Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi SEINASI-KESI Jurnal Riset Informatika Jurnal Teknologi Terpadu
Desti Fitriati, Desti
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Engineering

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Clustering Kegiatan Pengguna pada Media Sosial dengan Algoritma Simple K-Means Maulana, Rivki; Gibran, Iqbal; Fitriati, Desti
SEINASI-KESI Vol 1, No 1 (2018): Seinasi-Kesi 2018
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (182.183 KB)

Abstract

Media sosial merupakan salah satu jenis media komunikasi yang populer. Terdapat berbagai macam kegiatan yang bisa dilakukan, mulai dari mengirm pesan, berbelanja dan lainnya. Sehingga mampu memudahkan seseorang untuk berkomunikasi dengan orang lain. Dari berbagai macam kegiatan yang biasa dilakukan di sosial media beberapa pengguna cenderung melakukan kegiatan yang berubah, pada penelitian ini dipilih beberapa jenis kegiatan yang umum di lakukan pada media sosial. Penelitian ini bertujuan untuk mengelompokan kegiatan yang memiliki sifat yang sama dan biasa digunakan pengguna media sosial pada lingkungan Mahasiswa. Dari data hasil pengelompokan kegiatan tersebut nantinya bisa dilihat fitur apa saja yang bermanfaat bagi pengguna media sosial dan data tersebut bisa menjadi bahan acuan atau evaluasi para software development dalam mengembangkan aplikasi media sosial. Penelitian ini menggunakan metode Clustering untuk mengelompokan data - data yang telah didapat, algoritma yang digunakan yaitu Algoritma Simple K-Means. Pengelompokan data pada penelitian ini dilakukan dengan menggunakan tools bernama WEKA. Pada penelitian ini, didapatkan 3 cluster yang berbeda sesuai dengan ciri khas masing masing responden. Dimana 50% responden termasuk dalam Pengguna Aktif, 27% responden termasuk Pengguna Sedang dan 23% responden termasuk Pengguna Normal.
SEGMENTASI PELANGGAN RESTORAN MENGGUNAKAN METODE CLUSTERING SIMPLE K-MEANS (STUDI KASUS XYZ) Prastyawan, Zekha Galih; Bagaskara, Muhammad Ridho; Fitriati, Desti
SEINASI-KESI Vol 1, No 1 (2018): Seinasi-Kesi 2018
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (125.118 KB)

Abstract

Di era yang serba modern ini, informasi dengan mudahnya dapat diakses secara langsung tanpa ada dinding pembatas atau dapat dikatakan “real time”, untuk masyarakat yang tiap waktunya haus akan informasi. Kebutuhan akan informasi mengenai faktor perilaku pelanggan pada sebuah restoran juga diperlukan sebagai pengetahuan bisnis untuk bersaing dari kompetitor bisnis restoran lainnya. Penelitian ini dilakukan untuk mencari perilaku masyarakat yang sedang berada di restoran berdasarkan penerapan prinsip ilmu psikografis. Penelitian ini menggunakan Metode Clustering untuk menentukan bagian - bagian dari sekelompok data yang telah didapatkan dengan cara melakukan segmentasi sejumlah data yang memiliki sifat yang sama menggunakan Algoritma Simple K Means. Segmentasi pada penelitian ini dilakukan dengan tools bernama WEKA dan dari hasil perhitungannya didapatkan 5 cluster yang berbeda sesuai dengan perilaku masing masing responden saat berkunjung ke restoran. Cluster yang memiliki nilai paling dominan adalah cluster yang bernama “Langganan” yang memiliki persentase sebesar 28% dikarenakan cluster tersebut merupakan pelanggan yang dikategorikan “pelanggan setia” pada sebuah restoran di penelitian ini.
PERANGKINGAN JENIS SUSU UNTUK BALITA NON-ASI DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Fitriati, Desti; Fahrudin, Mochammad
Jurnal Teknologi Terpadu Vol. 5 No. 1: Juli, 2019
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v5i1.188

Abstract

Susu merupakan makanan alami yang hampir sempurna. Susu mempunyai kadar kalsium yangsangat tinggi, kandungan laktosa didalam susu membantu absorbsi di dalam saluran cerna, Zatyang terkandung dalam susu sebagai salah satu komoditi dengan kandungan gizi yang tinggi, yangmemiliki fungsi untuk membantu pertumbuhan dan menjaga kesehatan. Anak yang menginjakusia balita harus mendapatkan asupan gizi yang mencukupi sebagai penunjang pertumbuhannya.Pada usia balita, anak akan mengalami masa pertumbuhan dan perkembangan yang sangat pesat.Disisi lain, setelah anak berusia 1 (satu) tahun, Air Susu Ibu (ASI) hanya memenuhi 30% darikebutuhan gizi anak. Oleh karena itu harus ada pengganti dari ASI yaitu Makanan PendampingAir Susu Ibu. Susu formula sangat beragam dan penggunaan susu formula yang sangat tinggi,dalam pemilihan susu formula memiliki banyak faktor maka diperlukan sebuah solusi,penyelesaiannya dapat menggunakan Sistem Pendukung Keputusan (SPK) dimana sistem inimampu mengambil sebuah keputusan. Simple Additive Weighting (SAW) metode ini digunakanuntuk menentukan sebuah alternatif pilihan berdasarkan bobot dan kriteria yang sudah ditentukan.Kemudian dilakukan proses perankingan yang akan menentukan alternatif yang terbaik. Sehinggakelebihan menggunakan metode SAW dibandingkan dengan model pengambilan keputusanlainnya terletak pada analisis penilaian secara tepat karena didasarkan oleh nilai kriteria dan bobotpreferensi. Berdasarkan analisis dan pembahasan dari hasil pengolahan data, dapat diketahuibahwa tingkat akurasi dengan menggunakan metode SAW sebesar 63,33% dengan sample uji datasebanyak 30 data.
PERBANDINGAN KINERJA CNN LeNet 5 DAN EXTREME LEARNING MACHINE PADA PENGENALAN CITRA TULISAN TANGAN ANGKA Fitriati, Desti
Jurnal Teknologi Terpadu Vol. 2 No. 1: Juli, 2016
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v2i1.45

