Article Per Year (5 Year)
p-Index From 2021 - 2026
1.037
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Informatika Komputer Jurnal Psikologi Jurnal Ilmiah Teknologi dan Rekayasa IPTEK Journal of Proceedings Series Semantik Jurnal Ilmiah KOMPUTASI Applied Information System and Management JURTEKSI RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI
Fitrianingsih Fitrianingsih
Fakultas Teknik-Jurusan Teknik Informatika , Universitas Gunadarma
Religion Humanities Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Implementasi Analytical Hierarchy Process (AHP) untuk Penilaian Kinerja pada Bagian Customer Service Representative (CSR) di PT. Bank Permata Tbk. Dody Pernadi; Andri Hanafi; Rodiah; Fitrianingsih
Jurnal Ilmiah KOMPUTASI Vol 14, No 1 (2015): Juni
Publisher : STMIK JAKARTA STI&K

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

Abstract

Salah satu faktor yang diperlukan dalam meningkatkan kinerja produktivitas suatu perusahaanadalah kualitas sumber daya manusia (SDM). Kualitas sumber daya manusia diperlukan dengan kompetensi tinggi guna peningkatan kinerja karyawan di sebuah perusahaan. Salah satu indikator yang digunakan dalam penilaian kinerja adalah dengan prestasi yang telah dicapai setiap karyawan.Bank permata sebagaisalah satu bankdenganreputasi sebagai bank dengan kualitas layanan terbaikyangmenawarkanprodukdanjasainovatifsertakomprehensif. BankPermatamemiliki beberapa bagian diantaranyaadalahCustomerService, bagianSupportdanbagianQualityAssurance.Bank Permata dalam menjalankan roda bisnisnya menerapkan proses penilaian kinerja karyawan salah satunyabagian Customer Service Representative (CSR). Proses penilaian kinerja karyawan merupakan proses rumit yang membutuhkan parameter-parameter yang digunakan diambil dari sistem lain. Analytic Hierarchy Process (AHP) merupakan slah satu metodeyang dapat digunakan  dalam menyelesaikan masalah yang proses penilaian kinerja karyawan. Proses penilaian kinerja pada bagian CSR akan diimplementasikan dalam sebuahaplikasi menggunakan java dengan framework HibernatedanMySQL.Pembuatan aplikasi ini diharapkan dapat menghasilkan nilai kinerja karyawan yang dapat dijadikan dasar alternatif pengambilan keputusanyang dapat dipertanggungjawabkandalam menentukan karyawan terbaik pada bagian CSR dengan menggunakan metode AHP.Kata Kunci: Analytical Hierarchy Process,Customer Service Representative (CSR), Framework Hibernate, Java, MySQL Jurnal Ilmiah KOMPUTASI, Volume 14 Nomor : 1, Juni 2015 ISSN : 1412-9434
Cursive Handwriting Segmentation using Ideal Distance Approach Fitrianingsih Fitrianingsih; Sarifuddin Madenda; Ernastuti Ernastuti; Suryarini Widodo; Rodiah Rodiah
International Journal of Electrical and Computer Engineering (IJECE) Vol 7, No 5: October 2017
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (686.775 KB) | DOI: 10.11591/ijece.v7i5.pp2863-2872

Abstract

Offline cursive handwriting becomes a major challenge due to the huge amount of handwriting varieties such as slant handwriting, space between words, the size and direction of the letter, the style of writing the letter and handwriting with contour similarity on some letters. There are some steps for recursive handwriting recognition. The steps are preprocessing, morphology, segmentation, features of letter extraction and recognition. Segmentation is a crucial process in handwriting recognition since the success of segmentation step will determine the success level of recognition. This paper proposes a segmentation algorithm that segment recursive handwriting into letters. These letters will form words using a method that determine the intersection cutting point of image recursive handwriting with an ideal image distance. The ideal distance of recursive handwriting image is an ideal distance segmentation point in order to avoid the cutting of other letter’s section. The width and height of images are used to determine the accurate segmentation point. There were 999 recursive handwriting input images taken from 25 researchers used for this study. The images used are the images obtained from preprocessing step. Those are the images with slope correction. This study used Support Vector Machine (SVM) to recognize recursive handwriting. The experiments show the proposed segmentation algorithm able to segment the image precisely and have 97% success recognizing the recursive handwriting.
Implementasi Algoritma Gunning Fog Index Pada Uji Keterbacaan (Readability Test) Bahasa Indonesia Menggunakan Bahasa Pemrograman Python Debyo Saptono; Tri Mardhika Sampurna; Tri Wahyu R.N; Fitrianingsih Fitrianingsih
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (877.925 KB)

