Article Per Year (5 Year)
p-Index From 2020 - 2025
6.684
P-Index
This Author published in this journals
All Journal Prosiding SNATIKA Vol 01 (2011) JUITA : Jurnal Informatika Creative Information Technology Journal Jurnal Sains dan Informatika ILKOM Jurnal Ilmiah Generation Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara JAMI: Jurnal Ahli Muda Indonesia Joutica : Journal of Informatic Unisla Nusantara of Engineering (NOE) JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Pengabdian Masyarakat Nusantara Jurnal Rekam Medis dan Informasi Kesehatan Indonesia
Risa Helilintar
Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri
Agriculture, Biological Sciences & Forestry 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 Environmental Science Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Public Health Social Sciences Transportation

Published : 63 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 63 Documents
Search

 1   2   3   4   5 
Penerapan Aplikasi E-Business Sebagai Salah Satu Usaha Peningkatan Penjualan Tanaman Resty Wulanningrum; Risa Helilintar; Risky Aswi Ramadhani; Achmad Zainul Karim
Jurnal ABDINUS : Jurnal Pengabdian Nusantara Vol 1 No 1 (2017): Volume 1 Nomor 1 Tahun 2017
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (159.853 KB) | DOI: 10.29407/ja.v1i1.11730

Abstract

Komunitas Petani Bunga di Desa Blabak saat ini cukup berkembang, yang menjadi permasalahan adalah Petani Bunga yang ada di Desa Blabak masih dalam skala kecil. Hal ini berakibat Petani Bunga tidak dapat memasarkan produk mereka dengan baik, karena sudah menjadi sifat dasar konsumen untuk mencari Petani Bunga yang menunya lengkap. Dengan menerapkan teknologi internet saat ini komunitas Petani Bunga di desa Blabak bisa berkembang. Salah satunya menggunakan e-busines untuk meningkatkan penjualan tanaman. Salah satu upaya untuk menyelesaikan permasalahan tersebut adalah dengan memanfaatkan Sistem yang bertugas untuk mengkolaborasi produk yang ada di komunitas Petani Bunga. Dengan adanya pertukaran produk maka akan mempermudah konsumen untuk mecari barang dan meningkatkan dan meningakatkan penjualan Penerapan sistem informasi komunitas Petani Bunga dapat meningkatkat penjualan dan membantu usaha Petani Bunga di daerah Blabak.
Classification of Dog and Cat Images using the CNN Method Teguh Adriyanto; risky aswi ramadhani; Risa Helilintar; Aidina Ristyawan
ILKOM Jurnal Ilmiah Vol 14, No 3 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i3.1116.203-208

Abstract

Blind people can be defined as those people who are unable to see objects or pictures around them with their eyes. This inability becomes an issue for them when dealing with objects or images in front of them. These problems lead to the novelty of this study that is to recognize objects or images around blind people with the CNN algorithm. Dogs and cats were used as objects in this study. These object recognitions used Deep Learning, a relatively new science in the field of machine learning. Deep learning works like the human brain's ability to recognize an object. In this study, the objects that were used were pictures of a dog and a cat. This study used 3 types of data, namely training, validation, and testing data. The data training consisted of dog data with a total of 1000 images and cat data with a total of 1000 images. Data validation consisted of 500 dog data  and 500 cat data. The CCN architecture employed 3 convolution layers. The layer was convolution 1 using 16 filters of kernel size 3x3, the second convolution using 32 filters of  kernel size 3x3 and the third using 64 filters of kernel size 3x3. While the data testing consisted of 51dog data and 27 cat data. The method used to analyze the image was CNN. The input was an image with a size of 150x150 pixels with 3 channels, namely R, G, and B. This classification went through a performance test with the Confusion Matrix and it obtained 45% precision, 45% recall and 45% f1-score. From these results it can be concluded that the accuracy values should be improved.
Implementasi Data Mining Pada Hasil Penjualan Barang Menggunakan Metode K-Means Clustering Fakhry Miftakhul Huda; Risa Helilintar
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.121

