Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Insan

Penerapan Model Waterfall Pada Sistem Informasi Layanan Jasa Listrik Risca Apriyanti; Hilda Amalia; R. Dimas Candra
Jurnal INSAN: Journal of Information System Management Innovation Vol. 1 No. 1 (2021): Juni 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (317.238 KB) | DOI: 10.31294/jinsan.v1i1.363

Abstract

Listrik merupakan sumber daya yang dibutuhkan disetiap aspek kehidupan. Pertumbuhan jumlah penduduk mempengaruhi tingkat permintaan pemasangan jasa listrik. Listik merupakan salah satu kebutuhan utama bagi pelaku industri. Kebutuhan industri terhadap penyediaan listrik terus meningkat seiring dengan meningkatnya pembangunan gedung-gedung tempat usaha. Untuk itu penyedia layanan jasa listrik menjadi salah satu cara untuk bisa memperoleh listrik dengan lebih cepat. Perusahaan penyedia layanan jasa pemasangan listrik menjadi alternatif bagi dunia usaha untuk menyediakan pasokan listrik bagi tempat usahanya. Persaingan antar perusahaan semakin ketat untuk itu diperlukan strategi yang baik untuk dapat menarik minat pelanggang . Permasalahn pada penyedai layanan jasa listrik adalah belum terkomputasinya sistem layanan jasa penyedia listrik, hal ini mengakibatkan kepuasan customer terhadap layanan jasa rendah. Untuk meningkatkan kepuasan terhadap layanan penyedia jasa listrik perlu dilakukan perubahan sistem pelayanan penyedia layanan listrik dengan menerapkan sistem informasi. sehingga sehingga proses transaksi layanan jasa penyedia listrik menjadi lebih efisien dan efektif. Metode pengembangan perangkat lunak untuk sistem informasi layanan jasa listrik menggunakan metode waterfall. Hasil penelitian ini adalah design sistem informasi layanan jasa penyedia listrik yang mempu memberikan pelayanan yang memuaskan bagi pelanggan
Rancang Bangun Pelayanan Jasa Laundry Pada Saidi Laundry Berbasis Mobile Yunita; Siti Lailatul Fitriana; Hilda Amalia
Jurnal INSAN: Journal of Information System Management Innovation Vol. 2 No. 1 (2022): Juni 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (799.223 KB) | DOI: 10.31294/jinsan.v2i1.1032

Abstract

Pandemi Covid-19 saat ini menimbulkan kekhawatiran sehingga banyak orangnya lebih memperhatikan kebersihan, salah satunya terhadap pakaian yang dikenakan, kondisi ini menyebabkan usaha laundry mengalami kebanjiran pesanan. Ketua Umum Asosiasi Laundry Indonesia (ASLI), Apik Primadya mengatakan sejak merebaknya virus corona peningkatan jumlah permintaan binatu naik hingga 50 persen (Kompas.com). Meningkatnya usaha binatu maka diperlukan sebuah usaha menarik konsumen dengan memberikan pelayanan yang dapat menciptakan kepuasan terhadap pelanggan. Beberapa permasalahan yang melandasi untuk merancang sebuah system informasi laundry pada Saidi Laundry diantaranya yaitu nota pelanggan yang hilang maupun tertinggal pada saat pengambilan laundry, keterlambatan pembayaran dan pengambilan pakaian sehingga menimbulkan penumpukan pakaian, proses rekapitulasi nota serta pelaporan yang masih manual, dan permasalahan yang dihadapi dimasa pandemic saat ini yaitu keinginan pelanggan untuk dapat melakukan transaksi secara online. Untuk itu diperlukan sebuah pengelolaan di indsutri jasa laundry yang lebih efektif dan efisien. Sistem informasi ini dirancang dengan menggunakan metode Prototype, dengan menggunakan UML sebagai Analisa dan rancanganya.
Penerapan Metode Algoritma XGBoost untuk Prediksi Risiko Penyakit Jantung Adani, Fadia Izni; Amalia, Hilda
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.10000

Abstract

Abstrak - Penyakit jantung masih menjadi salah satu penyebab utama kematian di dunia, termasuk di Indonesia, sehingga deteksi dini terhadap faktor risikonya menjadi sangat penting untuk menekan angka kematian dan meningkatkan kualitas hidup pasien. Penelitian ini menerapkan algoritma XGBoost untuk membangun model prediksi risiko penyakit jantung menggunakan dataset cardio_train.csv dari Kaggle, yang berisi data kesehatan pasien meliputi usia, jenis kelamin, tekanan darah, kolesterol, serta variabel lain yang relevan. Tahapan penelitian meliputi pra-pemrosesan data, pelatihan model, evaluasi performa menggunakan metrik akurasi dan AUC, serta analisis feature importance. Hasil menunjukkan bahwa model XGBoost mampu mencapai precision sebesar 0,72, recall sebesar 0,77, F1-score sebesar 0,74, akurasi sebesar 73%, serta nilai AUC sebesar 0,795, yang menandakan kemampuan klasifikasi yang cukup baik. Fitur-fitur seperti tekanan darah sistolik (ap_hi), usia (age), dan kolesterol merupakan faktor dominan dalam proses prediksi. Dengan hasil ini, XGBoost dapat direkomendasikan sebagai metode dalam pengembangan sistem pendukung keputusan untuk deteksi dini penyakit jantung secara otomatis.