Article Per Year (5 Year)
p-Index From 2021 - 2026
1.944
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Informatika Global Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Reswara: Jurnal Pengabdian Kepada Masyarakat BERNAS: Jurnal Pengabdian Kepada Masyarakat Malcom: Indonesian Journal of Machine Learning and Computer Science Electronic Integrated Computer Algorithm Journal AQILA : Acceleration, Quantum, Information Technology and Algorithm Journal
Putri, Indah Pratiwi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Service Quality Analysis of Business Licensing Information System (BLIS) at the Provincial Industry Department Using Decision Tree Putri, Indah Pratiwi; Marcelina, Dona; Yulianti, Evi; Anandez, Arum Adisha Putra
Acceleration, Quantum, Information Technology and Algorithm Journal Vol. 1 No. 2 (2024): VOLUME 1, NO 2: DECEMBER 2024
Publisher : Yayasan Asmin Intelektual Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62123/aqila.v1i2.48

Abstract

In the digital era, government services, particularly business licensing, are expected to be efficient, reliable, and user- friendly to meet public demands. The South Sumatra Provincial Industry Department has adopted a web-based Business Licensing Information System to facilitate the licensing process. However, the system’s effectiveness in delivering quality service and ensuring process efficiency remains underexplored. This study aims to evaluate the service quality of the system, focusing on factors such as reliability, responsiveness, assurance, empathy, and usability. Using decision tree analysis, the study identifies the key variables impacting user satisfaction and process efficiency. The research objectives include assessing the overall quality of the service, analysing factors influencing efficiency, and providing recommendations for system improvement. Data will be gathered from business users who have utilized the system within the past year. The study scope encompasses service quality dimensions, process efficiency indicators, and user satisfaction metrics. Decision tree analysis will be employed to analyse these variables, highlighting the most influential factors on system performance. This research is expected to provide insights for enhancing the system’s reliability and usability, offering data-driven recommendations for decision-makers at the Industry Department. By improving the system, users can experience a more streamlined and satisfying licensing process, ultimately increasing their likelihood to recommend and reuse the service. The findings will also contribute to public information systems literature, serving as a valuable reference for similar service evaluations and optimizations in other government sectors
Analisis Perbandingan Algoritma Machine Learning untuk Prediksi Stunting pada Anak: Comparative Analysis of Machine Learning Algorithms for Predicting Child Stunting Putri, Indah Pratiwi; Terttiaavini, Terttiaavini; Arminarahmah, Nur
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1078

Abstract

Penelitian ini menyoroti permasalahan serius stunting pada anak-anak, terutama dalam pendataan yang tidak konsisten dan kurangnya informasi akurat dalam evaluasi kondisi tersebut. Tujuannya adalah mengembangkan model Machine Learning (ML)  untuk memprediksi kasus stunting dengan lebih baik. Metode penelitian melibatkan tiga algoritma ML: Naive Bayes, K-Nearest Neighbors, dan Random Forest, dievaluasi berdasarkan Accuracy, Precision, dan recall. Penelitian ini memanfaatkan platform KNIME untuk membantu pengelolaan data yang lebih efisien dan akurat. Hasil evaluasi menunjukkan bahwa Random Forest memiliki akurasi tertinggi (87.75%) dan F1-score (0.922), menunjukkan keseimbangan yang baik antara Precision dan recall. Meskipun demikian, K-Nearest Neighbors menonjol dalam menemukan sebagian besar kasus stunting yang sebenarnya. Kesimpulannya, model Random Forest mungkin menjadi pilihan terbaik untuk mendiagnosis stunting pada anak-anak, karena kombinasi akurasi tinggi dan kemampuan menemukan kasus stunting yang lebih baik dari model lainnya. Penelitian ini memberikan wawasan tentang penerapan ML dalam mendukung deteksi dini stunting, memungkinkan intervensi yang lebih tepat dan cepat bagi anak-anak yang membutuhkan perhatian kesehatan yang lebih intensif.
Penerapan Metode Forecasting Dalam Menentukan Prediksi Jumlah Mahasiswa Baru Dengan Menggunakan Single Exponential Smoothing Rama Samudra, M.S; Marcelina, Dona; Terttiaavini; Yulianti, Evi; Coyanda, John Roni; Putri, Indah Pratiwi
Jurnal Ilmiah Informatika Global Vol. 15 No. 2: Agustus 2024
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v15i2.3916

Abstract

Forecasting adalah suatu proses analisis untuk memprediksi nilai-nilai masa depan berdasarkan informasi data historis, atau tren yang telah ada. Forecasting melibatkan metode matematika, statistik, untuk menghasilkan perkiraan tentang apa yang mungkin terjadi di masa mendatang dengan mengumpulkan data historis jumlah mahasiswa baru yang mendaftar selama 11 tahun terakhir. Data harus mencakup periode waktu yang cukup lama untuk mengidentifikasi tren dan pola, kemudian analisis data historis untuk mengidentifikasi tren, musiman, atau fluktuasi lainnya. Analisis data dilakukan dengan menggunakan teknik analisis single exponential smooting akan memperhitungkan nilai alpha (konstanta smoothing) untuk menghasilkan perkiraan yang paling akurat. Analisis data menggunakan tiga nilai konstanta alpha 0.3, 0.6, 0.9 tersebut akan dipilih nilai alpha dengan nilai error terkecil, dan kemudian akan di aplikasikan pada sistem peramalan berbasis website. Melalui sistem berbasis website, informasi dapat dikelola secara efisien dan memungkinkan Universitas Indo Global Mandiri untuk mengoptimalkan proses penerimaan mahasiswa baru mereka. Dengan menerapkan metode peramalan ini dalam sistem berbasis website, Universitas Indo Global Mandiri dapat mengelola informasi secara efisien, yang pada gilirannya akan membantu mereka mengoptimalkan proses penerimaan mahasiswa baru. Analisis data dengan tingkat error terkecil, dapat diartikan bahwa metode peramalan tersebut telah memberikan hasil yang sangat mendekati dengan data aktual, sehingga dapat diandalkan untuk melakukan proyeksi ke depan.
Co-Authors Afriyani, Fauziah Amelia, Nyimas Melati Puti Anandez, Arum Adisha Putra Andriani, Annisa Arminarahmah, Nur Cahyani, Septa Coyanda, John Roni Dopri Evi Yulianti Heryati, Agustina Imelda Saluza, Imelda Indah Permatasari Kesuma, Hendra Di Lesfandra, Lesfandra Marcelina, Dona Mulyati Mulyati Purnamasari, Evi Rama Samudra, M.S Saputra, Tedy Setiawan Suryati Suryati Sutrisna, Rangga Terttiaavini Terttiaavini, Terttiaavini Verano, Dwi Asa