Abstract

Sistem manajemen pergudangan atau biasa dikenal sebagai industri distributor barang dalam dunia perindustrian kerap kali luput dari pengawasan ataupun perhatian dari para pelaku bisnis. Dapat di ambil contoh dari data yang ada di PT.Enseval Putera Megatrading. Permasalahan yang kerap terjadi dalam perindustrian terutama dalam permasalahan khususnya di pergudangan yaitu dengan stok barang yang tidak sesuai dengan data yang ada permasalahan tersebut bisa menyebabkan kerugian bagi para pelaku bisnis. Penjualan barang menjadi faktor suksesnya bisnis ataupun usaha yang dilakukan para pelaku bisnis. Namun, para pelaku bisnis terkadang menganggap itu semua dengan sebelah mata dan membuat karyawan melakukan input data dengan cara manual. Berdasarkan latar belakang diatas ini maka penulis berencana untuk merancang sebuah aplikasi tentang pengelompokan berdasarkan penjualan barang yang terjual di pasaran dengan menggunakan metode k-means untuk mempermudah melihat hasil penjualan barang mana yang Sangat laku diperjual belikan di pasaran,yang laku dipasaran maupun yang tidak laku di pasaran. Dari hasil penerapan metode k-means diatas ada 4 jenis barang yang sangat laku yaitu Bits 300ML/24, LV juice pome 300ML/24, Vegie F premium carrot 300ML/24, Vegie F premium tomat 300ML/24, 2 jenis barang yang laku yaitu LV juice mangga 300ML/24 dan Hydro coco original 500ML/12, dan 4 jenis barang yang tidak laku yaitu Hydro coco original 200ML/24, LV juice guava 300ML/24, LV juice orange 300ML/24, dan LV juice pome 1 LT/12.
Sistem Pengolahan Data E-Arsip Rumah Sakit Bhayangkara Kediri Mochamad Syafroni; Ahmad Bagus Setiawan; Risa Helilintar
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.152

Abstract

Rumah Sakit Bhayangkara Kediri adalah Instansi Pemerintah dibawah koordinasi Kepolisian Daerah Jawa Timur yang berada di Kota Kediri Propinsi Jawa Timur. Rumah Sakit Bhayangkara Kediri adalah wilayah kerja yang dipimpin oleh seorang Karumkit yang berugas menyelenggarakan pengawasan & pengendalian, perencanaan dan administrasi sumber daya Rumah Sakit Bhayangkara, pembinaan fungsi, pelayanan kesehatan prima dan paripurna, pelayanan kedokteran Kepolisian yang didukung penunjang medis dan penunjang umum untuk mewujudkan Rumah Sakit Bhayangkara sesuai dengan peraturan perundang-undangan. Pada kantor Rumah Sakit Bhayangkara Kediri sistem pengarsipan surat masih menggunakan metode konvensional, seperti masih menggunakan media kertas sebagai arsip utama, yang seringkali mengalami kesulitan dalam mencari berkas, karena mencari data satu persatu, sehingga memerlukan waktu yang cukup lama untuk mencari arsip, bahkan terkadang arsip itu tidak ditemukan karena banyaknya arsip yang ada selama bertahun-tahun lamanya. Pengolahan data surat masuk dan surat keluar di Rumah Sakit Bhayangkara Kediri ini dibuat dengan menggunakan bahasa pemrograman PHP dan databasenya menggunakan MySQL. Tujuan dalam penelitian ini adalah menghasilkan sistem informasi pengolahan data surat masuk dan surat keluar pada Rumah Sakit Bhayangkara Kediri. Hasil dari penelitian ini diharapkan dapat mempermudah sistem kearsipan yang berjalan disana dan meminimalisasi kesulitan dalam pencarian berkas.
Prediksi Jumlah Produksi Nasi Kucing di Angkringan Nasi Kucing 68 Menggunakan Metode Fuzzy Tsukamoto M.Herma Pradipta; Risa Helilintar; Ahmad Bagus Setiawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.158