Abstract

Bahasa Indonesia merupakan sebuah alat komunikasi yang digunakan oleh masyarakat di seluruh Indonesia. Untuk menentukan penggunaan bahasa Indonesia yang baik dan benar memerlukan beberapa cara pengujian diataranya dengan   ujiketerbacaan (Readability Test). Salah satu algoritma penerapan  uji  keterbacaan yaitu algoritma Gunning Fog Index. Penerapan algoritma tersebut akan memperkirakan waktu yang diperlukan untuk memahami suatu teks atau naskah, dengan menghitung penggunaan jumlah huruf, jumlah suku kata, jumlah kata, serta jumlah kalimat, dan hasilnya berupa nilai indeks. Penerapan  algoritma tersebut dapat diimplementasikan ke dalam sebuah program komputer dengan menggunakan bahasa pemrograman Python.Model pengujian dilakukan dengan memakai beberapa data tulisan ilmiah mahasiswa yang berasal dari program D3, S1, dan S2 yang dapat dijalankan dengan sistem operasi Mac dan Windows.
Three-Dimensional (3D) Reconstruction for Detecting Shape and Volume of Lung Cancer Nodules Rodiah Rodiah; Sarifuddin Madenda; Fitrianingsih Fitrianingsih
IPTEK Journal of Proceedings Series Vol 1, No 1 (2014): International Seminar on Applied Technology, Science, and Arts (APTECS) 2013
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23546026.y2014i1.198

Abstract

The development of CT scanning technology as a digital image recorder has provided facilities for oncologists in analyzing the presence of cancer in patient's organs. Visually, oncologists analyze it by looking at the CT slices to ascertain whether any cancer nodules in the lung are present. The center line of nodules is used to calculate the volume of nodules for all slices. Volume is used to monitor the rate of cancer growth. Another way is the shape of cancer nodules. However, since the CT scan images are in the form of two-dimensional (2D), it is hard for oncologists to see the full three-dimensional (3D) shape of the cancer nodules. Based on that matter, this study aimed to develop algorithm that can automatically detect and calculate volume of nodules for all slices in 3D reconstruction. 3D reconstruction of cancer nodules is performed through linear interpolation approach. The results of the developed algorithm, tested through a number of slice images from lung CT scan, showed that the approach and algorithm are able to reconstruct nodule shape in 3D and calculate volume automatically. The results obtained are expected to be able to help oncologists provide accurate information of cancer nodules as well as volume and shape of the cancer nodules in 3D surface.
PENGETAHUAN KOMPUTER DAN EFIKASI DIRI PENGGUNAAN KOMPUTER PADA MAHASISWA Fitrianingsih Fitrianingsih; Quroyzhin Kartika Rini
Jurnal Psikologi Vol 5, No 2 (2011)
Publisher : Universitas Gunadarma

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

Abstract

Sejak perkembangan teknologi komputer dan informasi yang sangat pesat, penggunaankomputer dalam pengerjaan tugas adalah hal biasa ditemui, khususnya pada mahasiswa.Namun demikian, tidak semua mahasiswa memiliki keterampilan dan pengetahuan yangsama dalam mengembangkan keyakinan pengerjaan tugas tersebut. Penelitian ini bertujuanuntuk menganalisis kontribusi pengetahuan komputer terhadap efikasi diri penggunaankomputer pada mahasiswa. Partisipan dalam penelitian ini berjumlah 86 mahasiswakomputer yang terdiri dari 56 mahasiswa laki-laki dan 30 mahasiswa perempuan, usia 19sampai 24 tahun dan indeks kumulatif prestasi mahasiswa mulai dari 2.1 sampai di atas 3.5.Berdasarkan hasil penelitian diketahui bahwa terdapat kontribusi antara pengetahuan akankomputer dengan efikasi diri penggunaan komputer sebesar 42.2%. Hal ini berartipengetahuan akan komputer memiliki peran yang penting bagi efikasi diri penggunaankomputer, sehingga penting bagi mahasiswa untuk mempelajari komputer sejak mulaimenjadi mahasiswa.AbstractSince the advanced of computer technology and Information Technology, usually homeworkis done with computer, particularly on college students. However, college students do nothave equal computer skill and knowledge in their computer self-efficacy. Therefore the aimof this research is to measure contribution of computer knowledge to computer self-efficacyin college students. Participants of this research are 87 college students consist of 56 malesand 30 females in 19-24 years old with GPA range from 2.1 to above 3.5. The result showsthat the contribution of computer knowledge to computer self-efficacy is around 42.2%. Thisfinding shows that computer knowledge plays important role to computer self-efficacy oncollege students, and it is important also
DETEKSI SIMILARITAS DOKUMEN ILMIAH MENGGUNAKAN ALGORITMA RABIN-KARP Hermas Yuda Pamungkas; Fitrianingsih Fitrianingsih
Jurnal Ilmiah Informatika Komputer Vol 24, No 3 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i3.2363

