Article Per Year (5 Year)
p-Index From 2021 - 2026
5.832
P-Index
This Author published in this journals
All Journal Jurnal Simetris Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Jurnal Sains dan Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JAMI: Jurnal Ahli Muda Indonesia JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat The Indonesian Journal of Computer Science Research Nusantara of Engineering (NOE) Insand Comtech : Information Science and Computer Technology Journal JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Jurnal Informatika: Jurnal Pengembangan IT Jurnal Pengabdian Masyarakat Nusantara Advance Sustainable Science, Engineering and Technology (ASSET)
Aidina Ristyawan, Aidina
STMIK AMIKOM Yogyakarta
Agriculture, Biological Sciences & Forestry Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Social Sciences Transportation

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 1   2   3   4   5 
Prediksi Customer Churn Menggunakan Algoritma Decision Tree Putriani, Dewi; Prayogi, Anindita Puspa Ayu; Shofyana, Altha Inas; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4914

Abstract

Dalam era bisnis modern, mempertahankan pelanggan yang ada seringkali lebih menguntungkan dibanding menarik pelanggan baru. Salah satu tantangan terbesar adalah churn atau hilangnya pelanggan. Prediksi churn menggunakan data mining, khususnya algoritma decision tree, memungkinkan perusahaan untuk mengidentifikasi faktor - faktor penyebab churn dan mengklasifikasikan pelanggan berdasarkan kemungkinan mereka untuk berhenti berlangganan. Penelitian ini menggunakan metodologi SEMMA (Sample, Explore, Modify, Model, Assess) untuk menganalisis dataset customer churn yang terdiri dari 64.000 data. Hasil penelitian menunjukkan bahwa model decision tree memiliki performa prediksi lebih tinggi dibandingkan algoritma lainnya, dengan akurasi mencapai 99.7%, precision 99.7%, recall 99.7%, dan F1-score 99.7%. Temuan ini memberikan wawasan penting bagi perusahaan dalam mengembangkan strategi retensi pelanggan yang lebih efektif.
Analisis Kinerja Algoritma Data Mining pada Klasifikasi Tingkat Obesitas dengan K-Fold Cross Validation dan AUC Santoso, Heru Teguh; Felmidi, Ferdian Ahmat; Fadhila, Amelia Nur; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4917

Abstract

Obesitas menjadi masalah kesehatan global yang serius dengan dampak signifikan terhadap kualitas hidup dan risiko penyakit kronis. Klasifikasi tingkat obesitas menggunakan data mining dapat membantu dalam pencegahan dan pengelolaan obesitas. Penelitian ini bertujuan untuk menganalisis kinerja algoritma data mining seperti Naive Bayes, K-Nearest Neighbors (KNN), Decision Trees, Random Forest, dan C4.5 pada klasifikasi tingkat obesitas dengan K-Fold Cross Validation dan AUC. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki kinerja terbaik dengan akurasi 96% dengan standart deviasi antar lipatan 0,02 dan nilai AUC 1 atau sempurna dibandingkan algoritma lainnya. Penggunaan model Random Forest dapat memberikan rekomendasi yang lebih akurat dalam upaya pencegahan dan penanganan obesitas. Penelitian ini penting karena dapat membantu dalam deteksi dini dan penanganan obesitas secara lebih efektif.
Prediksi Data Kelulusan Mahasiswa Dengan Metode Decision Tree menggunakan Rapidminer Faruq, Umar Al; Fauzi, Mohammad Ainun Naja; Fatayasya, Ikhfal; Daniati, Erna; Ristyawan, Aidina
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4919

Abstract

Prediksi kelulusan mahasiswa adalah upaya untuk memperkirakan kemungkinan seorang mahasiswa menyelesaikan studinya tepat waktu atau tidak. Hal ini sangat penting untuk membantu institusi pendidikan dalam mengambil keputusan yang lebih tepat dalam mengelola program pendidikan. Melalui penelitian ini, institusi pendidikan dapat membuat keputusan yang lebih tepat. Tujuan utama dari penelitian ini adalah untuk memprediksi kelulusan mahasiswa dengan akurasi tinggi. Penelitian ini dilakukan menggunakan perangkat lunak RapidMiner, serta menggunakan metode Decision Tree, dengan data mahasiswa yang memiliki berbagai variabel seperti umur, status kelulusan, dan IPK. Hasil penelitian menunjukkan bahwa akurasi prediksi kelulusan mencapai 96,57%. Penelitian ini juga dapat menjadi referensi bagi penelitian lanjutan dalam bidang prediksi data kelulusan mahasiswa.
Penerapan Regresi Linear Menggunakan RapidMiner Untuk Memprediksi Penjualan dan Persediaan Pradhana, Akmal Hisyam; Irfa’udin, Muhammad; Firmansyah, Achmad Ali; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4939