Abstract

Dalam menentukan jumah produksi nasi kucing di angkringan 68 masih dilakukan secara tetap sehingga pemilik usaha mengalami kesulitan dalam menetukan jumah prediksi nasi kucing. Oleh karena itu dibutuhkan data-data penilaian nasi kucing sekaligus memberikan prediksi jumlah nasi kucing. Penelitian ini untuk membuat sistem pendukung keputusan jumlah prediksi nasi kucing menggunakan metode Fuzzy Tsukamoto. Kriteria yang digunakan antara lain Pengunjung, penjualan, sisa produksi. Dengan menerapkan Metode Logika Fuzzy Tsukamoto yang hasilnya berupa jumlah rata-rata MSE. Diharapkan Dengan sistem yang dibuat sangat membantu pemilik usaha angkringan untuk menetukan jumlah prediksi nasi kucing selanjutnya.
Klasifikasi Mutu Beras Menggunakan Metode Learning Vector Quantizaion (LVQ) Maulana Anas Firdaus; Risa Helilintar; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i2.159

Abstract

Beras merupakan salah satu produk pangan pokok bagi sebagian besar penduduk dunia, termasuk penduduk Indonesia. Penilaian kualitas beras, merupakan kegiatan yang dilakukan sebelum beras dipasarkan. Inspeksi mutu beras masih dilakukan secara tradisional berdasarkan pada penglihatan tenaga ahli dan berpengalaman, yaitu dengan cara mengambil sampel beras secara random kemudian ditentukan kualitasnya, cara ini memiliki kelemahan seperti : adanya faktor subjektifitas yang menyebabkan perbedaan diantara satu pengamat dengan pengamat lainnya; adanya kelelahan fisik bila pengamat bekerja terlalu lama menyebabkan hasil pengamatan tidak konsisten. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat digunakan untuk mengklasifikasikan mutu/kualitas beras berdasarkan analisis pada citra digital beras. Sistem diharapkan dapat membantu untuk mengidentifikasi mutu beras yang akurat dan mudah pengoperasiannya, sehingga meningkatkan efisiensi kinerja penilai. Penentuan mutu beras dilakukan dengan menganalisis fitur warna, tekstur dari citra digital beras yang akan dijadikan sampel data penelitian dengan menerapkan metode Learning Vector Quantizaion(LVQ) sebagai metode pelatihan untuk pengenalan mutu beras. Proses pengujian diukur dari nilai putih, bersih, dan utuh dari citra beras. Nilai putih dan nilai bersih beras diperoleh dengan menganalisis nilai HSV pada citra beras, sedangkan nilai utuh diperoleh dengan menganalisis luas objek beras. Kemudian nilai putih, bersih dan utuh citra beras tersebut diklasifikasi ke dalam 3 kelas yaitu baik, kurang, dan buruk dengan menggunakan pohon keputusan. Hasilnya, identifikasi kualitas beras dengan citra digital dapat diaplikasikan dengan menggunakan metode waterfall dan telah dilakukan uji coba dengan menggunakan black box testing.
Perancangan Prediksi Prestasi Nilai Akademik Mahasiswa Menggunakan Metode K-Means Clustering Abimanyu Agung Saputro; Risa Helilintar
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i1.172

Abstract

Prediksi Prestasi Nilai Akademik Mahasiswa Menggunakan Metode K-Means Clustering. Penelitian ini dilatar belakangi, dosen wali belum mempunyai suatu indikator yang dapat digunakan untuk memprediksi prestasi akademik mahasiswa. Prediksi prestasi mahasiswa dapat digunakan untuk memberikan gambaran kepada mahasiswa tentang hasil akhir prestasi akademik yang akan diperolehnya. Prediksi prestasi akademik juga dapat digunakan sebagai peringatan awal kepada mahasiwa agar mahasiswa menjadi lulusan yang berkualitas yang mempunyai nilai prestasi akademik sesuai dengan standar. Pada penelitian ini, peneliti mencoba untuk menerapkan data mining dengan menggunakan metode clustering pada pengelompokan mahasiswa berdasarkan pretasi akademik yang diperoleh, pengelompokkan ini diharapkan menjadi suatu indikator bagi Dosen wali untuk memberikan bimbingan kepada mahasiswa. Prediksi prestasi akademik juga dapat digunakan sebagai peringatan awal kepada mahasiwa agar mahasiswa menjadi lulusan yang berkualitas yang mempunyai nilai prestasi akademik sesuai dengan standar, Berdasarkan penelitian tersebut dapat disimpulkan bahwa penelitian ini akan menghasilkan sebuah sistem yang memudahkan admin melakukan prediksi nilai berdasarkan kemampuan mahasiswa. Dengan penggunaan Algoritma K-Means Clusering hasil perhitungan antara cluster cukup baik,Dan dari penelitian ini diharapkan dapat dijadikan acuan untuk meningkatkan prestasi dari nilai akademik masing-masing mahasiswa
Implementasi Metode Multi Factor Evaluation Process dalam Sistem Pendukung Keputusan untuk Permintaan Kelayakan Kredit Bagas Dewantara; Risa Helilintar
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i1.173

