Article Per Year (5 Year)
p-Index From 2021 - 2026
2.241
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Sinergi Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Sains dan Informatika J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Nasional Komputasi dan Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika Jurnal Teknologi Informasi dan Multimedia Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) KLIK: Kajian Ilmiah Informatika dan Komputer
Fitri Insani
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Neuroscience Transportation Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Perancangan dan Implementasi Perangkat Lunak untuk Pengelompokan Daerah Produksi Minyak Bumi dengan Metode Kohonen Fitri Insani; Luh Kesuma Wardhani; Yusra Yusra
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 9, No 1 (2011): Desember 2011
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v9i1.604

Abstract

Penelitian ini membahas tentang perancangan dan implementasi aplikasi yang digunakan untuk melakukan pengelompokan daerah produksi minyak bumi. Analisa pembentukan kelompok (cluster) dilakukan menggunakan  Jaringan Syaraf Tiruan algoritma Self Organizing Maps (SOM)- Kohonen dan Java 3D sebagai bahasa pemrograman. Data yang digunakan untuk uji coba adalah data sekunder sumur minyak yang dipersiapkan dengan melalui proses transformasi min-max normalisasi. Data ini diolah menggunakan algoritma SOM untuk menghasilkan cluster data. Hasil cluster ini ditampilkan dalam bentuk bubblechart 3D. Dengan menggunakan output dari aplikasi ini, yang berupa cluster daerah produksi sumur minyak, pihak perusahan dapat dengan mudah menganalisa tiap cluster.
Sistem Pakar untuk Mendiagnosis Gangguan Tidur Menggunakan Metode Dempster Shafer Ivo Dwi Ananda; Rahmad Kurniawan; Novi Yanti; Fitri Insani
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 6, No 3 (2021): DESEMBER
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37438/jimp.v6i3.354

Abstract

Poor quality of sleep can cause psychological and physiological health problems. Estimated from 238,452 million people in Indonesia every year, about 67% elderly people reported having trouble sleeping. With a prevalence of 10% or about 28 million people suffering from sleep disorders. This makes Indonesia has the highest number of sleep disorders in Asia. The cases of sleep disorders increased during the Covid-19 pandemic by 23.87% in general public and by 36.53%  in medical personnel. This study aims to build a system that can diagnose sleep disorders like an expert. This study employed the Dempster Shafer method with 25 symptoms and four types of sleep disorders. The Dempster Shafer method is a commonly applied technique which is combining evidence in uncertainty cases. The experimental testing based on the validation of the results of the system diagnosis with expert diagnosis, the percentage of test accuracy is 90%. It can be concluded that the system potentially be used for early sleep disorder diagnosis.Keywords—expert system, dempster shafer, sleep disorders, sleep quality, uncertainty.
Penerapan Algoritma K-Means Clustering dan Correlation Matrix Untuk Menganalisis Risiko Penyebaran Demam Berdarah di Kota Pekanbaru m azwan; Rahmad Kurniawan; Pizaini Pizaini; Fitri Insani
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 6, No 3 (2021): DESEMBER
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37438/jimp.v6i3.353

Abstract

Dengue cases in Pekanbaru in November 2020 reached 2,788 cases and 33 deaths. The government has carried out socialization to eradicate mosquito nests and provided vector control tools and materials. However, the government's efforts were not practical because the applied method has not been able to refer to vector data and information. Machine learning can be used to analyze specific problems such as Dengue. Therefore this study employed a Machine Learning algorithm, i.e., k-means clustering and correlation matrix for dengue risk analysis in Pekanbaru. This study obtained 12 sub-districts and 50 dengue attributes and weather data in 2020. K-means automatically searches for unknown clusters from dengue cases data quickly, which cluster results C1 (Sukajadi, Senapelan), C2 (Tenayan Raya, Tampan), and C3 (Rumbai Pesisir, Rumbai). Based on experimental testing, this study produced a silhouette score is 0.6. Meanwhile, the correlation matrix looks for relevant relationships hidden in the data. The correlation matrix obtained a strong linear relationship between the population (JP) and sufferers (P) of 0.73 for January and 0.93 for February 2020.Keywords— Dengue Fever, K-means, Correlation matrix, Machine learning.
Optimzation of Interval Fuzzy Time Series With Particle Swarm Optimization for Prediction Air Quality on Pekanbaru Fitri Insani (Scopus ID: 57190404820); Ade Puspita Sari
Indonesian Journal of Artificial Intelligence and Data Mining Vol 3, No 1 (2020): March 2020
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v3i1.9298

