Article Per Year (5 Year)
p-Index From 2021 - 2026
1.295
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA CESS (Journal of Computer Engineering, System and Science) Petir
Harni Kusniyati
Universitas Mercu Buana
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Clustering Analysis in Sales Grouping Using The K-Means Algorithm at Cafe 47°Coffee Raihan Hidayat; Harni Kusniyati
CESS (Journal of Computer Engineering, System and Science) Vol 7, No 2 (2022): July 2022
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v7i2.35569

Abstract

Cafe 47°Coffee adalah cafe yang bergerak dibidang kuliner yang menyediakan makanan maupun minuman. Dengan banyaknya pesaing bisnis  dibidang cafe  maka dari itu pengusaha cafe 47°Coffee diharuskan mampu bersaing dengan memanfaatkan dari data transaksi untuk menentukan suatu strategi penjualan. Data yang akan digunakan pada penelitian ini yaitu data penjualan dari bulan Juli 2021 sampai Februari 2022.   Pengusaha cafe 47°Coffee memanfaatkan Data Mining untuk membantu mengambil keputusan strategi penjualan agar dapat mengetahui  produk yang harus di tingkatkan dan memberi solusi pengambil keputusan, Metode Clustering dengan menggunakan algoritma K-Means adalah salah satu metode yang akan digunakan pada penelitian ini. Pengusaha Cafe 47°Coffee mengelompokan produk kedalam 3 kriteria yaitu sangat laku, laku, dan tidak laku. Data diolah dengan perhitungan manual dan menggunakan tools Rapid Miner untuk melakukan pengujian, sehingga dapat hasil akhir berupa 4 item cluster sangat laku yakni V60, Caramel Coffe Latte, Red Velvet, dan Coklat , 7 item cluster laku yakni Cappucino, Vanilla Coffe Latte, Hazelnut, Taro, Lychee Tea, Japanese, dan Greentea, 14 item cluster tidak laku yakni Americano, Espresso, Moccacino, Kopi tubruk, Vietnam Drip, Kopi sundan, Avocado Coffe Latte, Match, Strawberry Tea, Milkshake Strawberry, Banana, Cofee Lemon, Kopi susu, dan risol. Dari proses clustering menggunakan algoritma k-means diatas diperoleh nilai DBI (Davice Bouldin Index) dengan nilai -0,813. Hasil ini dapat dimanfaatkan pengusaha Cafe 47°Coffee untuk meningkatkan strategi penjualan dan manajemen stok.
Web-Based Sales Application Using Selection Sort and Sequential Search Algorithms at Mba Tik Stores Muhammad Hanafi Saputra; Harni Kusniyati
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.46827

Abstract

Toko Mba Tik merupakan salah satu toko yang melayani penjualan berbagai jenis kebutuhan kerumahan seperti beras, gula, jajanan, sabun dan lain-lain, serta beberapa jenis barang dalam skala besar dan juga kecil. Saat ini Toko Mba Tik memiliki sistem transaksi penjualan dan pembelian yang masih menggunakan sistem manual yaitu dengan melakukan pencatatan di dalam buku besar. Untuk sebagai pemecahnya, dirancangnya suatu aplikasi atau sistem informasi penjualan yang berbasis web yang diharapkan akan dapat membantu dalam memproses dan menyimpan data (laporan) dengan cepat, ringkas, dan rapih sekaligus menghemat waktu dan uang. Sistem Informasi Penjualan ini nantinya akan menggunakan Algoritma Selection Sort dan Sequential Search.  Penggunaan Algortima Selection Sort berfungsi untuk mengurutkan data dari nilai terkecil ke terbesar atau sebaliknya, sedangkan untuk penggunaan Algoritma Sequential Searching berfungsi untuk mendapatkan atau mencari suatu informasi data dapat lebih mudah dan cepat. Setelah dilakukan 2 kali percobaan pengujian pencarian data dengan metode Sequential Search, pengujian kecepatan pencarian dengan microtime menunjukkan bahwa Algoritma Sequential Search memiliki kinerja yang cepat, dengan rata-rata waktu pencarian sekitar 0,002 detik untuk jumlah data yang tidak terlalu besar atau terbatas.Mba Tik shop is one of the shops that sells various types of household needs such as rice, sugar, snacks, soap and others, as well as several types of goods on a large and small scale. Currently, Toko Mba Tik has a sales and purchase transaction system that still uses a manual system, namely by recording it in a ledger. As a solution, a computer-based sales information system is designed which is expected to be able to assist in processing and storing data (reports) quickly, concisely and neatly as well as saving time and costs. This Sales Information System will later use Selection Sort and Sequential Search Algorithms. The use of the Selection Sort Algorithm functions to sort data from the smallest to the largest value or vice versa, while the use of the Sequential Searching Algorithm functions to obtain or search for data information more easily and quickly. After conducting 2 trials of testing data search using the Sequential Search method, testing the search speed with the microtime function shows that the Sequential Search Algortima can perform searches quickly, namely an average of 0.002 seconds for data that is relatively limited or not too much.
Evaluasi Performa Naive Bayes dan SVM dalam Analisis Sentimen Kendaraan Listrik di Media Sosial Twitter Hendrawan, Gigih Nur; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.54086