Abstract

Prediksi dilakukan untuk meramalkan penjualan dan stok masa depan agar dapat memenuhi kebutuhan konsumen. Meramalkan sangat penting karena berkaitan langsung dengan jumlah barang yang terjual dan memungkinkan perencanaan strategi penjualan untuk periode mendatang. Prediksi didasarkan pada data penjualan atau permintaan dari periode sebelumnya. Penelitian bertujuan untuk menerapkan regresi linear menggunakan RapidMiner sebagai alat bantu analisis dalam memprediksi penjualan dan persediaan pada Keripik Assri. Melalui penelitian ini, UMKM dapat membuat keputusan yang lebih tepat. Metode penelitian yang digunakan adalah knowledge discovery in database (KDD) dan dilakukan menggunakan RapidMiner versi 10.3 dengan data penjualan dan stok pada tahun 2019 sampai 2024. Hasil menunjukkan bahwa nilai Root Mean Squared Error (RMSE) untuk penjualan dan stok adalah 0.000 +/- 0.000. Ini menunjukkan selisih antara hasil prediksi model dan nilai sebenarnya sangat kecil, menunjukkan tingkat akurasi yang sangat tinggi.
Perbandingan Algoritma Naive Bayes Dan Desicion Tree Dalam Pengujian Data Anemia Menggunakan K-Fold Cross Validation Wardhani, Aurel Fransisca Kusuma; Kamilatutsaniya, Nila; Alamsyah, M Alfianto; Daniati, Erna; Ristyawan, Aidina
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4945

Abstract

Anemia mempengaruhi sekitar 1/3 dari populasi dunia, anemia adalah masalah kesehatan global yang perlu dipertimbangkan. Karena meningkatnya prevalensi anemia pada wanita, gadis remaja lebih rentan terhadap penyakit ini daripada remaja laki-laki. Anemia adalah istilah untuk konsentrasi hemoglobin rendah dalam eritrosit. Salah satu cara untuk menentukan anemia seseorang adalah dengan memeriksa kadar hemoglobin mereka. Kadar hemoglobin pada wanita di atas 15 lebih dari 12,0 g / dl (7,5 mmol). Penelitian ini bertujuan untuk menilai seberapa baik kinerja dua algoritma klasifikasi menggunakan dataset Kaggle untuk memprediksi anemia. Decision Tree dan Naive Bayes adalah algoritma yang diuji. Pada penelitian ini, menggunakan metode percobaan (eksperimen). Langkah- langkah pemrosesan yang digunakan termasuk pengambilan data, pemilihan, persiapan, perubahan, dan pembagian data untuk memisahkan data pelatihan dan pengujian. Nilai yang dievaluasi dinilai melalui validasi lintas batas, akurasi, presisi, recall, dan skor F1. Berdasarkan hasil, algoritma pohon keputusan ditemukan memiliki tingkat akurasi 99% setelah penyeimbangan data dan validasi silang. Setelah melakukan validasi silang kami menemukan bahwa proses penyeimbangan meningkatkan akurasi. Kesimpulannya, penggunaan algoritma Decision Tree dan Naive Bayes untuk memprediksi anemia memberikan wawasan penting dalam pengelolaan dan diagnosis anemia, terutama pada remaja putri.
Implementasi Data Mining dengan Algoritma K-Nearest Neighbors untuk Memprediksi Risiko Diabetes Menggunakan Chatbot Telegram Muzaki, Muhammad Reza; Nurfajriana, Intan Melinda; Ilahi, Ferlita Putri Anugerah; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4946

Abstract

Diabetes merupakan penyakit kronis yang disebabkan karena tingginya kadar gula dalam darah. Menurut International Diabetes Federation (IDF) memperkirakan pada tahun 2045, angka penderita diabetes akan meningkat menjadi 11,3% pada keseluruhan total penduduk di Indonesia. Penyakit diabetes dengan cepat menyebar dalam tubuh seseorang dengan cepat, dan banyak masyarakat yang menyadari akan hal ini. Dengan integrasi kedalam chatbot telegram di harapkan bisa membantu untuk memprediksi risiko diabetes. Model data mining menggunakan algoritma KNN mendapatkan hasil akurasi sebesar 95%, recall sebesar 99%, dan presisi sebesar 89,1%
Implementasi Metode K-Nearest Neighbor Untuk Memprediksi Kondisi Cuaca Priyanto, Evania; Daniati, Erna; Ristyawan, Aidina
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4954

