Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

1.066

P-Index

This Author published in this journals

All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika dan Rekayasa Komputer Jurnal Manajemen Teknologi dan Sistem Informasi Jurnal Pengabdian Masyarakat Unama

Yulia Arvita

Universitas Dinamika Bangsa

Author-ID : 5365381

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering

Published : 6 Documents Claim Missing Document

Claim Missing Document

Articles

Bidirectional Long Short-Term Memory and Word Embedding Feature for Improvement Classification of Cancer Clinical Trial Document Jasmir Jasmir; Willy Riyadi; Silvia Rianti Agustini; Yulia Arvita; Despita Meisak; Lies Aryani
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 4 (2022): Agustus 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

In recent years, the application of deep learning methods has become increasingly popular, especially for big data, because big data has a very large data size and needs to be predicted accurately. One of the big data is the document text data of cancer clinical trials. Clinical trials are studies of human participation in helping people's safety and health. The aim of this paper is to classify cancer clinical texts from a public data set. The proposed algorithms are Bidirectional Long Short Term Memory (BiLSTM) and Word Embedding Features (WE). This study has contributed to a new classification model for documenting clinical trials and increasing the classification performance evaluation. In this study, two experiments work are conducted, namely experimental work BiLSTM without WE, and experimental work BiLSTM using WE. The experimental results for BiLSTM without WE were accuracy = 86.2; precision = 85.5; recall = 87.3; and F-1 score = 86.4. meanwhile the experiment results for BiLSTM using WE stated that the evaluation score showed outstanding performance in text classification, especially in clinical trial texts with accuracy = 92,3; precision = 92.2; recall = 92.9; and F-1 score = 92.5.

Perancangan Sistem Absensi Facial Recognition Menggunakan CNN dan Liveness Detector pada BPR Central Dana Mandiri Khatina Sari; Jasmir; yulia arvita
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 1 (2022): JAKAKOM Vol 2 No 1 April 2022
Publisher : LPPM Universitas Dinamika Bangsa

− Pemanfaatan Facial Recognition berkembang pesat dalam berbagai bidang karena menawarkan kemudahan dalam penerapannya, untuk itu sistem ini juga dapat dimanfaatkan dalam proses pencatatan kehadiran di sebuah organisasi, terutama karena adanya perubahan kebutuhan semenjak pandemi terjadi yang menyebabkan keterbatasan interaksi antar individu dalam menjalankan aktivitasnya. Akan tetapi, dibutuhkan penambahan Liveness Detection sehingga manipulasi atau kecurangan sistem, seperti menggunakan foto untuk proses absensi, dapat dicegah. Pada penelitian ini, sistem absensi Facial Recognition dikembangkan dengan tujuan untuk meningkatkan efektivitas pencatatan kehadiran karyawan pada BPR Central Dana Mandiri. Selain itu, sistem absensi yang berteknologi touchless ini diharapkan mampu mengurangi risiko penularan virus antar karyawan di perusahaan tersebut. Sistem dirancang dengan algoritma Convolutional Neural Network untuk pendeteksian wajah dan perhitungan Eye Aspect Ratio (EAR) sebagai Liveness Detector. Berdasarkan hasil pengujian yang dilakukan, sistem dapat membedakan antara wajah yang terdaftar pada database dengan wajah asing dan hanya mencatat kehadiran karyawan setelah mengenali wajah karyawan tersebut serta mendeteksi kedipan matanya. Sedangkan dari hasil uji coba pengenalan wajah, didapatkan bahwa sistem dapat mengenali seluruh wajah yang berasal dari database sistem dengan tingkat akurasi sebesar 100%, sedangkan pengenalan wajah terhadap wajah-wajah random, yang didapatkan dari internet, memiliki tingkat akurasi sebesar 73,33%.

Penerapan Algoritma Clustering K-means untuk Menentukan Prioritas Penerima Bantuan Dana Sosial PKH di Kelurahan Kampung Singkep Sari Ufriani; Jasmir; Yulia arvita
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 3 No 1 (2023): JAKAKOM Vol 3 No 1 APRIL 2023
Publisher : LPPM Universitas Dinamika Bangsa

Program Keluarga Harapan (PKH) merupakan program yang bertujuan untuk mengurangi angka kemiskinan dan meningkatkan kualitas sumber daya manusia. Mengoptimalkan pemberian bantuan sesuai dengan harapan masyarakat yang membutuhkan. Data-data masyarakat miskin atau data terpadu kesejahteraan sosial diperlukan sebagai acuan untuk melakukan pengelompokan. Penelitian ini bertujuan untuk mempermudah tim penyeleksi memberikan bantuan sesuai dengan kriteria yang telah ditentukan apakah layak atau tidak layak menerima bantuan tersebut. Data yang digunakan dalam penelitian adalah data tahun 2020. Pengolahan data dalam penelitian ini menggunakan metode K-Means Clustering dengan jumlah 3 cluster yaitu cluster 1 (C1) Prioritas pertama, cluster 2 (C2) prioritas kedua dan cluster 3 (C3) Prioritas Ketiga. Dalam melakukan analisis penulis menggunakan alat bantu tools SPSS. Metode yang digunakan adalah metode k-means clustering dengan data 1001 KK 5 atribut dan 3 cluster. Jumlah cluster pada perhitungan manual dan menggunakan tools SPSS adalah, C1 terdapat 497 data, C2 terdapat 381 data, C3 terdapat 123 data.

