Articles
<![CDATA[Sistem Pakar Diagnosa Penyakit Balita Berbasis Web dengan Metode Certainty Factor ]]>
<![CDATA[Alfino Wahyu Pramudya]]>;
<![CDATA[Risa Helilintar]]>;
<![CDATA[Intan Nur Farida]]>
<![CDATA[ Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/noe.v8i02.25439
<![CDATA[Salah satu tantangan dalam dunia kesehatan balita adalah keterbatasan diagnosis awal. Oleh karena itu, penelitian ini mengembangkan sistem pakar berbasis web menggunakan metode Certainty Factor untuk membantu mendiagnosis lima penyakit umum pada balita, yaitu ISPA, kejang demam, penyakit kulit, demam berdarah dengue (DBD), dan diare. Sistem dirancang menggunakan Laravel versi 12 dan basis data MySQL, dengan konsep pengambilan keputusan berdasarkan kombinasi nilai keyakinan dari pakar (dokter) dan pasien. Data diperoleh melalui wawancara dengan dokter di Klinik Sinar Medika, mencakup penyakit, gejala, nilai Certainty Factor, dan penanganan awal setiap penyakit. Hasil penelitian ini dapat mengetahui tingkat kepastian atau persentase dari penyakit yang dialami balita berdasarkan gejala yang dimasukkan, dengan membangun sebuah sistem cerdas berbasis web yang mampu melakukan proses diagnosis melalui pengumpulan pengetahuan dari pakar. Sistem ini kemudian menerapkan metode Certainty Factor untuk menghasilkan nilai tingkat keyakinan terhadap kemungkinan penyakit berdasarkan gejala yang dialami balita.]]>
<![CDATA[Implementasi Algoritma K-Nearest Neighbor Penentuan Takaran Pakan Ikan ]]>
<![CDATA[Irawan, Rony Heri]]>;
<![CDATA[Rizki Dwi Febrian]]>;
<![CDATA[Risa Helilintar]]>
<![CDATA[ Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/noe.v8i02.25658
<![CDATA[Pemberian pakan merupakan salah satu faktor penting dalam budidaya ikan karena menyumbang sebagian besar dari total biaya operasional. Takaran pakan yang tidak tepat dapat menyebabkan pemborosan atau menghambat pertumbuhan ikan. Penelitian ini bertujuan untuk mengembangkan sistem penentuan takaran pakan ikan secara otomatis menggunakan algoritma K-Nearest Neighbor (KNN). Sistem menggunakan input berupa berat dan usia ikan untuk memprediksi persentase kebutuhan pakan harian, yang kemudian dikalikan dengan biomassa untuk menghasilkan jumlah pakan yang diperlukan. Penelitian dilakukan dengan pendekatan kuantitatif dan metode eksperimen. Data dikumpulkan melalui observasi dan wawancara dengan peternak ikan, kemudian melalui tahap pra-pemrosesan sebelum dilatih menggunakan KNN. Sistem ini juga merekomendasikan jenis pakan berdasarkan klasifikasi usia ikan. Aplikasi dibangun dengan framework Streamlit dan diuji melalui pengujian fungsional dan non-fungsional. Hasil pengujian menunjukkan bahwa sistem berjalan dengan baik, menghasilkan output yang konsisten, cepat diakses, dan mudah digunakan di berbagai perangkat. Dengan akurasi klasifikasi yang baik, sistem ini mampu membantu peternak, khususnya pemula, dalam menentukan takaran dan jenis pakan yang sesuai secara efisien dan berbasis data. Sistem ini diharapkan dapat meningkatkan efisiensi budidaya dan mendukung praktik akuakultur berkelanjutan]]>
<![CDATA[Algoritma C4.5 dalam Klasifikasi Kategori Pertandingan Atlet Pencak Silat ]]>
<![CDATA[Mido, Gafana Oly]]>;
<![CDATA[Helilintar, Risa]]>;
<![CDATA[Nur Farida, Intan]]>
<![CDATA[ Nusantara of Engineering (NOE) Vol 8 No 02 (2025): Volume 8 Nomor 2 - 2025 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/noe.v8i02.25715
<![CDATA[Penelitian ini bertujuan untuk mengklasifikasi atlet pencak silat perguruan silat nasional perisai putih kabupaten kediri menggunakan metode Decision Tree menggunakan algoritma C4.5. Data yang digunakan dalam penelitian ini meliputi kondisi fisik, teknik, dan mental atlet yang akan menjadi variabel dalam mengklasifikasikan kedalam kategori pertandingan. Proses penelitian dilakukan melalui tahap pengumpulan data, pemrosesan data, penerapan algoritma C4.5, dan evaluasi model klasifikasi. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu menginterpretasi faktor penting dalam melakukan klasifikasi. Model klasifikasi yang dihasilkan memiliki tingkat akurasi sebesar 64% yang menunjukkan bahwa algoritma C4.5 cukup efektif dalan memprediksi kategori pertandingan atlet pencak silat. Pada penelitian ini menghasilkan klasifikasi atlet pada tahun 2024 sebanyak 4 atlet pada katgeori tanding, 1 atlet pada seni tunggal, 2 atlet seni ganda dan 2 atlet seni regu. Hasil penelitian diharapkan dapat membantu pelatih dalam menentukan kategori pertandingan dan dapat dijadikan dasar pengambilan Keputusan dalam seleksi atlet yang akan ikut dalam event kompetisi pencak silat.]]>