Abstract

Perkembangan teknologi dalam industri otomotif telah mengalami kemajuan yang signifikan, Salah satu pendorong utama perubahan ini adalah kebutuhan untuk mengatasi masalah lingkungan terutama pencemaran udara yang dihasilkan kendaraan bermotor yang berkontribusi terhadap perubahan iklim global. Kendaraan listrik dinilai sebagai salah satu solusi yang lebih ramah lingkungan dan berkelanjutan. Kendaraan listrik adalah jenis kendaraan yang menggunakan listrik sebagai sumber daya utama untuk menggerakkan mesin atau motor yang menggerakkan kendaraan tersebut. Jenis penelitian yang dipergunakan adalah penelitian kuantitatif yang mengacu pada pendekatan penelitian dengan cara mengumpulkan data yang dapat diukur secara numerik atau menggunakan metode statistik untuk menganalisis data tersebut. Tujuan utama penelitian ini adalah untuk memperbandingkan kinerja antara Algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen masyarakat terhadap kendaraan listrik di media sosial Twitter, dengan fokus pada mengukur tingkat akurasi, recall, dan presisi dari kedua algoritma tersebut. Evaluasi komparatif antara Support Vector Machine (SVM) dan Naive Bayes dalam klasifikasi sentimen data Twitter menunjukkan bahwa SVM secara signifikan lebih unggul dengan akurasi 95.79% dibandingkan Naive Bayes yang memiliki akurasi 87.39%. SVM menonjol dalam mengklasifikasikan sentimen ''negatif'' dan ''positif'' dengan lebih akurat, sementara Naive Bayes cenderung melakukan lebih banyak kesalahan klasifikasi, walaupun SVM menunjukkan hasil yang menjanjikan, terdapat kekhawatiran mengenai overfitting.
Komparasi Performa VGG19, ResNet50, DenseNet121 dan MobileNetV2 Dalam Mendeteksi Gambar Deepfake Angeline, Angeline; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.58671

Abstract

Deepfake secara pesat menjadi potensi ancaman keamanan siber yang dapat memanipulasi gambar, video, bahkan audio dengan sangat realistis sehingga manusia mengalami kesulitan dalam membedakan apakah sebuah media adalah asli atau merupakan hasil manipulasi kecerdasan buatan. CNN menjadi salah satu metode yang dikembangkan sebagai solusi. Banyaknya varian model CNN membuka potensi untuk pengembangan lebih lanjut. Penulis mengumpulkan dari berbagai sumber 1,000 citra wajah asli dan 1,000 citra wajah deepfake yang kemudian diperluas dengan teknik augmentasi data untuk melatih, memvalidasi, dan menguji empat varian model CNN yaitu VGG19, ResNet50, DenseNet121, dan MobileNetV2, dengan tujuan untuk menentukan varian yang paling efektif sebagai basis model yang dapat dikembangkan menjadi detektor deepfake. Evaluasi dan perbandingan performa dengan teknik confusion matrix menunjukkan bahwa di antara keempat model, ResNet50 memiliki performa terbaik dengan akurasi 91,5%, presisi 90%, dan recall 91,3%.
Aplikasi Chatbot sebagai Alat Bantu Manajemen Stok Barang: Studi Kasus pada PT. Universal Dimensi Komputer Lourenza, Cynthia; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.60342

Abstract

Penelitian ini menyelidiki penerapan chatbot sebagai alat bantu dalam manajemen stok barang di PT. Universal Dimensi Komputer, dengan tujuan meningkatkan efisiensi operasional. Perusahaan menghadapi tantangan seperti keterlambatan dan ketidakakuratan data dalam manajemen stok, dan chatbot diharapkan dapat memberikan solusi efektif. Penelitian ini mengintegrasikan chatbot ke dalam sistem manajemen stok dan mengevaluasi kinerjanya berdasarkan waktu respons, akurasi informasi, dan beban kerja manajerial. Telegram menjadi pilihan utama karena paling mudah diakses oleh semua kalangan. Penggunaan bot ini untuk tim penjualan untuk mengetahui jumlah stok barang atau mengurangi stok jika terjadi penjualan secara mudah. Temuan ini menunjukkan bahwa chatbot sangat efektif dalam mempercepat proses, memastikan data yang tepat, dan memungkinkan fokus yang lebih besar pada pengambilan keputusan strategis. Penelitian ini memberikan wawasan berharga mengenai penerapan teknologi chatbot dalam manajemen stok barang dan menawarkan rekomendasi untuk adopsi yang lebih luas di industri distribusi.
Evaluasi Performa Naive Bayes dan SVM dalam Analisis Sentimen Kendaraan Listrik di Media Sosial Twitter Hendrawan, Gigih Nur; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.54086

