahuluan, tahap Design Thinking, dan tahap penutupan. Data dari guru dan siswa dianalisis menjadi artefak seperti Empathy Map, User Persona, hingga desain High Fidelity. Evaluasi dilakukan dengan Usability Testing dan System Usability Scale. Metode Design Thinking dipilih karena fleksibel, berfokus pada pengguna, dan mampu menghasilkan solusi kreatif serta relevan. Hasil penelitian menunjukkan bahwa website ujian berhasil dirancang sesuai dengan kebutuhan pengguna dan mampu menjadi solusi inovatif yang mendukung proses ujian secara lebih efektif dan efisien. Pengujian menggunakan System Usability Scale menghasilkan skor 74 untuk guru dan 77 untuk siswa, yang termasuk dalam grade C dengan Acceptable Rating Satisfactory. Hasil ini menunjukkan bahwa website cukup memuaskan dan memiliki tingkat usability yang baik, meskipun masih ada beberapa catatan perbaikan dari pengguna. Dengan demikian, tujuan perancangan website untuk mendukung proses ujian di SMA Bina Negara 1 Baleendah berhasil dicapai dengan cukup baik.
Pengembangan Aplikasi Sistem Presensi Guru dan Siswa berbasis Web Menggunakan Framework Python Django pada SMA Bina Negara 1 Baleendah Oktariani Nurul Pratiwi; Fitri Rahmadania; Nabilla Noor Rizqi; Raffi Ihza Zuhairnawan; Muhammad Za'im Al Faruq; Fatih Albari
Jurnal Pengabdian Masyarakat Bangsa Vol. 3 No. 10 (2025): Desember
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v3i10.3550

Abstract

Pengembangan sistem presensi berbasis web di SMA Bina Negara 1 Baleendah dilakukan untuk menjawab permasalahan inefisiensi yang muncul akibat penggunaan sistem semi-digital yang tersebar di berbagai platform. Kondisi tersebut menyebabkan proses pencatatan kehadiran membutuhkan verifikasi manual yang memakan waktu, data presensi sering tidak sinkron, serta laporan harian sulit diperoleh secara cepat. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan aplikasi presensi terintegrasi menggunakan framework Django versi 5.1.3, yang dipilih karena stabilitas, keamanan, serta kelengkapan fitur autentikasi dan pengelolaan pengguna. Metode pengembangan meliputi analisis kebutuhan, perancangan alur kerja presensi, pembuatan antarmuka untuk berbagai peran pengguna, pengembangan sistem backend, serta uji coba bersama kepala sekolah, guru, dan staf Tata Usaha. Hasil implementasi menunjukkan peningkatan efisiensi yang signifikan, terutama pada proses verifikasi kehadiran yang sebelumnya memerlukan waktu lima hingga enam jam per hari dan kini dapat dilakukan secara real time melalui dashboard terpusat. Sistem ini tidak hanya menyederhanakan proses administratif, tetapi juga meningkatkan akurasi pencatatan presensi serta menyediakan dasar bagi pengembangan fitur lanjutan di masa depan, sehingga mendukung percepatan transformasi digital sekolah secara berkelanjutan.
Analisis Sentimen dan Pemodelan Topik terhadap Aplikasi Pembelajaran Online pada Platform Google Play Andhika Ihsan Kamil; Oktariani Nurul Pratiwi; Deden Witarsyah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6023

Abstract

Kita hidup di era teknologi di mana setiap aspek kehidupan terhubung dengan teknologi. Maraknya aplikasi belajar daring di Indonesia, seperti Ruangguru, menandai perkembangan di bidang pendidikan. Aplikasi Ruangguru fokus pada jasa pendidikan dan telah melayani lebih dari 22 juta pengguna. Untuk mempertahankan kepuasan pelanggan, diperlukan analisis sentimen dan pemodelan topik terhadap ulasan pengguna. Penelitian ini menggunakan 31.070 dataset ulasan pengguna di Google Play, dilanjutkan dengan pelabelan dan preprocessing sebelum data akan digunakan. Analisis sentimen memakai algoritma Support Vector Machine menunjukkan hasil yang baik dengan akurasi 88,89%, presisi 87,11%, recall 91,22%, dan F1-score 89,11%. Teknik k-10 fold cross validation menghasilkan akurasi rata-rata 89,06%. Kemudian model digunakan pada 10.000 ulasan baru, dengan hasil mayoritas ulasan memiliki sentimen positif. Pemodelan topik dengan Latent Dirichlet Allocation mengidentifikasi 5 topik utama pada sentimen positif dengan nilai koherensi 0,4779, berfokus pada pengalaman positif dan kegunaan aplikasi dalam membantu belajar. Pada sentimen negatif, ditemukan 4 topik utama dengan nilai koherensi 0,4899, yang banyak mengungkapkan keluhan tentang materi pembelajaran yang kurang lengkap.
Co-Authors Adnyana, I Gusti Ngurah Bagus Putra Agustiana, Nathifa Alfian Akbar Gozali Alyasyifa, Salma Andhika Ihsan Kamil Anindya Prameswari Putri Djakaria Anshari, Faishal Mufied Al Ariandi, Rama Asriana Asriana, Asriana Azka Chanda Milanesta Bagaskara, Kumara Ris Panji Cahyani, Pradita Chika Enggar Puspita Chrisdiyanti, Ivania Nonita Cynthia Ayu Prayuning Deden Witarsyah Djakaria, Anindya Prameswari Putri Eflin Trinova Limbong Fa'rifah, Riska Yanua Faishal Mufied Al Anshar Fakhrurroja, Hanif Faqih Hamami Fatih Albari Fazrin, Fadhilah Firzania, Heidea Yulia Fitri Rahmadania Gosal, Yose Thimothy Hadwirianto, Muhammad Raihan Hanid, Wihda Sifwi Herdian, Hafiizh Hilman Dwi Anggana Husaini, Galih Rashif Hwang, Jun-seok I B K Widiartha Ilham Perdana Iqbal Yulizar Mukti Irfan Darmawan Jesika Damayanti Doloksaribu Jessica Inas Rasendriya Josia Fortino Pakpahan Kardila, Yuni Kasparov, Michael Christensen Bonar Kurniawan, Muhammad Rayhan Mardika, Jody Muhaimin, Luthfi Ahmad Muhamad Insan Taufik Muhammad Naufal Fikri Muhammad Za'im Al Faruq Muharman Lubis Mustada, Fitrina Annisa Nabila Ramadhania Nabilla Noor Rizqi Nathifa Agustiana Nisa, Amarila Zahratun Novanza, Alvin Renaldy Nur Ichsan Utama Nuraliza, Hilda Orvalamarva Orvalamarva, Orvalamarva Pradita Cahyani Pramudia, Rudi Guna Pramuwidya, Shinta Putri Utami Rukmana R. Rama Ahmad Waliyya Rachmadita Andreswari Raffi Ihza Zuhairnawan Reihaini Fikria Bunga Oktaviani Revanda Octavian Riska Yanu Fa’rifah Saleh Hasan Badjrie Salma, Farah Sherina Sutoyo, Edi Talisman, Bryan Ronald Taufiq Hamdani Yunan Yoon, Hyoen-yeong Yulio Ferdinand