Abstract

Pengenalan pola merupakan hal penting untuk mengkategorikan sebuah objek pada citra. Pengkategorian dengan jumlah data banyak relatif memberikan kesulitan pada manusia. Untuk itu diperlukan sebuah metode yang tepat agar sistem yang dibuat dapat mengelompokkan citra sesuai kelasnya. Metode Convolutional Neural Nework Lecunn Network 5 (CNN LeNet 5) dan Extreme Learning Machine (ELM) merupakan metode yang diunggulkan pada banyak penelitian beberapa tahun terakhir. Karena keunggulannya, penelitian ini melakukan percobaan pada data sederhana dimana citra yang digunakan adalah tulisan tangan angka yang hanya diolah melalui proses binerisasi dan menjadikan hasil tersebut sebagai masukan metode klasifikasi. Penelitian ini menggunakan dua jenis data, yaitu data primer yang diambil langsung dari berbagai lokasi di Palembang Indonesia. Sedangkan data sekunder diambil melalui basis data publik MNIST. Hasil percobaan menunjukkan bahwa CNN LeNet 5 lebih unggul dalam hal akurasi yaitu mencapai 98,04% untuk 10.000 data sekunder MNIST dan 78,14% untuk 700 data primer. Sedangkan metode ELM lebih unggul dalam hal komputasi waktu yang mencapai 0,00078 mili detik.
PERBANDINGAN KINERJA CNN LeNet 5 DAN EXTREME LEARNING MACHINE PADA PENGENALAN CITRA TULISAN TANGAN ANGKA Fitriati, Desti
Jurnal Teknologi Terpadu Vol 2 No 1: Juli, 2016
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v2i1.45

Abstract

Pengenalan pola merupakan hal penting untuk mengkategorikan sebuah objek pada citra. Pengkategorian dengan jumlah data banyak relatif memberikan kesulitan pada manusia. Untuk itu diperlukan sebuah metode yang tepat agar sistem yang dibuat dapat mengelompokkan citra sesuai kelasnya. Metode Convolutional Neural Nework Lecunn Network 5 (CNN LeNet 5) dan Extreme Learning Machine (ELM) merupakan metode yang diunggulkan pada banyak penelitian beberapa tahun terakhir. Karena keunggulannya, penelitian ini melakukan percobaan pada data sederhana dimana citra yang digunakan adalah tulisan tangan angka yang hanya diolah melalui proses binerisasi dan menjadikan hasil tersebut sebagai masukan metode klasifikasi. Penelitian ini menggunakan dua jenis data, yaitu data primer yang diambil langsung dari berbagai lokasi di Palembang Indonesia. Sedangkan data sekunder diambil melalui basis data publik MNIST. Hasil percobaan menunjukkan bahwa CNN LeNet 5 lebih unggul dalam hal akurasi yaitu mencapai 98,04% untuk 10.000 data sekunder MNIST dan 78,14% untuk 700 data primer. Sedangkan metode ELM lebih unggul dalam hal komputasi waktu yang mencapai 0,00078 mili detik.
PERANGKINGAN JENIS SUSU UNTUK BALITA NON-ASI DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Fitriati, Desti; Fahrudin, Mochammad
Jurnal Teknologi Terpadu Vol 5 No 1: Juli, 2019
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v5i1.188

