Article Per Year (5 Year)
p-Index From 2020 - 2025
1.235
P-Index
This Author published in this journals
All Journal Jiko (Jurnal Informatika dan komputer) Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Indonesian Journal of Data and Science Transformasi Innovative: Journal Of Social Science Research Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen
Shimbun, Annisa Fikria
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Public Health Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
SISTEM PERAMALAN KEBUTUHAN STOK BARANG MENGGUNAKAN METODE TREND MOMENT Shimbun M, Annisa Fikria; Winarno, Wing Wahyu; Amborowati, Armadyah
Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Vol 4 No 1 (2017): Januari
Publisher : Lembaga Penelitian, Penerbitan dan Pengabdian Masyarakat (LP3M) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/ppkm.v4i1.398

Abstract

Sebuah perusahaan tidak lepas dari yang namanya penjualan terutama perusahaan distribusi. Selain proses penjualan harus didukung oleh ketersediaan stok barang. Permintaan pasar yang berubah setiap harinya menuntut para distributor lebih detail dalam perencanaan strategi untuk meningkatkan penjualan setiap harinya. Salah satu yang dapat dilakukan pihak manajemen distributor adalah melakukan peramalan jualan (sales forecasting). Manfaat peramalan penjualan dapat menjadi dasar untuk menghitung budgeting pembelian di periode berikutnya, membuat perencanaan, dan alat untuk mengukur seberapa besar tingkat pencapaian target. Penelitian ini merancang system peramalan perhari dan perbulan menggunakan metode peramalan Trend Moment.Peramalan menggunakan metode Trend Moment masih harus dihaluskan lagi dengan perhitungan indeks musiman. Penelitian ini merancang system peramalan menggunakan data penjualan. Hasil yang diperoleh yaitu peramalan penjualan harian dan bulanan. Pada peramalan harian menggunakan tanggal, bulan dan tahun sebagai pilihan waktu yang akan diramalkan. Hasil peramalan bulanan terutama harian diharapkan mampu mendukung perusahaan dalam merencanakan strategi dimasa yang akan datang dengan lebih rinci berdasarkan perubahan setiap harinya.Masih terdapat selisih antara nilai aktual penjualan dengan hasil peramalan menggunakan metode Trend Moment. Menggunakan data dengan jumlah yang berbeda sebagai data peramalan, sangat berpengaruh terhadap hasil peramalan. Semakin banyak jumlah data yang dimasukkan akan semakin sedikit selisih antara nilai aktual dengan hasil peramalan.
Penerapan Metode Topsis Pada Sistem Pendukung Keputusan Berbasis Web Penilaian Kinerja Guru Minarwati, Minarwati; Rahman , Taufik Andri; Shimbun, Annisa Fikria
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 22 No 2 (2024): Mei 2024
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v22i2.136

Abstract

Penilaian kinerja bagi guru dan karyawan dilakukan dengan menggunakan kriteria yang telah ditetapkan untuk memberikan motivasi kepada pegawai. Namun, pendekatan ini tidak menghasilkan perbaikan yang signifikan dalam pembentukan karakter guru dan karyawan. Sebaliknya, muncul permasalahan baru, yaitu penilaian kinerja hanya berdasarkan format penilaian dengan penjumlahan skor, tanpa metode untuk mendukung pemilihan karyawan terbaik. Sistem Pendukung Keputusan Penilaian Kinerja Guru Karyawan menjadi solusi yang diperlukan. Penyelesaian masalah dilakukan dengan membuat aplikasi metode TOPSIS. Metode Topsis adalah penjumlahan terbobot dengan konsep dasar mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif, memperhitungkan proses normalisasi matriks keputusan ke suatu skala yang dapat dibandingkan dengan semua rating alternatif. Metode pengumpulan data melibatkan observasi, wawancara, dan dokumentasi, sementara metode perancangan sistem menggunakan Data Flow Diagram (DFD) dan normalisasi. Pengembangan program dilakukan dengan PHP dan database MySQL. Implementasi Sistem Pendukung Keputusan ini memberikan dampak positif pada pihak sekolah. Sistem ini memberikan informasi akurat untuk menilai kinerja, menentukan pegawai terbaik, dan menetapkan pemberian tunjangan kinerja. Sistem ini memudahkan manajemen sekolah dalam pengelolaan dan pengarsipan data penilaian kinerja. Keberhasilan sistem ini juga dapat memberikan motivasi kepada guru dan karyawan di SMA Budi Luhur Yogyakarta untuk lebih berprestasi dan semangat dalam bekerja.
Rancang Bangun Sistem Pakar Diagnose Penyakit Gigi dengan Metode Certainty Factor Arifah, Fatimah Nur; Sundari, Cisilia; Shimbun, Annisa Fikria
TRANSFORMASI Vol 19, No 2 (2023): TRANSFORMASI
Publisher : STMIK BINA PATRIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56357/jt.v19i2.387

