Article Per Year (5 Year)
p-Index From 2021 - 2026
7.032
P-Index
This Author published in this journals
All Journal Dinamik Pixel : Jurnal Ilmiah Komputer Grafis Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika BERNAS: Jurnal Pengabdian Kepada Masyarakat Abdi Kami : Jurnal Pengabdian Kepada Masyarakat Infotek : Jurnal Informatika dan Teknologi Madaniya Media Aplikom Jurnal Bingkai Ekonomi (JBE) Brilliance: Research of Artificial Intelligence Jurnal Informasi Sains dan Teknologi (ISAINTEK) Jurnal Rekam Medis dan Manajemen Informasi Kesehatan Jurnal Cakrawala Informasi (JCI) Jurnal HUMMANSI (Humaniora, Manajemen, Akuntansi) Digital Transformation Technology (Digitech) Jurnal Pengabdian Teknik dan Ilmu Komputer (PETIK) Jurnal Pengabdian Kepada Masyarakat Magistrorum et Scholarium: Jurnal Pengabdian Masyarakat Community: Jurnal Pengabdian Pada Masyarakat SmartComp Jurnal Pengabdian Masyarakat (Jupemas) Jurnal Pengabdian Masyarakat Science Technology and Management Journal (STMJ) Scientific Journal of Informatics Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Siska Narulita
Universitas Nasional Karangturi Semarang
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 52 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 52 Documents
Search

 2   3   4   5   6 
Performansi Algoritma K-Means pada Penentuan Cluster Covid-19 Faqih Ahyar Prayoga; Rengga Pratama Putra; Ghani Ayang Arjuna; Siska Narulita
Jurnal Cakrawala Informasi Vol 3 No 2 (2023): Desember : Jurnal Cakrawala Informasi
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) - Institut Teknologi dan Bisnis Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54066/jci.v3i2.327

Abstract

Pada awal Maret 2020, Indonesia dilanda pandemi Corona Virus atau sering kita sebut dengan Covid-19. Virus ini menyebabkan infeksi pada saluran pernapasan seperti flu ketika menyerang manusia. Di Indonesia sendiri penyebaran Covid-19 sangatlah cepat, misalnya di daerah Jawa Barat sehingga pemerintah kesulitan menangani cepatnya penyebaran virus Covid-19. Sebagai salah satu upaya untuk mempercepat penanganan penyebaran Covid-19, diperlukan pengelompokan wilayah yang terjangkit agar penanganannya tepat. Pengelompokan data ini dapat dilakukan menggunakan metode data mining clustering dengan algoritma K-Means. Penelitian ini bertujuan untuk mengetahui performansi algoritma K-Means pada pengelompokan wilayah terjangkit Covid-19. Proses pengolahan data dalam penelitian ini menggunakan bantuan tool Rapidminer. Hasil penelitian menunjukkan nilai DBI 0,459 dimana nilai tersebut non-negatif atau lebih besar sama dengan 0 yang berarti cluster yang dihasilkan semakin baik.
Performansi Algoritma C4.5 untuk Prediksi Kelulusan Mahasiswa Dyah Ardyani Rizqi Azizah Adha; Aulia Noveesa Allanda; Diah Ayu Fatmasari; Siska Narulita
Jurnal Cakrawala Informasi Vol 3 No 2 (2023): Desember : Jurnal Cakrawala Informasi
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) - Institut Teknologi dan Bisnis Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54066/jci.v3i2.339

Abstract

Lulus tepat waktu adalah salah satu ciri keberhasilan mahasiswa dalam meraih gelar sarjana. Namun pada kenyataannya, mahasiswa tidak selalu menyelesaikan dalam waktu empat tahun. Lulusan merupakan gelar status yang dicapai mahasiswa setelah proses pendidikan sesuai dengan persyaratan kelulusan yang diberikan oleh program studi. Kelulusan tepat waktu termasuk dalam komponen pengukuran mutu lembaga pendidikan tinggi. Karena merupakan kriteria dalam proses akreditasi program studi dan institusi oleh Badan Akreditasi Perguruan Tinggi (BAN PT). Perguruan tinggi sebaiknya memiliki serta menerapkan prosedur untuk mengelola dan mengevaluasi standar kelulusan mahasiswa yang mempresentasikan kinerja perguruan tinggi dalam peningkatan mutu. Oleh karena itu, perlu dilakukan untuk mengelola kelulusan mahasiswa, yaitu tercapainya masa studi mahasiswa sesuai dengan lama studi yang telah terjadwal. Pada penelitian ini, algoritma data mining yang digunakan adalah C4.5 untuk memprediksi kelulusan mahasiswa. Algoritma ini termasuk dalam klasifikasi dengan kategori numerik. Pada penelitian ini algoritma C4.5 memprediksi kelulusan dengan nilai accuracy 85,96%.
Performansi Algoritma Decision Tree (C4.5) untuk Prediksi Penyakit Jantung Petra Valentino; Siska Narulita
Jurnal Cakrawala Informasi Vol 3 No 2 (2023): Desember : Jurnal Cakrawala Informasi
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) - Institut Teknologi dan Bisnis Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54066/jci.v3i2.349

