Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Ilmu Terapan JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer
Rani Megasari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Implementasi Algoritma Extreme Learning Machine pada Prediksi Aktivitas Badai Geomagnetik Irsyad Prawira; Rani Megasari; Eki Nugraha; Anton Winarko
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25121

Abstract

Badai geomagnetik merupakan gangguan yang terjadi di magnetosfer bumi, akibat adanya aktivitas matahari yang dapat berdampak pada infrastruktur listrik di bumi. Sebagai peringatan dini, Lembaga Penerbangan dan Antariksa Nasional (LAPAN) di Indonesia memiliki kegiatan rutin untuk memprediksi kemungkinan terjadinya badai tersebut dalam rentang waktu 24 jam ke depan. Namun pada tahun 2015, hasil prediksi badai geomagnetik yang dilakukan secara manual oleh LAPAN hanya mendapatkan akurasi sebesar 57.14%. Oleh karena itu, penelitian ini mengusulkan pemanfaatan metode Extreme Learning Machine (ELM) dengan inisiasi bobot dan bias input secara acak sehingga memiliki waktu eksekusi cepat dalam melakukan prediksi badai geomagnetik, yang bertujuan untuk mendapatkan nilai prediksi secara otomatis dengan nilai akurasi yang dapat dijadikan sebagai pendukung keputusan. Data penelitian yang digunakan meliputi data coronal hole, coronal mass ejection, solar wind dan indeks Dst pada tahun 2011 hingga 2016. Hasil penelitian ini menunjukkan algoritma ELM memiliki tingkat akurasi yang lebih besar dalam memprediksi badai geomagnetik tahun 2015, dengan nilai 57.80822%. Meskipun memiliki selisih akurasi yang kecil, namun pemanfaatan ELM ini dapat membantu prediksi badai geomagnetik secara otomatis. Secara umum, algoritma ELM yang dibangun dalam penelitian ini memiliki nilai rata-rata akurasi prediksi tertinggi sebesar 69.9055%.
Penerapan Association Rules Menggunakan Algoritma Apriori Pada Sistem Rekomendasi Pemilihan Resep Obat Berdasarkan Data Rekam Medis Abdul Aziz Priatna; Rani Megasari; Jajang Kusnendar
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25185

Abstract

Peningkatan kunjungan pasien di rumah sakit terutama pasien rawat jalan, berdampak pada meningkatnya pekerjaan yang harus dilakukan oleh petugas rumah sakit, khususnya apoteker. Peningkatan tersebut menyebabkan lambannya pelayanan resep obat di rumah sakit. Selain itu pencatatan rekam medis yang masih dilakukan secara manual juga turut menjadi penyebab hal ini terjadi, karena kurangnya pengetahuan akan standar format penulisan resep sehingga membuat para apoteker sulit untuk membaca obat yang di resepkan oleh dokter. Oleh karena itu, penelitian ini mengusungkan penerapan teknik association rules dengan menggunakan algoritma apriori yang bertujuan untuk membuat sistem rekomendasi pemilihan resep obat. Dataset yang digunakan berupa data rekam medis RSAU Dr. M. Salamun tanggal 24 Juli 2017 hingga 29 Juli 2017. Sistem yang dibangun diharapkan dapat membantu dokter untuk menemukan pola asosiatif dari kombinasi penyakit dan obat-obatan yang direkomendasikan, serta akan secara otomatis terhubung dengan sistem yang digunakan apoteker dalam melakukan pelayanan resep obat. Hasil dari penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi obat-obatan dari data rekam medis dengan nilai rata-rata akurasi sebesar 89%.
Sistem Pencatatan Kehadiran Pertemuan Berbasis Mobile dengan Metode Pengembangan Spiral Irsad Harfiansah Shodiq; Rani Megasari; Muhammad Nursalman
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25187

Abstract

Pertemuan merupakan kegiatan yang sering dilakukan untuk tujuan tertentu. Di dalam pertemuan, kehadiran menjadi faktor penting untuk dicatat. Pencatatan kehadiran biasanya dilakukan secara manual yang memakan waktu dan tenaga, atau menggunakan alat khusus berbasis biometrik yang menelan biaya dan tidak cocok untuk pertemuan dinamis. Dengan ponsel pintar yang semakin umum digunakan, pencatatan kehadiran kini dapat dilakukan dengan bantuan aplikasi mobile. Untuk itu, penelitian ini membuat sebuah aplikasi pada platform Android yang dapat mendaftarkan jadwal pertemuan penggunanya, dan mencatatkan kehadiran dengan beberapa parameter seperti lokasi, anggota, dan trust. Penelitian menghasilkan sistem pencatatan kehadiran pertemuan dan parameter yang perlu ada untuk membangun sistem ini. Pengujian dilakukan dengan metode black box menunjukan seluruh fitur dan fungsi berjalan semestinya.
Meningkatkan Berpikir Komputasi Siswa Melalui Aktivitas Unplugged: Studi Action Research pada Binary Search Trees Andy Agustian; Elisa Rosa; Rangga Destian; Lala Septem Riza; Muhammad Nursalman; Rasim Rasim; Rani Megasari; W. Wahyudin
Jurnal Sains dan Ilmu Terapan Vol. 7 No. 2 (2024): Jurnal Sains dan Ilmu Terapan
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jsit.v7i2.916

Abstract

Computational thinking is an essential skill in the digital age that includes problem solving, data analysis, and understanding algorithms. Unplugged activities, which introduce the concept of computing without electronic devices, are an effective and inclusive alternative in education, especially in environments with limited access to technology. This study aims to investigate the improvement of students' computational thinking through unplugged activities focusing on Binary Search Trees (BST). The method used is action research with the Kurt Lewin model, involving 42 6th grade elementary school students. The ISTE instrument was used to measure computational thinking skills. The results showed an increase in computational thinking skills, with 14.29% of students still not developing, 83.33% of students starting to develop, and 2.38% of students developing as expected. In conclusion, unplugged activities focusing on BST can significantly improve students' computational thinking skills, offering an innovative teaching method that can be applied in various educational contexts.
Co-Authors Abdul Aziz Priatna Andy Agustian Anton Winarko Eki Nugraha Elisa Rosa Irsad Harfiansah Shodiq Irsyad Prawira Jajang Kusnendar Lala Septem Riza Muhammad Nursalman Rangga Destian Rasim Rasim W. Wahyudin