Abstract

Dalam prroses penentuan kelayakan kredit pada UD.Akmal motor saat ini masih dilakukan secara subjektif dan atas dasar penilaian yang sudah ditentukan oleh perusahaan, sehingga terkadang menyebabkan lamanya waktu memberikankredit dan ketidakpuasaan serta menimbulkan pertanyaan. Dengan adanya sistem pendukung keputusan kelayakan kredit ini maka kriteria-kriteria penentuan menjadi lebih jelas dan keputusan yang dihasilkan menjadi lebih akurat karena telah sesuai dengan fakta/kenyataan yang ada. Penelitian dengan judul implementasi metode multi factor evaluation process untuk permintaan kelayakan kredit ini dirancang dengan maksud membantu pihak UD. Akmal Motor dalam mennetuntukan kreditur yang layak dengan memperluas kapabilitas mereka, namun tidak menggantikan penilaian mereka. Dalam penelitian ini ditetapkan ada 6 kriteria yang digunakan sebagai acuan dari sistem ini diantaranya Umur, Status, Pekerjaan, Penghasilan, Rekenging Listrik, Uang muka. Hasil dari perhitungan kredit menggunakan metode multi factor evaluation process ini dapat diperoleh data Bobot Evaluasi dari anam adalah 0,2158. bobot Evaluasi aris adalah 0,1895. bobot Evaluasi anang adalah 0,3053. bobot Evaluasi Agas adalah 0,3105. Kesimpulannya adalah aris mendapatkan nilai terendah yang menjadikanya belum layak direkomendasikan dan anang yang mendapat nilai tertinggi layak untuk mendapat rekomendasi kredit.
IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING UNTUK KELAYAKAN PEMBERIAN KREDIT SEPEDA MOTOR PADA PERUSAHAAN LEASING Risa Helilintar; Rini Indriati
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 1 No. 1 (2017): PROSIDING SEMNAS INOTEK Ke-I Tahun 2017
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v1i1.426

Abstract

Perusahaan leasing yang bergerak dibidang pembiayaan khusus jasa kredit motor. Pada umumnya, perusahaan leasing merekrut tenaga kerja di bagian Credit Analyst untuk melakukan analisis terhadap kemampuan membayar pemohon kredit dan survey lapangan untuk mengurangi kredit macet. Oleh karena itu, dalam upaya membantu Credit Analyst dalam kegiatan pengambilan keputusan konsumen layak kredit, diperlukan model sistem berbasis komputer yang dapat memberikan kemudahan dalam melakukan analisa data, perhitungan penilaian kriteria pemohon kredit, serta membantu pengolahan data menjadi informasi untuk mengambil keputusan dari masalah semi terstruktur tersebut. Sebuah sistem pendukung keputusan ( SPK ) merupakan pilihan tepat untuk membantu penyeleksian pemohon kredit. Sistem dirancang dengan menggunakan metode Simple Additive Weighting ( SAW ) yang merupakan salah satu metode Fuzzy Multiple Attribute Decission Making ( FMADM ). Metode SAW dipilih karena perhitungan pembobotan kriteria yang tidak terlalu rumit, sehingga mudah dipelajari bagi penulis dan pembaca. Sistem yang dibangun diharapkan dapat membantu Perusahaan Leasing, khususnya pada bagian Credit Analyst dalam melakukan penyeleksian pemohon kredit, sehingga dapat mempercepat proses penyeleksian pemohon kredit dan dapat mengurangi kesalahan dalam menentukan konsumen layak kredit
Perbandingan Metode Single Exponential Smoothing dan Least Square Pada Prediksi Penjualan Eka Yuniarti; Daniel Swanjaya; Risa Helilintar
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 2 No. 1 (2018): PROSIDING SEMNAS INOTEK Ke-II Tahun 2018
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v2i1.474

