Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Inovatif Wira Wacana JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Metayani, Vanessa
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Ekstraksi Perilaku Pasien Pada Kunjungan Poliklinik Rumah Sakit Menggunakan FP-Growth Liliawati, Swat Lie; Toba, Hapnes; Ayub, Mewati; Mu’min, Aziz; Valentina, Ivana; Metayani, Vanessa; Nava, Vardina
Jurnal Inovatif Vol. 2 No. 3 (2023): Desember 2023
Publisher : Universitas Kristen Wira Wacana Sumba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58300/inovatif.v2i3.681

Abstract

Penerapan sistem informasi management rumah sakit (SIMRS) pada sebuah rumah sakit dapat memberikan pengetahuan baru dalam melakukan pengelolaan rumah sakit dan memungkinkan manajemen rumah sakit untuk memperoleh data pasien dalam jumlah besar mengenai kunjungan pasien. Salah satu tantangan dalam menggunakan big data di rumah sakit adalah ekstraksi perilaku pasien dalam melakukan kunjungan ke poliklinik di rumah sakit. Perilaku kunjungan pasien ini merupakan faktor yang sangat penting bagi pihak management rumah sakit untuk mengambil keputusan yang tepat. Dalam penelitian ini menggunakan metode association rules untuk mengekstrak data kunjungan pasien agar dapat menghasilkan informasi yang baik dan dapat dipahami perilaku kunjungan pasien di rumah sakit. Hasil penelitian ini menunjukan bahwa dengan metode association rules dapat mengekstraksi data kunjungan pasien dan menghasilkan aturan asosiasi yang kuat pada perilaku kunjungan pasien.
Prediksi Analisis Sentimen Data Debat Pemilihan Presiden 2024 Menggunakan Support Vector Machine (SVM): Prediction of Sentiment Analysis of 2024 Presidential Election Debate Data Using Support Vector Machine (SVM) Kusman, Vardina Nava Madya; Metayani, Vanessa; Karnalim, Oscar
EXPLORE IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Vol 16 No 1 (2024): Jurnal Explore IT Edisi June 2024
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35891/explorit.v16i1.4887

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi menggunakan Support Vector Machine untuk menganalisis sentimen pada data dialog debat Pemilihan Presiden tahun 2024. Sentimen dari ucapan tidak selalu dapat diketahui, sehingga model dalam penelitian ini diusulkan untuk menemukan sentimen dibalik ucapan. Untuk dapat memprediksi sentimen, model dilatih dengan data debat pilpres yang telah dikumpulkan. Model kemudian melakukan klasifikasi terhadap data tersebut, dan kemudian diuji tingkat akurasinya. Setelah diuji menggunakan data tes, diperoleh nilai akurasi sebesar 52,5%. Hasil tersebut kurang memuaskan, maka dilakukan optimasi terhadap model dan data, Hasilnya, nilai akurasi meningkat menjadi sekitar 94%. Untuk kedepannya, mungkin data yang digunakan bisa semakin ditingkatkan dengan memperhatikan distribusi kelas dalam data.
Evaluasi Hasil Neural Style Transfer Berbagai Gambar Pola Menggunakan Feature Similarity Index Metayani, Vanessa; Liliawati, Swat Lie; Widjaja, Andreas
Jurnal Teknik Informatika dan Sistem Informasi Vol 10 No 2 (2024): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v10i2.9380

Abstract

This research was conducted by applying the Neural Style Transfer method to various sets of content and style images, and then calculating the FSIM value for each pair of result and original images. Analysis was done on factors such as art style complexity, resolution and other special characteristics such as colour and texture that can affect the FSIM value. The purpose of this research is to identify whether there are factors that affect FSIM performance such as art style complexity, resolution, or other special characteristics such as colour and texture. This research is expected to be able to help artists who want to change the art style with Neural Style Transfer but still maintain the originality of the image and still be recognised by evaluating the results using FSIM and help artists to develop and produce artistic digital artworks with good quality. The results show that varying FSIM values can depend on the complexity of the art style and image resolution. Simple art styles and high-resolution images tend to produce higher FSIM values, indicating that the image structure is easily preserved. As long as the resolution and colours or textures do not change the main structure, the FSIM results will not decrease significantly. To support the research analysis, the Analysis of Variance (ANOVA) statistical test was used to measure the significance of the effect of complexity and resolution on FSIM and the Cronbach’s Alpha test to test the reliability of the general public and expert surveys. Based on the ANOVA statistical test results, there was insufficient evidence to reject the null hypothesis, so complexity and resolution did not have a significant influence on FSIM. From the Cronbach’s Alpha test results, the public assessment survey received a result of 0.94 and 0.91 for the expert assessment survey. These results indicate that the results from the surveys are reliable as subjective data for the research.
Co-Authors Andreas Widjaja Hapnes Toba Kusman, Vardina Nava Madya Liliawati, Swat Lie Mewati Ayub Mu’min, Aziz Nava, Vardina Oscar Karnalim, Oscar Valentina, Ivana