Abstract

Karya ilmiah adalah salah satu hak kekayaan atas intelektual seseorang. Dalam menulis karya ilmiah tentu memiliki tantangan tertentu agar tulisan tersebut merupakan tulisan yang orisinil dan tidak menjiplak secara langsung terhadap karya tulisan orang lain. Di jaman yang serba modern ini sumber daya tulisan mudah didapatkan dimana saja melalui internet. Kemudahan tersebut membuat seseorang dapat melakukan plagiarisme dari sumber tulisan lain dengan melakukan copy-paste pada penulisannya tanpa mengubah struktur kalimat dan mencantumkan sumber tulisan tersebut. Pada penelitian ini akan mengimplementasikan algoritma Rabin – Karp dalam melakukan pendeteksian similaritas suatu dokumen artikel ilmiah dengan dokumen lainnya.Tahapan dari penelitian ini terdiri dari pemisahan baris kalimat, querying google search, preprocessing, yang terdiri dari proses tokenizing, filtering, dan stemming, k-gram, hasing, perhitungan kemiripan kalimat,dan perhitungan kemiripan dokumen input. Dokumen yang dibandingkan adalah kalimat per kalimat pada dokumen input dengan hasil pencarian kalimat tersebut pada google search. Perbandingan tersebut dengan cara membandingkan total hash dari kalimat query dengan hash hasil pencarian kalimat tersebut sehingga dihasilkan similaritas kalimat tersebut yang nantinya diakumulasikan menjadi similaritas dokumen input tersebut. Hasil penelitian ini diharapkan dapat mendeteksi plagiarisme pada sebuah dokumen.
KLASIFIKASI JENIS CITRA DAUN MANGGA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Fitrianingsih Fitrianingsih; Rodiah Rodiah
Jurnal Ilmiah Teknologi dan Rekayasa Vol 25, No 3 (2020)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2020.v25i3.3519

Abstract

Jenis mangga dapat ditentukan berdasarkan karakteristik daun seperti bentuk, tekstur, dan warna dari daun tersebut. Tujuan penelitian ini adalah mengklasifikasikan citra daun mangga menggunakan model Convolutional Neura Network (CNN). Dataset citra daun yang digunakan pada penelitian ini terdiri dari 3 jenis mangga sebanyak 1761 citra yaitu mangga golek, mangga harum manis, dan mangga manalagi. Rasio pembagian data yang digunakan adalah 9:1, dengan 90% untuk data pelatihan dan 10% untuk data validasi. Arsitektur model CNN yang digunakan pada penelitian ini terdiri dari 4 lapisan konvolusi yang diikuti dengan maxpooling pada setiap lapisan konvolusinya. Pelatihan dilakukan sebanyak 60 epochs karena memiliki nilai akurasi yang paling baik. Nilai akurasi model pada tahap pelatihan mencapai 97,72% atau dapat mengidentifikasi 1549 citra daun mangga dengan benar dari total 1585 citra yang ada.  Nilai akurasi model pada tahap validasi mencapai nilai 89,20% atau dapat mengidentifikasi 157 citra daun mangga dengan benar dari total 176 citra yang ada.
Identifikasi Tanda Tangan Online Menggunakan Metode Ekstraksi Fitur Bentuk Global dan Lokal Cahyawati Diah Kusumarini; Fitrianingsih; Betty Suswati
Resolusi : Rekayasa Teknik Informatika dan Informasi Vol. 4 No. 2 (2023): RESOLUSI November 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/resolusi.v4i2.1481

Abstract

Online signatures have become one part of biometrics that is widely used to identify a person, because each person has a different signature and each signature has unique physiological characteristics. The main problem in identifying online signatures is the inconsistency in the form of a person's signature when writing a signature on a surface. Special analysis is needed regarding the main characteristics that can be used to anticipate these inconsistencies so that a person's signature can be identified correctly. This research aims to obtain features that can be used to facilitate the process of identifying signature owners. This research uses a method based on global shape features and local shape features. Global shape features are used to capture signature candidates identified as having the same or similar global form. After that, local shape features are used to measure the detailed shape similarity of each signature candidate. The trial was carried out using primary data totaling 60 signatures collected from 12 respondents. Each respondent provides five signatures which are divided into three signatures as training data and two signatures as test data. The test results of the proposed method and algorithm show an identification accuracy rate of 96.67%. This shows that the extraction method from global shape features and local shape features can be used for the development of an online biometric signature recognition system.
Penerapan Metode User Centered Design (Ucd) Pada Modul Rekomendasi Website Sijati Syahrul, Elfitrin; Fitrianingsih, Fitrianingsih; Jatnika, Ihsan; Khairunnisa, Aprillia Intan; Agushinta , Dewi
Jurnal Ilmiah Komputasi Vol. 23 No. 4 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 4, Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.4.3760