Abstract

Kota Pekanbaru memiliki jumlah penduduk terbanyak di provinsi Riau yaitu 1.046.566 penduduk dengan jumlah kendaraan bermotor 105.941 unit. Badan Lingkungan Hidup menyatakan bahwa kota Pekanbaru memiliki kualitas udara yang tercemar yang disebabkan oleh kebakaran hutan dan lahan serta emisi gas buang kendaraam bermotor. Dengan adanya kondisi tersebut, kota Pekanbaru menggunakan alat pemantau udara yaitu Air Quality Monitoring System (AQMS) dengan penyampaian informasi kualitas udara melalui papan display ISPU. Penelitian ini bertujuan untuk memprediksi kualitas udara esok hari di kota Pekanbaru dengan menggunakan metode Fuzzy Time Series yang di optimasi menggunakan Particle Swarm Optimization. Tingkat akurasi prediksi diukur dengan menggunakan Mean Absolute Percentage Error (MAPE) dengan menghitung selisih antara data aktual dan hasil prediksi. Adapun data masukan yang digunakan yaitu 729 data dengan 5 parameter pengukur kualitas udara yaitu PM10, SO2, CO, O3 dan NO2. Hasil keluaran berupa angka prediksi untuk masing-masing parameter pengukur kualitas udara. Hasil pegujian metode FTS-PSO menunjukkan nilai MAPE sebesar 18,3583%. Parameter PSO terbaik yang digunakan adalah jumlah partikel 10, maksimal iterasi 25 dan bobot inersia 0,6. Dari hasil pengujian dapat disimpulkan bahwa prediksi kualitas udara menggunakan FTS-PSO bernilai cukup akurat.
Prediksi Cuaca Pekanbaru Menggunakan Fuzzy Tsukamoto dan Algoritma Genetika Fitri Insani (Scopus ID: 57190404820); Syafawani Fadilah
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakKeadaan cuaca pekanbaru cenderung berubah dengan cepat, hal ini mengakibatkan terjadinya penyimpangan yang tidak dapat dihindari. Prediksi cuaca dibutuhkan untuk mengantisipasi keadaan cuaca yang cenderung berubah dengan cepat. Proses penentuan prediksi cuaca menggunakan beberapa krieria yaitu Suhu udara, Kelembaban, Kecepatan Angin dan Perawanan. Algoritma genetika berfungsi sebagai pencarian nilai optimum pada masing-masing individu yang akan dibangkitkan sebagai batas fungsi keanggotaan Fuzzy Tsukamoto. Adapun tahapan Algoritma Genetika pada kasus ini adalah inisialisasi populasi awal, perkawinan silang (crossover), Mutasi dan seleksi. Individu yang tertinggi akan dijadikan solusi untuk prediksi cuaca. Adapun akurasi yang didapatkan melalui pengujian sistem menggunakan akurasi yaitu 72% dengan nilai probabilitas crossover 0,6 dan probabilitas mutation 0,4. Hasil nilai evaluasi ini membuktikan kombinasi Fuzzy Tsukamoto menggunakan Algoritma Genetika mampu menghasilkan hasil akhir yang optimal.
Optimasi Biaya Bahan Dan Jasa Pembangunan Rumah Menggunakan Algoritma Genetika Fitri Insani (Scopus ID: 57190404820); Ahmad Rizki Ramadhan
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (953.751 KB)