Abstract

Penelitian ini membandingkan dua metode, metode Single Exponential Smoothing dan Least Square. Subyek penelitian adalah data hasil penjualan pulsa dari konter Celladon Cell pada tanggal 1 Agustus 2017 sampai dengan 19 September 2017 untuk provider telkomsel, indosat dan three dengan pulsa reguler nominal 5.000, 10.000 dan 20.000. Pulsa internet 1, 2 dan 3 serta kartu perdana 1 dan 2. Hasil dari penelitian ini adalah prediksi pada tanggal 20 September 2017 untuk provider telkomsel nominal 5.000 adalah 2-6, nominal 10.000 adalah 6-12 dan nominal 20.000 adalah 3-7. Pulsa internet 1 sebanyak 1-5, internet 2 sebanyak 1-5 dan internet 3 sebnyak 6-10. Kartu perdana internet 1 sebanyak 3-3 dan Kartu perdana internet 2 sebanyak 6-10. Dari hasil perhitungan menggunakan metode Single Exponential Smoothing untuk nominal 5.000 diperoleh MAD sebesar 2,04, untuk nominal 10.000 diperoleh MAD sebesar 2,8 dan untuk nominal 20.000 diperoleh MAD sebesar 1,42, sedangkan dengan metode Least Square memperoleh hasil untuk nominal 5.000 diperoleh MAD sebesar 1,68, untuk nominal 10.000 diperoleh MAD sebesar 2,2 dan untuk nominal 20.000 diperoleh MAD sebesar 1,64. Dalam menentukan metode yang terbaik digunakan nilai MAD yang terkecil. Berdasarkan hasil analisa dari kasus ini maka dapat ditentukan bahwa bahwa metode Single Exponential Smoothing dan Least Square dapat diterapkan untuk memprediksi hasil penjualan periode berikutnya tergantung dengan data acuan yang digunakan sebagai subyek dan nilai error yang lebih kecil.
Co-Authors Abdurrahman Secondanu Mustakim Abimanyu Agung Saputro Achmad Zainul Karim Affandi Febrinsa Pratama Agra Anggakara Ahmad Bagus Setiawan Ahmad Fitra Hamdani Ahmad Jamaludin Ahnan, Miftah Aidina Ristyawan Alfin Aziema Alfino Wahyu Pramudya Anggakara, Agra Ani Asmawati Tani Antika, Firma Fuji Rinti Anwar Muzaki Ardi Sanjaya Bagas Dewantara Bahtiar, Miftahul Ilmi Big Daya Yudha Asmara Danang Wahyu Widodo Danar Putra Pamungkas, Danar Putra Dandyadex Dandyade Candra Daniel Swanjaya Deni Luvi Jayanto Eka Yuniarti Erwanto, Rio Aldi Fakhry Miftakhul Huda Fawaid, Muhammad Hasib Gadang Putro Bagus Setiyawan Gusnugraeni, Alifdyah Hermasrurin Hanif Al Fatta Haris Yulianto Heru Setiyawan Ida Ayu Putu Sri Widnyani Intan Nur Farida Inzaghi, Febri Wika Jamhari Jamhari Juhana Lillasari Julian Sahertian Karina Ananda Putri Khamdanni, Moh. M.Herma Pradipta Made Ayu Dusea Widyadara Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara Mahdiyah, Umi Maulana Anas Firdaus Mido, Gafana Oly Moch Nur Hudha Mochamad Syafroni Muhammad Mutafanninun Muhammad Nur Fachrudin Muhammat Arisona Firmansah Mukhtari, Nailusofa Al Muzan Ihda Khotmuniza Nugraha, Yoga Adi Nurhadi Nurhadi Patmi Kasih Prasetya, Marsha Auriel Ratih Kumalasari Niswatin Resty Wulaningrum Resty Wulanningrum Reza Mawarni Rini Indriati Risky Aswi R, Risky Rizki Dwi Febrian Rochana, Siti Rochana, Siti Rochana, Siti Rony Heri Irawan Salma Putri Awalina Santoso, Ricky Laschka Zidane Siti Rochana Siti Rochana Soim Arifin Teguh Adriyanto Uun Hidayat Widyadara , Made Ayu Dusea Wulandari, Miftakhul Yustikawan, Eko Tri