<![CDATA[Optimizing Predictive Accuracy: A Study of K-Medoids and Backpropagation for MPX2 Oil Sales Forecasting ]]>
<![CDATA[Ramadhan, Ryan Akbar]]>;
<![CDATA[Swanjaya, Daniel]]>;
<![CDATA[Helilintar, Risa]]>
<![CDATA[ Advance Sustainable Science, Engineering and Technology Vol 6, No 1 (2024): November-January ]]>
Publisher : <![CDATA[Universitas PGRI Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26877/asset.v6i1.17665
<![CDATA[This study evaluates the use of K-Medoids and Backpropagation methods for predicting MPX2 Oil sales in the automotive workshop industry, which is crucial for meeting customer demands and refining sales strategies. Utilizing transaction data from 2022 to 2023, the study involves normalizing and processing this data with these algorithms to forecast stock levels, focusing on accuracy measures such as Mean Absolute Deviation (MAD) and Mean Squared Error (MSE). K-Medoids assist in identifying customer purchase patterns through clustering, while Backpropagation effectively predicts sales trends, enhancing accuracy through training. Implementing K-Medoids and Backpropagation algorithms in the research resulted in MSE value of 0.01969 and MAD value of 0.12200. These values indicate a high level of accuracy in the MPX2 Oil sales predictive model, as lower MSE and MAD values suggest greater accuracy and precision in forecasting. These findings provide valuable insights into the dynamics of MPX2 Oil sales, enabling companies to improve marketing strategies, transaction management, and inventory strategies.]]>
<![CDATA[Penerapan Aplikasi E-Business Sebagai Salah Satu Usaha Peningkatan Penjualan Tanaman ]]>
<![CDATA[Wulanningrum, Resty]]>;
<![CDATA[Helilintar, Risa]]>;
<![CDATA[Ramadhani, Risky Aswi]]>;
<![CDATA[Karim, Achmad Zainul]]>
<![CDATA[ Jurnal ABDINUS : Jurnal Pengabdian Nusantara Vol 1 No 1 (2017): Volume 1 Nomor 1 Tahun 2017 ]]>
Publisher : <![CDATA[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
<![CDATA[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.]]>
<![CDATA[Implementasi Data Mining Pada Hasil Penjualan Barang Menggunakan Metode K-Means Clustering ]]>
<![CDATA[Huda, Fakhry Miftakhul]]>;
<![CDATA[Helilintar, Risa]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i2.121
<![CDATA[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.]]>
<![CDATA[Sistem Pengolahan Data E-Arsip Rumah Sakit Bhayangkara Kediri ]]>
<![CDATA[Syafroni, Mochamad]]>;
<![CDATA[Setiawan, Ahmad Bagus]]>;
<![CDATA[Helilintar, Risa]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i2.152
<![CDATA[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.]]>
<![CDATA[Prediksi Jumlah Produksi Nasi Kucing di Angkringan Nasi Kucing 68 Menggunakan Metode Fuzzy Tsukamoto ]]>
<![CDATA[Pradipta, M.Herma]]>;
<![CDATA[Helilintar, Risa]]>;
<![CDATA[Setiawan, Ahmad Bagus]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i2.158
<![CDATA[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.]]>
<![CDATA[Klasifikasi Mutu Beras Menggunakan Metode Learning Vector Quantizaion (LVQ) ]]>
<![CDATA[Firdaus, Maulana Anas]]>;
<![CDATA[Helilintar, Risa]]>;
<![CDATA[Swanjaya, Daniel]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 2 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i2.159
<![CDATA[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.]]>
<![CDATA[Perancangan Prediksi Prestasi Nilai Akademik Mahasiswa Menggunakan Metode K-Means Clustering ]]>
<![CDATA[Saputro, Abimanyu Agung]]>;
<![CDATA[Helilintar, Risa]]>
<![CDATA[ Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 1 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020 ]]>
Publisher : <![CDATA[Universitas Nusantara PGRI Kediri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29407/inotek.v4i1.172
<![CDATA[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]]>
