Article Per Year (5 Year)
p-Index From 2020 - 2025
1.006
P-Index
This Author published in this journals
All Journal Scientific Student Journal for Information, Technology and Science IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal
Ayu Juwita
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
RANCANG BANGUN PENDETEKSI DAN PENETRALISIR ASAP ROKOK DALAM RUANGAN MENGGUNAKAN SENSOR MQ-2 DAN METODE FUZZY LOGIC Dina Nurjanah; Hanny Handayani; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Saat ini sangat banyak perokok aktif di Indonesia. Hal ini juga menimbulkan masalah bagi orang yang tidak merokok karena dapat terpapar oleh asap rokok.. Hal ini mengkhawatirkan bagi kesehatan karena rokok mengandung berbagai macam zat yang mengganggu kesehatan. Dalam penelitian ini dibangun suatu alat dengan menggunakan mikrokontroler Arduino Uno danSensor MQ-2 yang dapat mendeteksi dan mengukur kadar konsentrasi asap rokok dalam suatu ruangan yang juga dilengkapi dengan Buzzer dan kipas untuk bisa menetralisir kondisi udara dalam ruangan. Perangkat ini juga menggunakan Algoritma Fuzzy untuk pengambilan keputusannya. Berdasarkan hasil pengujian yang dilakukan, sensor MQ-2 dapat membaca kadarkonsentrasi asap dengan nilai jumlah selisih yaitu 6,33 ppm ,selisih terkecil yaitu -0,1 ppm dan nilai selisih terbesar yaitu 0.98 ppm Nilai yang didapat di proses oleh fuzzy logic untuk menentukan adanya asap rokok, serta mengaktifkan komponen Buzzer, Kipas, Relay saat asap terdeteksi dan database mendapatkan informasi.
Implementasi Algoritma Naive Bayes Untuk Klasifikasi Menentukan Prestasi Siswa Berdasarkan Nilai Rata-Rata Muh Nurhariza; Ayu Juwita; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penentukan prestasi siswa umumnya menjadi permasalahan disetiap sekolah salah satunya pada SMK Tri Mitra Karawang. Karena di setiap sekolah terdapat siswa yang rajin belajar dan kurang rajin sehingga siswa memiliki prestasi yang berbeda beda. Pada penelitian ini ada beberapa tahapan yang digunakan, Tahap yang pertama adalah Analisis dimana pada tahap ini tujuannya untuk mendapatkan informasi dan data. Tahap yang kedua adalah Implementasi yang dimana tahap ini melakukan proses perhitungan dan tahap yang ketiga adalah Evaluasi dimana tahap ini untuk mengetahui hasil dari perhitungan. Pada penelitian ini peneliti menggunakan algoritma Naïve Bayes untuk mengklasifikasi menentukan prestasi siswa dengan menggunakan 400 data siswa atau data set yang dijadikan sebagai data latih dan 100 data siswa yang dijadikan sebagai data testing yang diperoleh dari data set. Hasil dari algoritma Naïve Bayes menggunakan Confusion Matrix mendapatkan hasil akurasi sebesar 100%, presisi 100% dan recall 100%.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN C4.5 UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS Muhammad Ramadhan; Yana Cahyana; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kanker serviks merupakan penyebab kematian nomor dua pada perempuan di dunia setelah kanker payudara, sedangkan di Indonesia kanker serviks menduduki peringkat pertama, hal tersebut yang menjadikan masalah kesehatan reproduksi di Indonesia masih menjadi sorotan utama. K-Nearest Neighbor (KNN) adalah suatu metode algoritma supervised learning, di mana kelas yang paling banyak muncul (mayoritas) yang akan menjadi kelas hasil klasifikasi. Sedangkan Algoritma C4.5 merupakan sebuah algoritma klasifikasi yang digunakan untuk membangun decision tree (pohon keputusan). Penelitian kali ini bertujuan untuk mengklasifikasikan data resiko kebiasaan kanker serviks dengan menerapkan algoritma KNN dan C4.5. Data diambil dari website UCI Machine Learning sebanyak 72 data dan 19 atribut setelah dilakukan seleksi menjadi 63 data dan 5 atribut yang diantaranya adalah dukungan sosial instrumental, pengetahuan pemberdayaan, kemampuan pemberdayaan dan keinginan pemberdayaan lalu untuk kanker serviks dijadikan untuk atribut kelas. Pengujian ini dilakukan dengan cara manual, pemrograman python dan rapidminer. Penghitungan algoritma KNN telah dilakukan pada pengujian menggunakan rapidminer dengan cross validation kemudian menghasilkan akurasi 80.95% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 83.33%, sedangkan algoritma C4.5 dengan cross validation kemudian menghasilkan akurasi 76.19% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 75.00%. Untuk pengujian dengan pemrograman python dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 kemudian algoritma KNN mendapatkan hasil akurasi 84.00%, sedangkan algoritma C4.5 menghasilkan akurasi 69.00%. Sehingga algoritma KNN dengan pengujian Python mendapatkan akurasi terbaik pada penelitian ini dengan nilai akurasi 84.00%.
Penerapan Algoritma K-Means Dan K-Medoid Untuk Mengelompokan Tingkat Kunjungan Wisatawan Mancanegara Berdasarkan Rute Masuk Ke Indonesia Rizky Nugraha; Yana Cahyana; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Jumlah kunjungan wisatawan asing yang berkunjung ke suatu negara merupakan salah satu indikator penting untuk melihat perkembangan pariwisata. Ketertarikan wisatawan asing ke Indonesia dapat meningkatkan devisa negara dan meningkatkan perekonomian masyarakat di daerah wisata. Kurangnya informasi serta pengelompokan menyangkut ketertarikan dan tingkat kunjungan data wisatawan asing berdasarkan jalur masuk ke Indonesia mengakibatkan adanya kesulitan bagi pemerintah dalam melakukan kebijakan dan perencanaan strategi pemasaran, peningkatan infrastruktur serta fasilitas pariwisata untuk menarik minat para wisatawan asing, sehingga menjadi tidak tepat sasaran, menyebabkan wisata-wisata di Indonesia yang kurang dikenal jarang dikunjungi oleh wisatawan asing. Oleh karena itu, tujuan yang ingin dicapai dalam penelitian ini adalah mendapatkan pengelompokan tingkat kunjungan pada data wisatawan asing berdasarkan jalur masuk udara, darat, laut ke Indonesia dari tahun 2017 sampai 2021 dengan menerapkan algoritma k-means dan k-medoid. Algoritma ini dipilih karena mempunyai kemampuan mengelompokan data dalam jumlah yang cukup besar dengan waktu yang relatif cepat. Proses perhitungan pada penelitian ini memakai 2 cara yaitu perhitungan manual menggunakan excel dan Python yang terbagi menjadi 3 kelompok yaitu C1 tingkat kunjungan tinggi, C2 tingkat kunjunjungan sedang dan C3 tingkat kunjungan rendah. Hasil pengelompokan algoritma k-means yaitu C1 sebanyak 24, C2 sebanyak 1, dan C3 sebanyak 4. Sedangkan algoritma k-medoid yaitu C1 sebanyak 5, C2 sebanyak 15, dan C3 sebanyak 9. Kemudian hasil evaluasi data menggunakan Silhouette Coefficient menunjukan bahwa hasil akurasi algoritma k-means bernilai 0,8463 dan k-medoid bernilai 0,4691 yang berarti hasil akurasi algoritma k-means lebih baik daripada algoritma k-medoid karena lebih mendekati nilai 1.
Pengaruh Outlier pada Algoritma K-Medoid untuk Mengelompokan Rekanan Vendor dalam Pengadaan Barang Nopiti Yulistiani; Ayu Juwita; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Dalam dunia bisnis, vendor memainkan peran penting dalam kinerja perusahaan. Pemilihan vendor yang tepat sangat penting untuk memastikan kelancaran pelaksanaan proyek dalam pengadaan barang. Jika vendor dipilih secara sembarangan, maka perusahaan dapat mengalami kerugian dalam berbagai aspek seperti kualitas, biaya, dan waktu. Oleh karena itu, diperlukan metode yang tepat untuk mengelompokkan vendor agar dapat mengatasi masalah tersebut. Salah satu teknik yang dapat digunakan adalah clustering untuk mengelompokkan data vendor menjadi tiga kelompok, yaitu tinggi, sedang, dan rendah. Metode clustering yang digunakan dalam penelitian ini adalah algoritma k-medoids. Hasil penelitian menunjukkan bahwa kualitas pengelompokan vendor menggunakan teknik penghapusan outliers lebih baik daripada menggunakan data dengan outliers. Kontribusi utama dari penelitian ini adalah untuk memverifikasi apakah kualitas cluster tanpa outlier lebih tinggi dibandingkan dengan outlier dalam data dengan membandingkan dan menganalisis algoritma k-medoids dengan dan tanpa deteksi outliers tergantung pada algoritma pengelompokan yang diterapkan dan data yang digunakan. Selanjutnya, hasil penelitian menunjukkan bahwa algoritma k-medoids menghasilkan nilai Silhouette Coefficient sebesar 0,6454.
Pengelolaan Sistem Inventori Pada PT. Indomarco Prismatama Cabang Sukasari Karawang Menggunakan Analisis Economic Order Quantity Alfin Raka Pradana; Ayu Juwita; Via Selfiana; Wulan Juliyanti; Ujang Suherman
IJESPG (International Journal of Engineering, Economic, Social Politic and Government) Vol. 2 No. 1 (2024)
Publisher : IJESPG (International Journal of Engineering, Economic, Social Politic and Government)