Abstract

Perkembangan teknologi dalam industri otomotif telah mengalami kemajuan yang signifikan, Salah satu pendorong utama perubahan ini adalah kebutuhan untuk mengatasi masalah lingkungan terutama pencemaran udara yang dihasilkan kendaraan bermotor yang berkontribusi terhadap perubahan iklim global. Kendaraan listrik dinilai sebagai salah satu solusi yang lebih ramah lingkungan dan berkelanjutan. Kendaraan listrik adalah jenis kendaraan yang menggunakan listrik sebagai sumber daya utama untuk menggerakkan mesin atau motor yang menggerakkan kendaraan tersebut. Jenis penelitian yang dipergunakan adalah penelitian kuantitatif yang mengacu pada pendekatan penelitian dengan cara mengumpulkan data yang dapat diukur secara numerik atau menggunakan metode statistik untuk menganalisis data tersebut. Tujuan utama penelitian ini adalah untuk memperbandingkan kinerja antara Algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen masyarakat terhadap kendaraan listrik di media sosial Twitter, dengan fokus pada mengukur tingkat akurasi, recall, dan presisi dari kedua algoritma tersebut. Evaluasi komparatif antara Support Vector Machine (SVM) dan Naive Bayes dalam klasifikasi sentimen data Twitter menunjukkan bahwa SVM secara signifikan lebih unggul dengan akurasi 95.79% dibandingkan Naive Bayes yang memiliki akurasi 87.39%. SVM menonjol dalam mengklasifikasikan sentimen ''negatif'' dan ''positif'' dengan lebih akurat, sementara Naive Bayes cenderung melakukan lebih banyak kesalahan klasifikasi, walaupun SVM menunjukkan hasil yang menjanjikan, terdapat kekhawatiran mengenai overfitting.
Komparasi Performa VGG19, ResNet50, DenseNet121 dan MobileNetV2 Dalam Mendeteksi Gambar Deepfake Angeline, Angeline; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.58671

Abstract

Deepfake secara pesat menjadi potensi ancaman keamanan siber yang dapat memanipulasi gambar, video, bahkan audio dengan sangat realistis sehingga manusia mengalami kesulitan dalam membedakan apakah sebuah media adalah asli atau merupakan hasil manipulasi kecerdasan buatan. CNN menjadi salah satu metode yang dikembangkan sebagai solusi. Banyaknya varian model CNN membuka potensi untuk pengembangan lebih lanjut. Penulis mengumpulkan dari berbagai sumber 1,000 citra wajah asli dan 1,000 citra wajah deepfake yang kemudian diperluas dengan teknik augmentasi data untuk melatih, memvalidasi, dan menguji empat varian model CNN yaitu VGG19, ResNet50, DenseNet121, dan MobileNetV2, dengan tujuan untuk menentukan varian yang paling efektif sebagai basis model yang dapat dikembangkan menjadi detektor deepfake. Evaluasi dan perbandingan performa dengan teknik confusion matrix menunjukkan bahwa di antara keempat model, ResNet50 memiliki performa terbaik dengan akurasi 91,5%, presisi 90%, dan recall 91,3%.
Aplikasi Chatbot sebagai Alat Bantu Manajemen Stok Barang: Studi Kasus pada PT. Universal Dimensi Komputer Lourenza, Cynthia; Kusniyati, Harni
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.60342

Abstract

Penelitian ini menyelidiki penerapan chatbot sebagai alat bantu dalam manajemen stok barang di PT. Universal Dimensi Komputer, dengan tujuan meningkatkan efisiensi operasional. Perusahaan menghadapi tantangan seperti keterlambatan dan ketidakakuratan data dalam manajemen stok, dan chatbot diharapkan dapat memberikan solusi efektif. Penelitian ini mengintegrasikan chatbot ke dalam sistem manajemen stok dan mengevaluasi kinerjanya berdasarkan waktu respons, akurasi informasi, dan beban kerja manajerial. Telegram menjadi pilihan utama karena paling mudah diakses oleh semua kalangan. Penggunaan bot ini untuk tim penjualan untuk mengetahui jumlah stok barang atau mengurangi stok jika terjadi penjualan secara mudah. Temuan ini menunjukkan bahwa chatbot sangat efektif dalam mempercepat proses, memastikan data yang tepat, dan memungkinkan fokus yang lebih besar pada pengambilan keputusan strategis. Penelitian ini memberikan wawasan berharga mengenai penerapan teknologi chatbot dalam manajemen stok barang dan menawarkan rekomendasi untuk adopsi yang lebih luas di industri distribusi.
Co-Authors Angeline angeline Arum Waruju Jono Putro Erick Estrada Hendrawan, Gigih Nur Lourenza, Cynthia Muhammad Hanafi Saputra Nicky Saputra Pangondian Sitanggang Raihan Hidayat Raka Yusuf Raka Yusuf Yoga Hapsara Mursidigama Yuyus Mohayus