Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal RESISTOR (Rekayasa Sistem Komputer) Jurnal Pengabdian Informatika (JUPITA) Jurnal Nasional Teknologi Informasi dan Aplikasinya
Giri, Gst. Ayu Vida Mastrika
Unknown Affiliation
Humanities Computer Science & IT Electrical & Electronics Engineering Energy Engineering Other

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

Found 1 Documents
Search
Journal : Jurnal RESISTOR (Rekayasa Sistem Komputer)

 1 
Implementasi Sistem Cerdas Menggunakan Case Base Reasoning Sebagai Rujukan Terpadu Penerima Bantuan Kemiskinan di Kabupaten Tabanan Supriana, I Wayan; Giri, Gst. Ayu Vida Mastrika; Bimantara, I Made Satria
Jurnal RESISTOR (Rekayasa Sistem Komputer) Vol. 5 No. 2 (2022): Jurnal RESISTOR Edisi Oktober 2022
Publisher : Prahasta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/jurnalresistor.v5i2.1097

Abstract

Strategi dan inovasi mempercepat penanggulangan kemiskinan pemerintah Kabupaten Tabanan semakin digalakkan, tahun 2020 diperkirakan persentase kemiskinan mengalami peningkatan karena banyak sektor parisiwata dan sektor industri lainnya terdampak covid-19. Sampai saat ini distribusi program-program pengentasan kemiskinan berpusat pada database terpadu, sementara dilapangan terdapat banyak kendala. Identifikasi rumah tangga miskin perlu ditingkatkan sehingga dapat menentukan jenis bantuan utama yang dibutuhkan berdasarkan komponen kriteria yang sudah dipenuhi. Melalui penelitian ini dikembangkan aplikasi berupa sistem cerdas yang dapat menentukan bantuan prioritas rumah tangga miskin. Sistem yang dikembangkan menggunakan metode case base reasoning yaitu identifikasi rumah tangga sasaran didasari oleh penalaran berbasis kasus. Model penilaian menggunakan 23 fitur identifikasi rumah tangga miskin dan 18 fitur bantuan kemiskinan. Berdasarkan penelitian yang sudah dilakukan, model CBR dengan kluster K-Means lebih baik dibandingkan CBR tanpa kluster. Komposisi data training 80% dan data testing 20%, sistem CBR dengan indexing K-mean memiliki akurasi sebesar 0.48% dan tanpa indexing sebesar 0.46%
Co-Authors Adiriyanto, Shiennyta Florensia Dwijayana, I Gede Diva I Gede Arta Wibawa I Ketut Gede Suhartana I Komang Gede Apriana, I Komang Gede Apriana I Made Satria Bimantara I Wayan Supriana Mahendra, I Putu Fajar Tapa Ngurah Agus Sanjaya ER Radhitya, Made Leo Simarmata, Ivan Luis