Abstract

Tujuan penelitian adalah untuk merancang dan membangun Sistem Pakar Diagnosa Penyakit Gigi dengan metode Certainty Factor Berbasis Web. Metode penelitian yang digunakan ini adalah menggunkan Metode ESDLC (Expert System Development Life Cycle) dengan tahap penelitian yang meliputi penilaian, akuisisi pengetahuan, desain, pengujian, dokumentasi dan pemeliharaan. Metode pengumpulan data dalam pembuatan media pembelajaran ini menggunakan metode observasi,wawancara. Permodelan yang digunakan pada perancangan ini adalah UML (Unified Modelling Languange). Perancangan bertujuan untuk menjaga agar proses data lancer dan teratur sehingga mengasilkan informasi yang benar serta membuat implementasi agar sesuai dengan sistem.Pengujian sistem pada penelitian ini menggunakan Black - Box Testing. Hasil uji validitas diperoleh nilai 70 % sehingga dapat disimpulkan dengan adanya sistem pakar ini dapat membantu dokter gigi dalam mendiagnosa kemungkinan penyakit gigi yang dialami pasien.
TRANSFORMER WITH LAGGED FEATURES FOR HANDLING LONG-TERM DATA DEPENDENCY IN TIME SERIES FORECASTING Verianto, Eko; Shimbun, Annisa Fikria
JIKO (Jurnal Informatika dan Komputer) Vol 7, No 3 (2024)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i3.9247

Abstract

Data with long-term dependencies plays an important role in time series forecasting. However, studying data with long-term dependencies in time series data presents challenges for most algorithms. While some algorithms can forecast time series data, not all can model data with long-term dependencies effectively. The algorithm typically used for forecasting data with long-term dependencies is Long Short-Term Memory (LSTM), but LSTM can still face vanishing gradient issues, making it difficult to identify long-term dependencies in very long datasets. Another algorithm used for forecasting long-term time series data is the transformer. However, this algorithm has not yet shown better performance compared to simple linear models. The goal of this research is to develop an effective solution for forecasting time series data with long-term dependencies. The approach proposed in this research is the transformer with lagged features and also using time series cross-validation techniques. The results of this study show the performance of the transformer model in MAPE per fold on the BBCA stock dataset with a lag=5 and fold=5 configuration as follows: 0.0390, 0.0329, 0.0207, 0.0554, 0.0423. On the USD/IDR exchange rate dataset, the results are 0.0273, 0.0431, 0.0498, 0.0236, 0.237. The results of each fold are inconsistent and show unstable performance, indicating that the transformer with lagged features and using time series cross-validation techniques has not yet been able to provide its best performance in long-term time series forecasting.
An Optimization Strategy for Reducing CO₂ in Livestock Farming with IoT Integration and Decision Support System Approach Using Linear Programming Shimbun, Annisa Fikria; Alfian, Muhammad Arif; Jati, Agam Saka; Faizal, Edi
Indonesian Journal of Data and Science Vol. 6 No. 1 (2025): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i1.204

Abstract

Introduction: Livestock waste mismanagement contributes significantly to CO₂ emissions, adversely affecting animal health and environmental sustainability. This study aims to develop an optimization strategy for reducing CO₂ levels in livestock environments through the integration of Internet of Things (IoT) technology and a Decision Support System (DSS) using Linear Programming. Methods: IoT sensors were deployed to monitor environmental parameters such as CO₂ levels, temperature, and humidity in real time. A Linear Programming (LP) model was formulated to determine the optimal frequency of two CO₂-reducing actions: spraying Effective Microorganisms (EM4) and performing waste dredging. The objective was to maximize CO₂ reduction under cost and time constraints. The model iteratively updated its parameters based on sensor data feedback, ensuring dynamic and adaptive optimization. Results: Simulation results indicated that the LP model successfully identified optimal actions within predefined constraints. The optimal strategy was spraying EM4 eight times over eight days, achieving a CO₂ reduction of 800 ppm with a total cost of Rp 400,000—within the Rp 500,000 budget limit and 8-hour duration constraint. Validation through simulation confirmed the model’s accuracy, with prediction deviations consistently falling within an acceptable threshold (±20 ppm). Conclusions: The integration of IoT with an LP-based DSS offers a practical and efficient solution for CO₂ reduction in livestock farming. This system enhances decision-making for environmental management, demonstrating potential for scalable application in sustainable agriculture. Future work should incorporate more environmental variables and broader validation to improve model generalizability and precision.
Community Decision Support Service System Village Level Mandiri Based On An Interactive Website Nugroho, Agung Yuliyanto; Shimbun, Annisa Fikria; Rohman, Nur
Innovative: Journal Of Social Science Research Vol. 4 No. 4 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i4.13760