Abstract

Gangguan pada jantung terus meningkat dan menjadi penyakit yang mematikan. Perlunya diagnosis secara dini terhadap penyakit ini, namun hal itu sangat sulit dilakukan. Hal ini dikarenakan kurangnya tenaga ahli medis yang terlatih dan sumber daya lain yang dibutuhkan untuk melakukan diagnosis dan perawatan yang tepat bagi pasien penyakit jantung. Proses evaluasi menggunakan hasil prediksi yang akurat terhadap resiko gagal jantung sangat membantu penderita dalam mencegah serangan jantung yang parah dan dapat meningkatkan angka keselamatan dari penderita penyakit ini. Diantara cara yang paling efektif dalam mengidentifikasi dan melakukan prediksi pada penyakit jantung adalah dengan pemanfaatan algoritma data mining. Penelitian ini bertujuan untuk membuat model terbaik untuk prediksi penyakit jantung menggunakan algoritma data mining Decision Tree (C4.5). Berdasarkan hasil penelitian yang telah selesai dilakukan, dapat diambil kesimpulan bahwa nilai akurasi terbaik diperoleh pada model prediksi yang menggunakan perbandingan data training dan data testing sebesar 90%:10% yang menghasilkan nilai akurasi sebesar 88,35%. Model prediksi ini diharapkan dapat menjadi alat pendukung dalam diagnosis penyakit jantung, sehingga dapat dilakukan pencegahan serangan jantung yang parah dan dapat meningkatkan persentase angka keselamatan bagi penderita.
Pengembangan Sistem Manajemen Kuis Berbasis Web menggunakan Metode Rapid Application Development Hikmal Adi Wibowo; Siska Narulita
Pixel :Jurnal Ilmiah Komputer Grafis Vol. 18 No. 1 (2025): Pixel :Jurnal Ilmiah Komputer Grafis dan Ilmu Komputer
Publisher : UNIVERSITAS STEKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/pixel.v18i1.2310

Abstract

Digital-based evaluation is increasingly utilized across various fields of education and training. This study focuses on the development and analysis of a web-based quiz management system that facilitates interaction between users and administrators. The research involves implementing a user dashboard for quiz participation and an admin dashboard for managing questions and quiz results. The methodology includes a case study on system testing, user needs analysis, and evaluation of system effectiveness using both quantitative and qualitative approaches. The findings indicate that the system enhances evaluation efficiency and simplifies quiz data management. The study concludes that web-based systems play a crucial role in supporting evaluation and learning management.
Rancang Bangun Aplikasi Marketplace Edukasi “Pasar Ilmu” Oei Joviano Matthew Wijaya; Vic Jeremy Prajogo; Gafgarion Sudrajat Budi Darminto; Gracia Stefani Suharyadi; Siska Narulita; Sekarlangit Sekarlangit
Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi Vol. 3 No. 1 (2025): Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/bridge.v3i1.422

Abstract

The welfare of teachers in Indonesia, especially honorary teachers, is still very poor when compared to other ASEAN countries. There is a gap between the salaries of teachers in Indonesia and the salaries of teachers in several ASEAN countries. There have been several demonstrations carried out by teachers, especially honorary teachers, because the salary received is not in accordance with the performance that has been carried out. On the other hand, there is a problem of high unemployment in Indonesia. The factors causing the high unemployment rate in Indonesia are the mismatch of qualifications and the low quality of education in Indonesia, as well as limited job vacancies and the high need for employment. To overcome these problems, a new innovation is needed that can help the community in creating jobs and improving the quality of education in Indonesia. The Pasar Ilmu educational marketplace application was developed to overcome these problems. The development of this Pasar Ilmu application uses the prototype system development method. This research aims to create a system or application of the Pasar Ilmu educational marketplace that can help improve the quality of education in Indonesia as an application that can help honorary teachers to get additional income, help reduce unemployment in Indonesia, and provide flexible courses or lessons for students.
Implementasi Metode Pengembangan Sistem Prototype pada Rancang Bangun Aplikasi Marketplace Lensa Buana Reynard Adelard; Richo Muthicahya; Evan Setiawan Wicaksono; Laurentius Kenneth V; Siska Narulita; Sekarlangit
Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi Vol. 3 No. 2 (2025): Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/bridge.v3i2.424