Abstract

RAB (Rencana Anggaran Biaya) dan AHS (Analisa Harga Satuan) dalam rancangan pembangunan rumah pada PT. Afdhalnur Jaya Konsultan tidak sesuai dengan ketersediaan sumber daya, seperti pilihan bahan dan jasa yang terbatas. Hal ini memberikan dampak terhadap pekerjaan yang terdapat pada RAB. Sehingga biaya menjadi tidak sesuai yang diharapkan. Untuk itu dalam penelitian ini, dilakukan optimasi berdasarkan biaya bahan dan jasa dari PU (Pekerjaan Umum) Kota Pekanbaru tahun 2018 menggunakan salah satu metode heuristik yaitu algoritma genetika. Algoritma genetika melakukan pengacakan bahan dan jasa untuk membentuk sebuah individu, serta melakukan proses penyilangan (crossover) pada individu yang terpilih, maka hasil penyilangan tersebut juga terkena mutasi yang akan melahirkan kromosom baru. Berdasarkan proses tersebut, maka dicari kromosom yang optimum untuk menyesuaikan dana yang tersedia. Kromosom yang optimum dilakukan pengujian menggunakan nilai PC (Probabilitas Crossover) = 0.4 dan nilai PM (Probabilitas Mutasi) = 0.03 dengan data masukan dana Rp. 245.000.000.-, tipe rumah 45 / 140 dan jumlah populasi 30 serta individu 30, maka hasil akhir yang didapat berupa RAB dan AHS baru dengan dana yang teroptimasi adalah Rp. 244.856.553,93. Dengan demikian, algoritma genetika dapat digunakan dalam melakukan optimasi biaya bahan dan jasa dalam pembangunan rumah
Peramalan Produksi Tandan Buah Segar (TBS) Kelapa Sawit Dengan Regresi Linear Dan Algoritma Genetika (Studi Kasus: PT. Peputra Masterindo) Fitri Insani (Scopus ID: 57190404820); Isma Harani
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1188.252 KB)

Abstract

Produksi merupakan salah satu hasil yang diharapkan dalam sebuah perkebunan  khususnya perkebunan PT. Peputra Masterindo yang bergerak dalam bidang pengolahan minyak kelapa sawit. Jumlah produksi tandan buah segar (TBS) sangat berpengaruh terhadap produksi kelapa sawit. Metode yang digunakan adalah metode regresi linier untuk memprediksi, sedangkan algoritma genetika digunakan untuk mengoptimasi variabel yang mempengaruhi hasil prediksi. Pengimplementasikan algoritma genetika ini, representasi kromosom yang digunakan real coded, proses crossover adalah extended intermediate, random mutation dan metode seleksi yang digunakan adalah replacement selection. Dari hasil pengujian yang dilakukan, menghasilkan prediksi terbaik pada ukuran populasi 60, generasi ke-100, probabilitas crossover 0,1 dan probabilitas mutasi 0,9 serta periode jumlah produksi tandan buah segar kelapa sawit pada 1 bulan, menghasilkan nilai fitness terbaik 0,0515, MSE 24179,1692. Dengan nilai MAPE 0,0919 dan rata-rata akurasi 90,81%.Hal ini membuktikan bahwa  koefisien kromosom terbaik hasil hitungan algoritma genetika tersebut dapat digunakan untuk memprediksi produksi TBS kelapa sawit dimasa mendatang.
Algoritme Logistic Regression untuk Mendeteksi Ujaran Kebencian dan Bahasa Kasar Multilabel pada Twitter Berbahasa Indonesia Ayu Fransiska; Surya Agustian; Fitri Insani; Muhammad Fikry; Pizaini Pizaini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4524

Abstract

Abstrak - Ujaran kebencian semakin meningkat bersamaan dengan banyaknya pengguna media sosial. Twitter merupakan salah satu media sosial yang membantu penyeberan ujaran ujaran melalui fitur twit-nya yang dilakukan berulang-ulang. Penelitian ini dilakukan untuk mengklasifikasi apakah sebuah twit mengandung ujaran kebencian atau bahasa kasar, dan jika terdeteksi mengandung ujaran kebencian maka akan diukur tingkatannya. Dataset yang digunakan diambil dari twitter sebanyak 13.126 twit asli. Klasifikasi menggunakan Algoritma logistic Regression dan fitur teks word embedding. Dilakukan beberapa kali percobaan untuk mendapatkan model terbaik agar pengujian didapatkan secara optimal. Rata-rata akurasi yang dari ketiga kelas sebesar 75,59%, untuk kelas hate speech 75,86%,kelas abusive 80,05%, kelas level 70,86% dengan komposisi 90:10.Kata kunci: Klasifikasi, Logistic Regression, Ujaran Kebencian, Twitter. Abstract - Hate speech is increasing along with the number of social media users. Twitter is one of the social media that helps spread utterances through its repeated tweet features. This study was conducted to classify whether a tweet contains hate speech or abusive language, and if it is detected to contain hate speech, the level will be measured. The dataset used was taken from twitter as many as 13,126 original tweets. Classification using Logistic Regression Algorithm and word embedding text feature. Several experiments were carried out to get the best model so that the test was obtained optimally. The average accuracy of the three classes is 75.59%, for the hate speech class is 75.86%, the abusive class is 80.05%, the level class is 70.86% with a composition of 90:10.Keyword : Classification, Logistic Regression, Hate Speech, Twitter.
IMPLEMENTASI PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) DENGAN MEGGUNAKAN METODE GENETIC MODIFIED K-NEAREST NEIGHBORI (GMKNN) Nurul Ikhsan; Siska Kurnia Gusti; Yusra; Fitri Insani; Fitri Wulandari
Jurnal Sains dan Informatika Vol. 8 No. 2 (2022): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v8i2.526