Abstract

Perkembangan sektor transportasi di Indonesia membutuhkan sistem informasi yang handal dan terintegrasi, khususnya dalam pengelolaan jabatan fungsional transportasi di Kementerian Perhubungan. Sistem Informasi Jabatan Fungsional Transportasi (SIJATI) yang dimiliki Pusat Pembinaan Jabatan Fungsional Transportasi (Pusbin JFT) masih dilakukan semi-manual. Satu dari empat modul yang dikembangkan adalah modul Rekomendasi. Metode User Centered Design (UCD) sebagai salah satu metode pengembangan UI/UX digunakan untuk modul ini dengan menempatkan pengguna sebagai pusat desain dalam setiap tahapannya. Metode ini melibatkan proses iteratif, dimulai dari analisis kebutuhan hingga pengujian dan evaluasi desain antarmuka oleh pengguna. Hasil pengembangan berupa prototipe menunjukkan bahwa website SIJATI mampu mempermudah pelayanan administrasi bagi pejabat fungsional transportasi. Hasil Index Percentage (IP) pengujian dari 31 responden sebesar 64,08%, menunjukkan bahwa penerapan UCD dapat dikatakan baik dalam meningkatkan efektivitas dan efisiensi sistem. Penerapan metode UCD terbukti meningkatkan kepuasan pengguna dengan menghadirkan antarmuka yang intuitif serta navigasi yang jelas. Rekomendasi untuk terus memperbaiki desain dan meningkatkan keamanan dan performa sistem dilakukan guna mendukung skala pengguna yang lebih luas di lingkungan Kementerian Perhubungan
A Comparative Study of Machine Learning Models for Fashion Product Demand Prediction: Exploring Algorithms, Data Splitting, and Feature Engineering Mardiah, Reviana Siti; Fitrianingsih, Fitrianingsih
Applied Information System and Management (AISM) Vol 8, No 1 (2025): Applied Information System and Management (AISM)
Publisher : Depart. of Information Systems, FST, UIN Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/aism.v8i1.45600

Abstract

The fashion industry faces challenges in accurately predicting demand due to inherent uncertainty, leading to suboptimal inventory and financial losses. Machine learning (ML) offers a robust solution by analyzing large and complex data, identifying non-linear patterns, and providing more accurate predictions than conventional methods that rely on limited factors.  This research aims to compare and evaluate the performance of six different ML models—XGBoost, SVM, RF, GBM, KNN, and NN, considering the influence of feature engineering and various data split ratios on predicting fashion product demand. KNN and NN were included due to distinct modeling approaches and competitive capabilities in identifying local and non-linear patterns across numerical, categorical, and time series data.  Techniques such as feature extraction and selection and various data split ratios (70:30, 80:20, 90:10) were used.  Using Adidas sales data, the models were evaluated based on Root Mean Squared Error (RMSE) and Mean Absolute Error (MAE). The results indicate that the XGBoost-based model with feature engineering consistently outperforms the other models across all data split ratios. Particularly, XGBoost with feature engineering at a data split ratio of 90:10 achieved the best performance with an RMSE of 4.46 and an MAE of 1.51. Analyzing model performance shows that the predictive ability of ML models is influenced by the implementation of feature engineering and the selection of the data split ratio. These results demonstrate the potential of using feature-engineered XGBoost models and optimized data ratios to mitigate the risk of stockouts or overstocks, and reduce financial losses and environmental waste.
Co-Authors Agushinta , Dewi Andri Hanafi Andri Hanafi Betty Suswati Cahyawati Diah Kusumarini Debyo Saptono Dewi Agushinta R. Dody Pernadi Dody Pernadi Elfitrin Syahrul Ernastuti Ernastuti Hermas Yuda Pamungkas Ihsan Jatnika Khairunnisa, Aprillia Intan Mardiah, Reviana Siti Ngakasah, Siti Aliyah Paranita Asnur Quroyzhin Kartika Rini Rodiah Rodiah Sarifuddin Madenda Suryarini Widodo Tri Mardhika Sampurna Tri Wahyu R.N