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) menggunakan aplikasi RapidMiner untuk memprediksi kondisi cuaca. Mengingat cuaca memiliki pola yang tidak menentu, prediksi manual menjadi sangat sulit. Meskipun cuaca tidak dapat diprediksi dengan kepastian absolut, perkiraan masih dapat dibuat. Dalam konteks ini, data mining memungkinkan mesin untuk mengenali dan mempelajari pola data yang kompleks. Oleh karena itu, machine learning dapat digunakan untuk mempelajari pola data cuaca guna melakukan prediksi. Penelitian ini menggunakan enam variabel sebagai kriteria, yaitu tanggal, curah hujan, suhu maksimum, suhu minimum, kecepatan angin, dan kondisi cuaca. Pengujian yang dilakukan menggunakan algoritma K-Nearest Neighbor (KNN) melalui aplikasi RapidMiner dengan nilai K=2 menunjukkan akurasi sebesar 100%, berdasarkan 1462 data yang diambil dari tahun 2012 hingga 2015. Hasil analisis membuktikan bahwa metode KNN yang diterapkan dengan aplikasi RapidMiner efektif dalam memprediksi cuaca.
Analisis Kombinasi Produk Bakery Menggunakan Apriori FP-Growth Putra, Regi Candra Purnama; Dzatama, Krisna Fahrizal; Syafa’at, Achmadhin Tristan; Daniati, Erna; Ristyawan, Aidina
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4960

Abstract

Semua aspek kehidupan dipengaruhi oleh perkembangan cepat teknologi informasi. Roti sekarang menjadi bagian penting dari kehidupan sehari-hari dan telah berkembang menjadi makanan pokok yang sangat disukai. Analisis pola pembelian pelanggan yang diperoleh dari transaksi penjualan roti menunjukkan strategi pemasaran yang efektif; data ini digunakan untuk menemukan tren dan preferensi pelanggan. Dalam proses yang disebut sebagai penambangan data, berbagai teknik seperti pembelajaran mesin, statistik, kecerdasan buatan, dan sistem basis data digunakan. Data penjualan roti dipelajari melalui teknik Knowledge Discovery in Database (KDD) dan algoritma Fp-Growth. Algoritma peraturan asosiasi dapat menggali informasi penting dari pola transaksi penjualan. Analisis dan pengujian dilakukan dengan mempertimbangkan parameter tertentu, seperti tingkat minimum dukungan 30% dan tingkat minimum keyakinan 70%.
Perbandingan Metode Algoritma Decission Tree dan K-Nearest Neighbors untuk Memprediksi Kualitas Air yang dapat dikonsumsi Fitriono, Deri; Wardani, Saylendra Arga; Varuq, M Nizar Bahri Al; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4978

Abstract

Air merupakan kebutuhan yang sangat penting bagi mahkluk hidup termasuk manusia, namun tidak semua air aman untuk dikonsumsi, sehingga perlu adanya identifikasi terkait kualitas air yang baik untuk dikonsumsi. Oleh karena itu sangat penting mengembangkan strategi yang tepat untuk memprediksi atau meramlkan kualitas air yang dapat dikonsumsi. Pada penelitian ini akan menggunakan perhitungan Decission Tree dan K-Nearest Neigbors untuk klasifikasi sifat air yang layak dikonsumsi. Kualitas air yang baik sangat penting untuk kesehatan manusia, dan prediksi yang akurat dapat membantu orang memilih jumlah air yang tepat untuk diminum. Kedua algoritma ini akan dilakukan perbandingan pada proses klasifikasi data untuk mengetahui metode mana yang paling akurat, dilihat dari tingkat akurasi yang paling tinggi. Hasil penelitian ini menunjukkan metode Decision Tree sebesar 75.69%, sedangkan metode K-nearest Neighbors memiliki tingkat akurasi sebesar 79,39%, yang merupakan metode yang paling baik untuk klasifikasi data
Penggunaan Algoritma KNN dalam Deteksi Awal Kanker Paru-Paru Menggunakan Data Medis Mustofa, Mohammad Annan Makruf; Wahiid, Hermawan Nur; Islami, Bifadhlillah Marsheila; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4979