Abstract

In line with the development of the digital potential of the creative economy, the demand for quality visual content from photography and videography industry players has also increased. However, access to quality photographers and videographers is still a problem for some people. Likewise, photographers and videographers also experience difficulties in getting clients. Photographers and videographers feel that the use of social media has not been maximized in helping them get clients. In addition to these problems, these photographers and videographers also have difficulty in disseminating the events held. To overcome this problem, researchers developed a digital platform that can accommodate the interests of photography and videography service providers, as well as the community of users of these services. The digital platform developed by researchers is named the “Lensa Buana” marketplace application. The development of the Lensa Buana marketplace application uses the prototype system development method. With this application, it is hoped that photography and videography service providers can reach more consumers, while the community as consumers can easily get photography and videography services according to their needs and desired quality.
Pengembangan Sistem Informasi Verifikasi Online (SI-VERO) Berbasis Web Narulita, Siska; Sekarlangit, Sekarlangit; Abdillah, M. Zakki
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10131

Abstract

Maraknya kasus kecurangan atau manipulasi dokumen sertifikat atau piagam penghargaan pada proses Penerimaan Peserta Didik Baru (PPDB) di berbagai wilayah di Indonesia, menjadi permasalahan yang serius untuk diselesaikan. Tindakan ini dapat merugikan para siswa yang telah berprestasi secara jujur, merusak kepercayaan masyarakat terhadap integritas pendidikan dan kredibilitas sistem PPDB itu sendiri, sehingga berdampak pada kepercayaan masyarakat kepada institusi atau lembaga pendidikan dan pemerintah. Metode penelitian yang dipergunakan adalah case studies research. Peneliti menggunakan metode Rapid Application Development (RAD) untuk pengembangan sistem dan blackbox testing berbasis equivalent partition untuk metode pengujian sistem. Berdasarkan hasil blackbox testing berbasis equivalent partition, bahwa sistem informasi verifikasi online yang dibangun, secara keseluruhan fungsionalitasnya sudah berjalan dengan baik. Sistem yang dibangun juga sudah sesuai dengan kebutuhan pengguna dalam mengakomodir permasalahan terkait dengan verifikasi sertifikat secara online, sehingga dapat meminimalisir praktik kecurangan atau manipulasi dokumen sertifikat atau piagam penghargaan.
Feature Selection Information Gain pada Klasifikasi Pasien Penyakit Jantung (Heart Disease) Siska Narulita; Priyo Nugroho Adi
Jurnal Rekam Medis & Manajemen Infomasi Kesehatan Vol. 4 No. 1 (2024): Juni 2024
Publisher : Universitas Nasional Karangturi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53416/jurmik.v4i1.240

Abstract

Heart disease, also known as cardiovascular disease, is a condition where there is a blockage or narrowing of blood vessels that can lead to heart attack, chest pain, or stroke. It needs appropriate medical treatment because this disease can be the cause of death. Data mining methods are helpful in diagnosing and treating heart disease. Data mining methods can play a major role in the process of improving the quality of care for heart disease patients, providing valuable information for informed decision-making regarding prevention and treatment. The data analysis process uses classification algorithms, namely Decision Tree (C4.5), Naive Bayes (NB), Support Vector Machine (SVM), and Random Forest (RF) combined with feature selection information gain method. The results show that data mining methods are very useful in diagnosing and treating heart disease. The highest percentage of correct classifications for both models before and after the implementation of feature selection information gain was obtained by the RF algorithm, which amounted to 95.71%. However, the implementation of the feature selection information gain method in this study did not contribute significantly to improving the classification quality of each algorithm used.
Optimasi Algoritma K-Nearest Neighbor (k-NN) dengan Wrapper Forward Selection untuk Deteksi Penderita Breast Cancer Oei Joviano Matthew Wijaya; Siska Narulita
Jurnal Rekam Medis & Manajemen Infomasi Kesehatan Vol. 5 No. 1 (2025): Juni 2025
Publisher : Universitas Nasional Karangturi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53416/jurmik.v5i1.324