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

Abstract

Penelitian ini ini bertujuan untuk menyajikan strategi pengelolaan sistem inventori yang efisien pada PT. Indomarco Prismataman Cabang Sukasari Karawang dengan menerapkan Analisis Economic Order Quantity (EOQ). Metode ini digunakan untuk mengidentifikasi jumlah optimal pemesanan dan frekuensi pemesanan barang inventori guna meminimalkan biaya total inventori. Studi ini melibatkan pengumpulan data tentang permintaan barang, biaya penyimpanan, dan biaya pemesanan untuk menentukan parameter EOQ yang sesuai. Hasil penelitian menunjukkan bahwa penerapan EOQ dapat mengoptimalkan stok inventori, mengurangi biaya penyimpanan, serta meningkatkan efisiensi operasional PT. Indomarco Prismataman Cabang Sukasari Karawang dalam mengelola persediaan barang. Implikasi dari penelitian ini dapat memberikan panduan praktis bagi perusahaan dalam meningkatkan kinerja sistem inventori mereka.
Co-Authors Alfin Raka Pradana Anis Masruriyah Dina Nurjanah DWI KUSUMANINGRUM Hanny Handayani Muh Nurhariza Muhammad Ramadhan Nopiti Yulistiani Rizky Nugraha Ujang Suherman Via Selfiana Wulan Juliyanti Yana Cahyana