Article Per Year (5 Year)
p-Index From 2020 - 2025
6.434
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 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 : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
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.
UI/UX Design of a Decision Support System to Determine Lecturer Research Linearity using the Design Thinking Method Nugroho, Ahmad; Narulita, Siska; Abdillah, M. Zakki
Brilliance: Research of Artificial Intelligence Vol. 4 No. 2 (2024): Brilliance: Research of Artificial Intelligence, Article Research November 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i2.5137

Abstract

The goal of this study is to develop a prototype UI/UX Decision Support System for Determining Lecturer Research Linearity based on user needs, in which users can manage research data, determine the suitability of research conducted by lecturers with their scientific fields, provide a basis for decision-making in determining whether lecturer research should be continued, and provide an overview to decision-makers regarding lecturer performance. This study used the design thinking technique, which is divided into five stages: obtaining information from users, analyzing user needs, generating ideas for solutions to user problems, creating prototypes to solve user problems, and testing and improving prototypes. This study successfully created a decision support system design and prototype that is centered on user demands and comfort. Prototype testing was carried out by UI/UX design experts. The test findings demonstrate that users respond positively to the decision support system interface and that most functionalities work properly. This demonstrates that the decision support system prototype was created with user demands, functional suitability, and convenience of use in mind. The findings of this study are expected to be used in associated institutions or agencies to collect feedback for future system improvement.
OPTIMASI MODEL DETEKSI ALERGEN PADA PRODUK PANGAN DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN ADAPTIVE BOOSTING (ADABOOST) Siska Narulita; Sekarlangit; Milka Putri Novianingrum
Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Vol. 19 No. 2 (2025): Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Inform
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jti.v19i2.21316

Abstract

One important aspect that needs to be considered in food production is food safety. The implementation of this food safety aspect includes food products that avoid contamination of chemical, physical, and biological substances that can be harmful to human health. In the implementation of the Makan Bergizi Gratis (MBG) program, problems were found related to allergies in the recipients of this assistance program. According to the World Health Organization (WHO), food allergies are ranked as the fourth most serious public health problem, and the only effective treatment for allergy sufferers is to avoid foods that contain allergens. Allergens themselves are compounds or food ingredients that cause allergies and/or intolerances. Laboratory tests of food products for allergen testing that are still carried out traditionally require a lot of time and money, making food producers reluctant to carry out product testing. A way to detect allergen content in food products that is easier, more practical, and more accurate is needed. The research conducted aims to build a prediction model that can be used to detect allergen content in food ingredients through the implementation of the Support Vector Machine (SVM) data mining algorithm optimized with the Adaptive Boosting ensemble learning boosting algorithm (AdaBoost). The research conducted obtained a model that produces the most optimal performance, namely SVM optimized with the AdaBoost algorithm with the split validation method.
Co-Authors Aditya Eka Widyantoro Ahmad Nugroho Ahmad Nugroho Aji Priyambodo Amaliyah, Shofwatun 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 Milka Putri Novianingrum Mudjiyono Munadi Munadi 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 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