Abstract

Bantuan Pangan Non Tunai (BPNT) merupakan program pemerintah berupa bantuan pangan yang diberikan kepada Keluarga Penerima Manfaat (KPM) setiap bulannya, dimana kegiatan ini bertujuan untuk mengurangi beban pengeluaran dan mendukung nutrisi seimbang kepada KPM  BPNT menggunakan mekanisme akun elektronik untuk membeli pangan di e-Warung yang telah bekerjasama dengan Bank, namun pada pelaksanaan BPNT di Kota Pekanbaru, penerimaan bantuan masih dianggap kurang efisien, sehingga pada penelitian ini, penulis melakukan pembagian pada masyarakat yang bisa menerima bantuan dan tidak bisa menerima bantuan pangan non tunai dengan menggunakan metode MKNN. Kesimpulan yang didapatkan dari penelitian ini adalah Algen (Algoritma Genetika) bisa diterapkan dengan metode MKNN, dan mendapatkan hasil akurasi 86,89% dengan probabilitas crossover adalah 0,9 dan nilai probabilitas mutasi adalah 0,1 dengan nilai K yaitu 3.
Implementasi Data Mining Memprediksi Penjualan Crude Palm Oil Berdasarkan Kapasitas Tangki Menggunakan Multiple Linear Regression Ana Komaria Baskara; Alwis Nazir; Muhammad Irsyad; Yusra Yusra; Fitri Insani
Jurnal Sistem Komputer dan Informatika (JSON) Vol 4, No 3 (2023): Maret 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v4i3.5665

Abstract

Data mining is a process of discovering information from data that can be used to improve business, product development, and other decision-making processes. One application of data mining is in PT. Kerry Sawit Indonesia, which is an agribusiness company in the Wilmar Group that deals with processing crude palm oil (CPO). Sales of CPO are crucial for palm oil plantation companies. To increase efficiency and profitability, palm oil plantation companies can predict CPO sales to optimize sales and CPO inventory. One method that can be used to predict CPO sales is through data mining techniques. In this study, the data mining technique used is multiple linear regression. Multiple linear regression is used to determine the relationship between the tank capacity variable and CPO sales. The data used in this study are CPO production data, CPO sales data, and tank capacity data obtained from palm oil plantation companies over the last five years. The results of the Multiple Linear Regression calculation in this case study show that the coefficient of determination (R-squared) value is 0.9546, indicating that 95.46% of the CPO delivery variability can be explained by the independent variables. Additionally, the MAPE and RMSE tests show that the regression model obtained has good accuracy in predicting CPO deliveries. Therefore, this regression model can be used to predict CPO deliveries in the future, considering the predetermined independent variable values.
Co-Authors Ab Razak Che Hussin Ade Puspita Sari Ahmad Rizki Ramadhan Ahyani Junia Karlina Alwis Nazir Ana Komaria Baskara Ayu Fransiska Badri Yusuf Dea Ropija Sari Dimas Ferarizki Dzaky Abdillah Salafy Eka Pandu Cynthia Eka Suryani Indra Septiawati Elvia Budianita Faisal Saeed Febi Yanto Fitri Wulandari Isma Harani Ivo Dwi Ananda Jasril Jasril Lola Oktavia Luh Kesuma Wardhani m azwan Marliana Safitri Muhammad Affandes Muhammad Fikry Muhammad Fikry Muhammad Irsyad Nazruddin Safaat H Niken Aisyah Maharani Herwanza Novi Yanti Novri Yanto Nurul Ikhsan Okfalisa Okfalisa Pizaini Pizaini Rahmad Kurniawan Siska Kurnia Gusti Surya Agustian Syafawani Fadilah Teddie Darmizal Yolanda Enza Wella Yusra Yusra Yusra Yusra Yusra, Yusra