Analisis pola pembelian produk pada PT Big Royal Lestari dengan Algoritma Apriori Maria Florensia; Jasmir; Yulia Arvita
Jurnal Manajemen Teknologi Dan Sistem Informasi (JMS) Vol 2 No 2 (2022): JMS Vol 2 No 2 September 2022
Publisher : LPPM STIKOM Dinamika Bangsa

PT Big Royal Lestari adalah perusahaan besar dalam industri biskuit di Indonesia. Perusahaan Pt Big Royal Lestari melakukan proses jual dan beli biskuit yang bermacam merek. Banyak transaksi jual beli pada perusahaan ini maka semakin banyak juga data penjualan dan pembeliaan maka lama kelamaan juga dapat bertambah banyak. Jika tidak di data maka data tersebut akan terbengkalai dan tidak berguna, maka daripada itu data pada proses transaksi pada proses penjualan ini akan terbuang dan tidak ada artinya. Dengan adanya perkembangan teknologi informasi maka akan semakin banyak juga cara untuk mengumpulkan serta mengolah data tersebut. Data-data transaksi penjualan dan pembelian itu bukan hanya memiliki fungsi sebagai arsip untuk perusahaan ini, tetapi juga data transaksi itu bisa dimanfaatkan serta diolah menjadi informasi yang bermanfaat dalam peningkatan penjualan dan juga pemasaran barang ataupun produk. Adapun tujuan dalam penelitian yaitu untuk menentukan bagaimana pola pembelian pada konsumen dengan cara menganalisa keterkaitan antara produk yang keluar secara bersamaan. Adapun metode dalam data mining yang akan digunakan pada penelitian ini yaitu metode assosiasi. Proses yang akan dilakukan yaitu untuk mengolah sebuah data yang di gunakan dalam penelitian ini dengan mengggunakan tools RapidMiner.

Implementasi Metode K-Means Clustering Untuk Menentukan Persediaan Barang Pada Toko SS BabyShop Andre Prayoga Rizkyandri; Jasmir; yulia arvita
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 3 No 2 (2023): JAKAKOM Vol 3 No 2 SEPTEMBER 2023
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jakakom.2023.3.2.1388

SS BABYSHOP merupakan salah satu toko usaha yang bergerak di bidang penjualan pakaian dan keperluan sehari hari di jambi, menentukan stok yang dilakukan secara manual dan tidak akurat akan menyebabkan biaya simpan yang tinggi, karena bisa terjadi kekosongan atau kelebihan produk tertentu. Hal ini tentu akan sangat merugikan semua pelaku usaha seperti halnya pada toko SS BABYSHOP. Penelitian ini bertujuan untuk mengelompokkan produk yang di jual pada toko SS BABYSHOP menjadi 5 cluster guna untuk mengetahui item barang apa saja yang terjual dengan jumlah paling banyak, terjual dengan jumlah banyak, terjual dengan jumlah sedang, terjual dengan jumlah sedikit, dan terjual dengan jumlah paling sedikit, sehingga untuk stok yang akan disediakan berdasarkan kelompok item barang pada cluster masing-masing yang telah ditentukan. Metode yang digunakan pada penelitian ini adalah K-Means Clustering mencari partisi yang optimal dari data dengan meminimalkan kritea jumlah kesalahan kuadrat dengan prosedur iterasi yang optimal. Variabel yang digunakan adalah jumlah transaksi,jumlah stok dan rata-rata penjualan.

Sosialisasi LIterasi dan Keamanan Digital Bagi Siswa/i SMA N 3 Kota Jambi: Sosialisasi LIterasi dan Keamanan Digital Bagi Siswa/i SMA N 3 Kota Jambi yulia arvita; Mochammad Arief Hermawan Sutoyo; Willy Riyadi; Yessi Hartiwi
Jurnal Pengabdian Masyarakat UNAMA Vol 2 No 1 (2023): JPMU Volume 2 Nomor 1 April 2023
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jpmu.2023.2.1.733

Kegiatan pengabdian kepada masyrakat ini bertempat di SMA Negeri 3 Kota Jambi yang beralamat di Jl. Dr Mawardi No 19 Kebun Handil, Kec Jelutung, Kota Jambi. Tujuan dilaksanakan kegiatan ini adalah untuk memberikan pemahaman tentang literasi digital dan keamanan digital serta siswa siswi tersebut dapat mengimplementasikan keamanan digital sehingga bisa menghindari penyalahgunaan media sosial dan sadar akan pentingnya keamanan saat berinternet. Kata Kunci : Sosialisasi, Keamanan digital, Literasi digital.

Co-Authors Andre Prayoga Rizkyandri Despita Meisak Jasmir Jasmir Jasmir Jasmir Khatina Sari Lies Aryani Maria Florensia Sari Ufriani Silvia Rianti Agustini Sutoyo, Mochammad Arief Hermawan WILLY RIYADI Yessi Hartiwi

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search