Abstract

AbstrakSetiap desa wajib memberikan pelayanan yang baik kepada masyarakat umum dalam hal penulisan surat, pendataan penduduk, dan kebutuhan lainnya yang berhubungan dengan pelayanan kantor desa. Proses tersebut tetap mengharuskan warga untuk datang dan mengikuti prosedur untuk mendapatkan surat tersebut. Dalam hal ini, surat tersebut tidak dapat diproses dalam satu hari karena sering kali kepala desa yang berwenang untuk menandatangani surat tidak berada di tempat karena sedang bertugas keluar daerah. Jadi tunggulah keesokan harinya atau tunggu konfirmasi via Wats app dari bagian administrasi desa Kadilangon untuk datang dan mengambil surat yang telah diproses. Proses ini membutuhkan waktu yang lebih lama untuk melakukan dan mendapatkan pelayanan serta dokumentasi surat yang diserahkan oleh warga desa Kadilangon. Proses pelayanan surat yang diserahkan secara online ini untuk memudahkan warga dalam hal proses pengajuan dan bagi pegawai sendiri agar mempermudah proses dokumentasi dan pelaporan surat. Penulis membuat sebuah sistem informasi pelayanan masyarakat di desa Kadilangon. Dalam sistem ini, warga dapat mengajukan surat perizinan secara online. Diharapkan dengan adanya sistem ini proses pengajuan surat menjadi lebih cepat dan mudah karena sistem dapat diakses dari mana saja. Dengan adanya sistem pengabdian masyarakat ini diharapkan dapat meningkatkan kualitas proses pelayanan kepada masyarakat Desa Kadilangon.Kata Kunci: Sistem Pakar, Layanan, Informasi, Sistem.
Rancang Bangun Sistem Pakar Diagnose Penyakit Gigi dengan Metode Certainty Factor Arifah, Fatimah Nur; Sundari, Cisilia; Shimbun, Annisa Fikria
TRANSFORMASI Vol 19, No 2 (2023): TRANSFORMASI
Publisher : STMIK BINA PATRIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56357/jt.v19i2.387

Abstract

Tujuan penelitian adalah untuk merancang dan membangun Sistem Pakar Diagnosa Penyakit Gigi dengan metode Certainty Factor Berbasis Web. Metode penelitian yang digunakan ini adalah menggunkan Metode ESDLC (Expert System Development Life Cycle) dengan tahap penelitian yang meliputi penilaian, akuisisi pengetahuan, desain, pengujian, dokumentasi dan pemeliharaan. Metode pengumpulan data dalam pembuatan media pembelajaran ini menggunakan metode observasi,wawancara. Permodelan yang digunakan pada perancangan ini adalah UML (Unified Modelling Languange). Perancangan bertujuan untuk menjaga agar proses data lancer dan teratur sehingga mengasilkan informasi yang benar serta membuat implementasi agar sesuai dengan sistem.Pengujian sistem pada penelitian ini menggunakan Black - Box Testing. Hasil uji validitas diperoleh nilai 70 % sehingga dapat disimpulkan dengan adanya sistem pakar ini dapat membantu dokter gigi dalam mendiagnosa kemungkinan penyakit gigi yang dialami pasien.
TRANSFORMER WITH LAGGED FEATURES FOR HANDLING LONG-TERM DATA DEPENDENCY IN TIME SERIES FORECASTING Verianto, Eko; Shimbun, Annisa Fikria
JIKO (Jurnal Informatika dan Komputer) Vol 7, No 3 (2024)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i3.9247

Abstract

Data with long-term dependencies plays an important role in time series forecasting. However, studying data with long-term dependencies in time series data presents challenges for most algorithms. While some algorithms can forecast time series data, not all can model data with long-term dependencies effectively. The algorithm typically used for forecasting data with long-term dependencies is Long Short-Term Memory (LSTM), but LSTM can still face vanishing gradient issues, making it difficult to identify long-term dependencies in very long datasets. Another algorithm used for forecasting long-term time series data is the transformer. However, this algorithm has not yet shown better performance compared to simple linear models. The goal of this research is to develop an effective solution for forecasting time series data with long-term dependencies. The approach proposed in this research is the transformer with lagged features and also using time series cross-validation techniques. The results of this study show the performance of the transformer model in MAPE per fold on the BBCA stock dataset with a lag=5 and fold=5 configuration as follows: 0.0390, 0.0329, 0.0207, 0.0554, 0.0423. On the USD/IDR exchange rate dataset, the results are 0.0273, 0.0431, 0.0498, 0.0236, 0.237. The results of each fold are inconsistent and show unstable performance, indicating that the transformer with lagged features and using time series cross-validation techniques has not yet been able to provide its best performance in long-term time series forecasting.
Co-Authors Alfian, Muhammad Arif Armadyah Amborowati Cisilia Sundari Edi Faizal Fatimah Nur Arifah Jati, Agam Saka Minarwati Nugroho, Agung Yuliyanto Nur Rohman Rahman , Taufik Andri Verianto, Eko