Abstract

Susu merupakan makanan alami yang hampir sempurna. Susu mempunyai kadar kalsium yangsangat tinggi, kandungan laktosa didalam susu membantu absorbsi di dalam saluran cerna, Zatyang terkandung dalam susu sebagai salah satu komoditi dengan kandungan gizi yang tinggi, yangmemiliki fungsi untuk membantu pertumbuhan dan menjaga kesehatan. Anak yang menginjakusia balita harus mendapatkan asupan gizi yang mencukupi sebagai penunjang pertumbuhannya.Pada usia balita, anak akan mengalami masa pertumbuhan dan perkembangan yang sangat pesat.Disisi lain, setelah anak berusia 1 (satu) tahun, Air Susu Ibu (ASI) hanya memenuhi 30% darikebutuhan gizi anak. Oleh karena itu harus ada pengganti dari ASI yaitu Makanan PendampingAir Susu Ibu. Susu formula sangat beragam dan penggunaan susu formula yang sangat tinggi,dalam pemilihan susu formula memiliki banyak faktor maka diperlukan sebuah solusi,penyelesaiannya dapat menggunakan Sistem Pendukung Keputusan (SPK) dimana sistem inimampu mengambil sebuah keputusan. Simple Additive Weighting (SAW) metode ini digunakanuntuk menentukan sebuah alternatif pilihan berdasarkan bobot dan kriteria yang sudah ditentukan.Kemudian dilakukan proses perankingan yang akan menentukan alternatif yang terbaik. Sehinggakelebihan menggunakan metode SAW dibandingkan dengan model pengambilan keputusanlainnya terletak pada analisis penilaian secara tepat karena didasarkan oleh nilai kriteria dan bobotpreferensi. Berdasarkan analisis dan pembahasan dari hasil pengolahan data, dapat diketahuibahwa tingkat akurasi dengan menggunakan metode SAW sebesar 63,33% dengan sample uji datasebanyak 30 data.
Pemeriksa Jawaban Tulisan Tangan untuk Ujian Pilihan Ganda Menggunakan Hybrid Extreme Learning Convolutional Neural Network Machine Fitriati, Desti
Jurnal Media Infotama Vol 15 No 1 (2019)
Publisher : UNIVED Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (490.984 KB) | DOI: 10.37676/jmi.v15i1.746

Abstract

In Indonesia, exams can be carried out in various ways depending on the type of implementation, namely in the form of Paper Based Test (PBT), Oral Based Test (OBT), and Computer Based Test (CBT). The type most often used in schools is PBT, which is in the form of essay and multiple choice answers. However, the case is different with the multiple choice exam type. This type of exam is usually used during student graduation exams or better known as the National Examination (UN). In its implementation, the UN applies PBT with the concept of multiple choice questions. PBT applied to the UN uses the Object Character Recognition (OCR) method. However, as time goes by, evaluation of this method occurs. Currently, the PBT exam type is starting to be abandoned and switched to the CBT exam type. However, these two types have their respective advantages and disadvantages. Seeing this opportunity, this research proposes a new solution by combining the weaknesses and strengths of the two types. The solution provided is to utilize artificial intelligence such as OCR by proposing a new method, namely the Hybrid Extreme Convolutional Neural Network Machine.
Grade Classification of Diabetic Retinopathy Based on Single Model Convolutional Neural Network Fitriati, Desti; Nursari, Sri Rezeki Candra
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 1 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No1.pp50-55

Abstract

Diabetes Mellitus (DM) is one of the diseases that has attracted global attention because it ranks fourth as a non-communicable disease with the highest mortality rate after cardiovascular, cancer, chronic respiratory diseases. DR is a condition caused by diabetes that can cause permanent damage to the blood vessels of the retina which can lead to blindness. DR is divided into 2 stages, namely non-proliferative diabetic retinopathy (NPDR) and proliferative diabetic retinopathy (DR), where each stage has different characteristics. From several studies that have been conducted previously, Convolutional Neural Network (CNN) has been widely used in recent years to segment medical images with remarkably consistent results. However, it is still necessary to find a suitable model to be able to adapt to all existing variables. For this reason, this study proposes a method as a modified model of CNN using seven layer. From the results of the research conducted, the proposed method uses four class models, namely 5 classes, 3 classes, 2 classes (Healthy & DR), and 2 classes (Healthy & Moderate). This research produced accuracy rates of 52%, 68%, 92% and 84% respectively.
Sales Analysis Using Apriori Algorithm Roja' Putri Cintani; Fitriati, Desti
Jurnal Riset Informatika Vol. 7 No. 4 (2025): September 2025
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v7i4.351

Abstract

PT JR Pangan Semesta is a company that produces fast food in the form of Donuts and Sweet Bread under the Deroti brand. The sales and promotion methods that have been carried out have weaknesses because the company has difficulty ensuring the right amount of bread production, so there is often excess or lack of stock. In addition, the promotional strategy used has not included the concept of bundling, so the maximum promotional potential has not been fully explored. To overcome these problems, the use of data mining methods is proposed, one of which is the Apriori Association Rule algorithm. Apriori algorithm is used to find consistent sales patterns and find strong product relationships by analyzing sales transaction data. In this study, sales patterns were analyzed at PT JR Pangan Semesta with a minimum support value of 16% and a minimum confidence value of 60%. The analysis results show that there are three products that are often purchased together by consumers, namely Fried Bread, Deroti Donuts, and Eco Donuts. The three products form one valid association rule, so that the rule can be used as a reference for developing efficient production methods for bread and donuts and implementing sales strategies in the form of bundling products to maximize profits.
Co-Authors Bagaskara, Muhammad Ridho Fahrudin, Mochammad Gibran, Iqbal Maulana, Rivki Prastyawan, Zekha Galih Roja' Putri Cintani