Abstract

Breast cancer atau kanker payudara adalah penyakit yang disebabkan karena adanya pertumbuhan sel-sel tubuh yang tidak normal dan mengambil alih sel yang masih sehat pada daerah payudara. Breast cancer sangat diperlukan penanganan dini agar sel kanker pada payudara tidak menyebar secara luas, karena breast cancer dapat menyebabkan kematian. Data mining dapat menjadi salah satu opsi solusi dalam membantu diagnosis kanker payudara. Data mining dapat berperan dalam membantu pengambilan keputusan, karena data yang sudah diolah dapat digunakan dalam analisis sebelum pengambilan keputusan. Analisis data dalam penelitian ini menggunakan algoritma klasifikasi k-Nearest Neighbor (k-NN) yang dioptimasi menggunakan teknik feature selection, yaitu wrapper forward selection. Hasil penelitian menunjukkan bahwa data mining sangat berguna dan bermanfaat dalam menganalisis dan mendiagnosis penyakit breast cancer. Hasil penelitian menunjukkan bahwa nilai persentase akurasi, presisi, dan recall pada model yang menggunakan forward selection menghasilkan persentase yang lebih tinggi daripada yang tidak menggunakan forward selection, yaitu sebesar 96,19%. Sedangkan model yang tidak menggunakan teknik forward selection menghasilkan tingkat akurasi sebesar 84,16%. Sehingga dalam penelitian ini, teknik forward selection sangat berpengaruh dalam meningkatkan akurasi pada model yang terbentuk.
Deteksi Penderita Diabetes dengan Algoritma Random Forest dan Backward Elimination Vic Jeremy Prajogo; Siska Narulita
Jurnal Rekam Medis & Manajemen Infomasi Kesehatan Vol. 5 No. 1 (2025): Juni 2025
Publisher : Universitas Nasional Karangturi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53416/jurmik.v5i1.334

Abstract

Diabetes merupakan salah satu penyakit kronis yang membutuhkan deteksi dini secara akurat untuk penanganan yang tepat. Penelitian ini bertujuan untuk mengoptimalkan proses deteksi penderita diabetes menggunakan kombinasi algoritma Random Forest dengan teknik Backward Elimination sebagai salah satu metode feature selection. Dataset yang digunakan berasal dari database publik yang diambil dari Kaggle, terdiri dari 768 sampel dengan 9 atribut, termasuk kadar glukosa, tekanan darah, indeks massa tubuh, dan faktor risiko lainnya. Metodologi penelitian meliputi empat tahap utama, data preparation untuk memastikan kualitas dataset, pre-processing menggunakan Backward Elimination untuk seleksi fitur optimal, implementasi algoritma Random Forest untuk klasifikasi, dan evaluasi performa menggunakan confusion matrix. Hasil penelitian menunjukkan peningkatan signifikan dalam performa model setelah implementasi Backward Elimination, dengan peningkatan accuracy dari 83,08% menjadi 99,78%, precision dari 79,37% menjadi 99,67%, sementara recall tetap konsisten pada 100%. Optimasi menggunakan Backward Elimination terbukti efektif dalam mengeliminasi fitur-fitur yang kurang berkontribusi terhadap akurasi prediksi, menghasilkan model yang lebih efisien dan akurat. Temuan ini mengindikasikan bahwa kombinasi Random Forest dengan Backward Elimination tidak hanya meningkatkan akurasi deteksi penderita diabetes secara substansial, tetapi juga berpotensi untuk diimplementasikan dalam sistem pendukung keputusan klinis untuk membantu diagnosis dini diabetes.
Co-Authors Aditya Eka Widyantoro Aditya, Galuh Ahmad Nugroho Aji Priyambodo Amaliyah, Shofwatun Andreas Heri Kurniawan Andreas Tigor Oktaga, Andreas Aries Alfian Prasetyo Aries Alfian Prasetyo, Aries Alfian Aulia Noveesa Allanda Bambang Widjanarko Susilo Bayu Praharsena Calisto, Calvin Diah Ayu Fatmasari Dimas Adi Wicaksono Dyah Ardyani Rizqi Azizah Adha Evan Setiawan Wicaksono Faqih Ahyar Prayoga Gafgarion Sudrajat Budi Darminto Galuh Aditya Ghani Ayang Arjuna Gracia Stefani Suharyadi Heru Yulianto Hikmal Adi Wibowo Ika Susanti Indradno, Jasman Jawade Hafidz Arsyad Kholilurrahman, Muhammad Kristiawan Nurdianto Kurniawan, Dhieo Laurentius Kenneth V Luther Aldo Christian M. Zakki Abdillah Marsiska Ariesta Putri Martinus Apun Heses Martinus Apun Heses Mayadilanuari, Aerrosa Murenda Michael Fernando Putra S Milka Putri Novianingrum Mudjiyono Munadi Munadi Nanik Qosidah Nugroho, Ahmad Oei Joviano Matthew Wijaya Petra Valentino Praharsena, Bayu Prihati Prihati . Prihati Prihati Prihati Prihati Priyo Nugroho Adi Priyo Nugroho Adi Priyo Wibowo Rengga Pratama Putra Retno Ginanjar Reynard Adelard Richo Muthicahya Safari, Teti Sekarlangit Sekarlangit Sekarlangit Sekarlangit, Sekarlangit Silvia Nurvita, Silvia Sri Danar Dono Suhaji Suhaji Suharmanto, Abraham Yano Sumantiawan, Dody Indra Suprapedi Suprapedi Suprapedi Suprapedi Teguh Khristianto Vic Jeremy Prajogo