Abstract

Kanker paru-paru menjadi momok menakutkan dengan tingkat kematian tinggi. Deteksi dini menjadi kunci untuk meningkatkan peluang hidup pasien. Tujuan penelitian ini adalah mengkaji penggunaan algoritma K-Nearest Neighbors (KNN) dalam mendeteksi kanker paru-paru stadium awal melalui analisis data medis. Algoritma KNN dipilih karena kesederhanaan dan kinerjanya dalam mengklasifikasikan data kompleks. Data yang digunakan mencakup berbagai parameter medis, seperti ID pasien, umur, jenis kelamin, polusi udara, penggunaan alkohol, alergi debu, risiko genetik, dan penyakit paru-paru kronis. Hasil penelitian menunjukkan bahwa algoritma KNN mencapai tingkat akurasi tinggi dalam deteksi dini kanker paru-paru dengan pengaturan parameter K yang optimal. Temuan ini menunjukkan potensi besar algoritma KNN dalam aplikasi klinis untuk deteksi dini kanker paru-paru, yang dapat diimplementasikan dalam sistem pendukung keputusan medis untuk meningkatkan diagnosa dan intervensi dini.
Co-Authors Abadi, Ahmad Fajar Abdulnazar, Mohamed Naeem Antharathara Achmad, Ridho Adriyanto, Teguh Afdholul Faathin, Achmad Afrizal Ahmad Bayu P Aini, Ersa Dwi Nur Alamsyah, M Alfianto Alja, Farhan Maulana Amarya, Theo Krisna Andi Sunyoto Andy G, Asye Candra Ardyansyah, Fikri Arfiansyah, Zen Arie Nugroho, Arie Arighy, Erza Farrel Aulia, Ewanda Herdika Septa Azzahra, Salsabila Dini Azzahro, Zia Ulhaq Azzaria, Cinta Bahtiyar, Arul Damayanti, Sofiana Yuli Diniati, Erna Dwi Harini Dzatama, Krisna Fahrizal Eka Fauziah Erna Daniati Erna Daniati Ervin Kusuma Dewi, Ervin Kusuma Fadhila, Amelia Nur Farhan Gagat Retnanto Faruq, Umar Al Faruqziddan, Muhammad Fatayasya, Ikhfal Fauzi, Mohammad Ainun Naja Felmidi, Ferdian Ahmat Firmansyah, Achmad Ali Fitriono, Deri Hariyanto, Feri Tri Ilahi, Ferlita Putri Anugerah Indrawan, Dea Rizky Irawati, Elsa Irfa’udin, Muhammad Islami, Bifadhlillah Marsheila Jatmiko Jatmiko Jauhar, Moh. Iqbal Iqza Kamilatutsaniya, Nila Khasanah, Reka Ainul Krisnaryoko, Ersa Kurniawan, Mohammad Nova Kusrini Kusrini Muhammad Najibulloh Muzaki Mustofa, Mohammad Annan Makruf Muzaki, M. Majibulloh Muzaki, Muhammad Reza Nalsa Cintya Resti Nanda, Thoyib Fernanda Ningrum, Dea Yuliana Ayu Nur Alamsyah, Nur Nurfajriana, Intan Melinda Pradhana, Akmal Hisyam Pradikdo, Angga Cahyo Prayogi, Anindita Puspa Ayu Priyanto, Evania Putra, Regi Candra Purnama Putri, Fitria Dessela Putri, Ravega Widyawati Putriani, Dewi Rina Firliana Rini Indriati Sahira, Maha Shelin Santoso, Heru Teguh Sari, Vivi Anggun Permata Sawabudin, Bahrul Shofyana, Altha Inas Sucipto Sucipto Sucipto Syafa’at, Achmadhin Tristan Teguh Andriyanto, Teguh Tri Febriyanto, Moch Tri Puji Saputra, Alfian Utomo, Aris Danang Tri Varuq, M Nizar Bahri Al Wahid Ibnu Zaman Wahiid, Hermawan Nur Wardani , Anita Sari Wardani, Saylendra Arga Wardhani, Aurel Fransisca Kusuma Wibisono, Ryan Marcell Widodo Widodo Wulandari, Putri Widya Ayu Septi Wulandari, Rindi Febri