Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Jurnal ULTIMATICS Malcom: Indonesian Journal of Machine Learning and Computer Science Almantiq
Nirma Ceisa Santi
Universitas Nahdlatul Ulama Sunan Giri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Teakwood Grade Identification with GLCM and K-NN with Adaboost Optimization Nirma Ceisa Santi; Hastie Audytra
ULTIMATICS Vol 14 No 1 (2022): Ultimatics : Jurnal Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/ti.v14i1.2679

Abstract

Teak is one type of tree that has many functions and uses. Teak wood has a very high quality to be used as raw material for the manufacture of home furniture such as tables, chairs, cabinets, and others. But middle testers (Perhutani staff) who test the quality of wood grade have limitations if the classification uses the five senses of sight and also there are still many furniture entrepreneurs who are often mistaken about teak wood quality assessment. This resulted in a lack of quality grade teak wood used as raw material for making home appliances or for furniture and trade needs under the Perhutani Corporation, especially the Cepu Kph. The teak wood image data is then acquired through preprocessing data ready to be processed. By using GLCM as an image feature extraction both training data and testing data. After the image characteristics are obtained, the image is classified by the K-Nearest Neighbor method with adaboost optimization. The final result is obtained in the form of wood grade quality classification namely grade A, B, C and D according to the class
Penerapan Algoritma Supervised Learning untuk Klasifikasi Program Keluarga Harapan: Application of Supervised Learning Algorithm for Classification of Family Hope Program Muhammad Syarif Hartawan; Moh. Erkamim; Sitti Rachmawati; Nirma Ceisa Santi; Legito Legito; Sepriano Sepriano
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.873

Abstract

Penelitian ini dimaksudkan untuk melakukan klasifikasi terhadap penerima bantuan Program Keluarga Harapan (PKH) Kota Pekanbaru dengan membandingkan tiga metode sekaligus yaitu K-Nearest Neighbor (KNN), Probalistic Neural Network (PNN) dan Naive Bayes Classifier (NBC).Atribut yang digunakan dalam proses klasifikasi adalah Jumlah Anak SD, Jumlah Anak SMP, Jumlah Ibu Hamil, dan Jumlah Anak dibawah lima tahun (Balita), atribut ini berdasarkan panduan Tim Nasional Penangulangan dan Penanganan Kemiskinan (TNP2K) Kementrian Sosial Republik Indonesia. Proses klasifikasi dilakukan terhadap Rumah Tangga Sangat Miskin (RTSM) sebagai data training dengan jumlah 450 data sebagai data testing dengan jumlah 10 data, sehingga dengan melakukan perbandingan didapatlah hasil akurasi yang bervariasi diantara ke-tiga metode. Metode Nave Bayes (NBC) memiliki hasil akurasi yanng paling tinggi dengan hasil akurasi 80%, yang dibandingkan dengan metode KNN 20% dan PNN 10% maka Metode Nave Bayes(NBC) ditetapkan menjadi metode terbaik untuk kasus pengklasifikasian program keluarga  harapan (PKH) Kota Pekanbaru.
Rancang Bangun Aplikasi Peramalan Stok Barang dengan Metode Double Exponential Smoothing di Outlet Hasindo Nirma Ceisa Santi; Fika Rosa Melinda
Multidisciplinary Applications of Quantum Information Science (Al-Mantiq) Vol. 1 No. 1 (2021): Multidisciplinary Applications of Quantum Information Science (Al-Mantiq)
Publisher : Al-Mantiq

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/almantiq.v1i1.324

Abstract

— Outlet Hasindo menjual berbagai macam barang yang biasa dijual ditempat pariwisata. Untuk kegiatan penjualan Outlet Hasindo setiap harinya melakukan kegiatan mencatat secara manual dalam stok setiap harinya, jika dilakukan berulang seperti ini akan terjadi kekeliruan mungkin jika ada catatan yang terlewat. Mungkin memerlukan program aplikasi untuk mencatat transaksi penjualan dan pembelian agar dapat terinput di database komputer. Dari permasalahan yang ada yaitu tentang manajemen stok barang, bilamana ketiadaan stok oleh sebab itu bisa terjadi lost of sales. Maka merancang Aplikasi Peramalan Stok Barang dengan Metode Double Exponential Smoothing di Outlet Hasindo dilakukan agar aplikasi dapat melakukan proses peramalan stok barang dalam setiap bulan kedepan untuk dapat memprediksi stok barang yang menggunakan kriteria yang digunakan sebagai parameter peramalan yaitu data bulan sebelumnya. Namun Aplikasi yang hanya dapat digunakan pada Outlet Hasindo Penelitian yang penulis lakukan disini adalah penelitian lapangan dengan menggunakan pendekatan kuantitatif dilakukan di Outlet Hasindo. Pengumpulan data yang dibutuhkan penulis menggunakan teknik, yaitu wawancara dan observasi dalam pembahasannya digunakan metode deskriptif. Dari hasil penelitian yang dilakukan tentang Peramalan Stok Barang yaitu dapat ditarik kesimpulan bahwa aplikasi telah berhasil menerapkan metode sesuai rancangan. Pengujian nilai akurasi peramalan dengan menggunakan penilaian dengan MAPE (Mean Absolute Percentage Error) menunjukan kesimpulan yang sangat bagus karena di temukan nilai sebesar 0,0747% pada alpha 0,9 sehingga dapat mengurangi resiko barang kadaluarsa
Co-Authors Fika Rosa Melinda Hastie Audytra Legito . Moh. Erkamim Muhammad Syarif Hartawan Sepriano Sepriano Sitti Rachmawati