Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal JURTEKSI Jurnal Masyarakat Madani Indonesia Jurnal Sistem Informasi (JASISFO) Jurnal Inkofar
Devi Sartika
Politeknik Negeri Sriwijaya
Humanities Computer Science & IT Education Public Health Social Sciences

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

Found 4 Documents
Search

 1 
SUPPORT VECTOR MACHINE ANALYSIS FOR INTEREST AND TALENT CLASSIFICATION WITH PYTHON LIBRARY Devi Sartika; Febie Elfaladonna; Andre Mariza Putra
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 10, No 3 (2024): Juni 2024
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i3.3067

Abstract

Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths            Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm  Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka. Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat 
Pendampingan Pemanfataan Data Spasial Untuk Intervensi Kesehatan Publik: Studi Kasus Pemetaan Risiko TB di Wilayah Perkotaan Daffa Jiyad Pratama; Trizaurah Armiani; Devi Sartika; Ade Sukma Wati; Rahmadilla Putri Aulia; M. Farizh Anugrah
Jurnal Masyarakat Madani Indonesia Vol. 4 No. 4 (2025): November
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/3mwenz92

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kapasitas dan keterampilan Komunitas Masyarakat Sehat Sriwijaya dalam memanfaatkan data spasial untuk pemetaan risiko Tuberkulosis (TB) di wilayah perkotaan Palembang. Penyebaran TB di daerah perkotaan sering dipengaruhi oleh faktor lingkungan, kepadatan penduduk, serta keterjangkauan layanan kesehatan. Oleh karena itu, penggunaan pendekatan spasial menjadi penting untuk mendukung perencanaan intervensi kesehatan yang lebih efektif dan berbasis bukti. Kegiatan dilakukan melalui metode pendampingan partisipatif. Hasil kegiatan menunjukkan peningkatan pemahaman dan keterampilan mitra dalam mengelola serta menganalisis data spasial untuk mengidentifikasi titik-titik risiko TB dengan lebih akurat. Peta digital yang dihasilkan memberikan gambaran yang jelas mengenai wilayah berisiko tinggi, sehingga dapat dijadikan dasar dalam perumusan strategi pencegahan dan penanganan TB secara lebih tepat sasaran. Selain peningkatan kapasitas teknis, kegiatan ini juga menumbuhkan kesadaran mitra akan pentingnya penggunaan data berbasis bukti dalam mendukung kebijakan kesehatan publik. Dampak jangka panjang diharapkan berupa penerapan teknologi geospasial secara berkelanjutan dalam pemantauan penyakit menular dan penguatan kolaborasi antara akademisi dengan masyarakat untuk mendukung pembangunan kesehatan di tingkat lokal.
Aplikasi Perhitungan dan Penyaluran Zakat Mal Pada Badan Amil Zakat Provinsi Sumatera Selatan dengan Menggunakan Design Web Maryati Maryati; Rika Sadariawati; Devi Sartika
Jurnal Sistem Informasi (JASISFO) Vol. 5 No. 2 (2024): September
Publisher : Politeknik Negeri Sriwijaya

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

Abstract

Badan Amil Zakat Provinsi Sumatera Selatan saat ini masih menggunakan Microsoft Excel dalam proses perhitungan dan penyaluran zakat mal, yang dinilai kurang efisien dan berisiko terhadap kesalahan data. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah aplikasi berbasis web yang dapat mengotomatisasi proses tersebut secara lebih sistematis dan akurat. Data dikumpulkan melalui observasi dan wawancara dengan staf terkait, kemudian dianalisis menggunakan pendekatan sistem informasi. Hasil dari pengembangan ini adalah sebuah aplikasi yang dibangun menggunakan bahasa pemrograman PHP dan sistem manajemen basis data MySQL. Aplikasi ini mampu mendukung perhitungan zakat mal, pengelolaan data muzakki dan mustahik, serta penyaluran zakat secara lebih efektif. Implementasi sistem menunjukkan peningkatan efisiensi kerja, akurasi data, dan kualitas layanan, serta memberikan manfaat nyata bagi operasional Badan Amil Zakat Provinsi Sumatera Selatan.
IMPLEMENTATION OF THE K-NEAREST NEIGHBOR METHOD FOR AN EQUIPMENT INVENTORY SYSTEM AT THE XYZ CITY FIRE AND DISASTER MANAGEMENT DEPARTMENT Dafa Arya Wijaya; Febie Elfaladonna; Meivi Kusnandar; Deri Darfin; Devi Sartika
INKOFAR Vol. 10 No. 1 (2026)
Publisher : Politeknik META Industri Cikarang

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

Abstract

Background Inventory management is essential for ensuring the availability, traceability, and proper maintenance of organizational assets. However, the XYZ City Fire and Disaster Management Department still manages inventory using Microsoft Excel, resulting in inefficient data processing, limited accessibility, and a high risk of data entry errors. Purpose This study aims to develop a web-based inventory management system integrated with the K-Nearest Neighbor (KNN) algorithm to improve inventory management efficiency and automatically evaluate equipment feasibility. Methodology A web-based inventory application was developed to manage inventory records and classify equipment conditions using the K-Nearest Neighbor (KNN) method. System performance was evaluated using classification metrics, including accuracy, precision, recall, and F1-score. Findings The developed system successfully automated inventory management and equipment feasibility assessment. Experimental results showed that the KNN model achieved 100% accuracy, precision, recall, and F1-score, demonstrating its effectiveness in classifying equipment as either suitable for continued use or requiring replacement. Implications The proposed system provides a practical solution for improving inventory management by increasing data accuracy, accelerating decision-making, and supporting real-time monitoring of equipment conditions. Although the system performed exceptionally well in this study, further validation using larger and more diverse datasets is recommended to evaluate its scalability and generalizability.. Originality This study integrates a web-based inventory management system with the K-Nearest Neighbor algorithm to automate equipment feasibility evaluation in a fire and disaster management agency, providing an accurate, efficient, and real-time decision-support tool for inventory management.
Co-Authors Ade Sukma Wati Andre Mariza Putra Dafa Arya Wijaya DERI DARFIN Febie Elfaladonna M. Farizh Anugrah Maryati Maryati Meivi Kusnandar Pratama, Daffa Jiyad Rahmadilla Putri Aulia Rika Sadariawati Trizaurah Armiani