Article Per Year (5 Year)
p-Index From 2020 - 2025
3.521
P-Index
This Author published in this journals
All Journal InComTech: Jurnal Telekomunikasi dan Komputer JURIKOM (Jurnal Riset Komputer) Simtek : Jurnal Sistem Informasi dan Teknik Komputer STRING (Satuan Tulisan Riset dan Inovasi Teknologi) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Tecnoscienza Infotek : Jurnal Informatika dan Teknologi SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) International Journal Software Engineering and Computer Science (IJSECS) Jurnal Teknik Informatika Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis SmartComp Jurnal Pengabdian Masyarakat Inovasi Indonesia
Aprilisa Arum Sari
Universitas Duta Bangsa Surakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Implementasi Algoritma Apriori dan FP-Growth pada Penjualan Spareparts Aditya Wadanur; Aprilisa Arum Sari
Jurnal Pendidikan Informatika (EDUMATIC) Vol 6, No 1 (2022): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v6i1.5470

Abstract

Data Mining can be applied in various areas, for example in PT. Agung Toyota Denpasar in order to increase sales and determine the sale of replacement parts. The current problem is to determine the replacement parts sale in PT. Agung Toyota Denpasar cannot know the purchasing habits of customers or customers in purchasing replacement parts purchased simultaneously. This research aims to implement apriori algorithms and fp-growth algorithms to form a model or a combination of rules so that businesses can increase their sales. Using the Knowledge Discovery Database (KDD) method should provide significant information on transaction patterns purchased simultaneously using the apriori and fp-growth algorithms. The dataset used to support this research is the sales transactional dataset for the period of January 2022. The results showed that the 10 best association rules of apriori algorithms and fp-growth algorithms were ready to be used to increase sales with a minimum support value of 85%, confidence value of 100%, and the highest lift ratio of 2.03.
Prediksi Serangan Sql Injection Pada Jaringan Komputer Menggunakan Metode Support Vector Machine (SVM) Pramono; Aprilisa Arum Sari
JURNAL TECNOSCIENZA Vol. 8 No. 2 (2024): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v8i2.1184

Abstract

Serangan sql injection merupakan ancaman serius bagi keamanan jaringan komputer dan integritas data. Dalam upaya untuk mengatasi ancaman ini, penelitian telah dilakukan untuk mengembangkan metode deteksi yang efektif. Salah satu pendekatan yang menjanjikan adalah menggunakan metode Support Vector Machine (SVM) dalam Machine Learning. Dalam penelitian ini, kami memperkenalkan pendekatan prediksi serangan SQL injection pada jaringan komputer menggunakan SVM. Langkah-langkah prediksi meliputi, pengelompokan data, pelatihan model SVM, validasi, pengujian, dan evaluasi kinerja model. Diharapkan penelitian ini dapat memberikan kontribusi dalam pengembangan sistem deteksi yang dapat melindungi sistem komputer dari ancaman sql injection. Dataset yang akan digunakan dalam penelitian ini berasal dari sebuah website bernama Kaggle. Penelitian ini menganalisis metode yang dihasilkan dari proses klasifikasi berdasarkan Sekenario percobaan menghasilkan nilai akurasi confusion matrix, precision, recall, dan menghasilkan tingkat akurasi 96, 8412% pada sekenario kedua.
PROTOTIPE SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT INFEKSI SALURAN PERNAPASAN (ISPA) MENGGUNAKAN METODE CERTAINTY FACTOR Mandiri, Puput Dwi; Hartanti, Dwi; Sari, Aprilisa Arum
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 7 No 2 (2024): Jurnal SKANIKA Juli 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v7i2.3199

Abstract

Respiratory Tract Infection is a condition that triggers inflammation of the upper respiratory tract, such as the nose, throat, sinuses, and airways leading to the lungs. Symptoms such as runny nose, cough, sore throat, nasal congestion, sneezing, and fever appear. Because the symptoms are often similar to other diseases, people with respiratory infections are often unaware of their condition. For this reason, a system that can diagnose respiratory infection symptoms quickly and accurately is needed. By integrating biology and artificial intelligence (AI), a biotechnology expert system for respiratory tract infections was developed. The Certainty Factor method is used to assess the level of confidence in a symptom based on the beliefs of an expert. The system is designed for the general public to receive examination results in the form of percentages, which help identify whether the symptoms experienced fall into the category of sinusitis, pneumonia, pharyngitis, or asthma. The doctor's question feature as a development of the previous system, allows users to consult with doctors about the symptoms experienced. The test results that have been carried out show that the results are in accordance with manual calculations. In addition, the system accuracy test resulted in an accuracy value of 80%.
Pengelompokan Produksi Padi dan Beras Provinsi Jawa Timur dengan Metode Agglomerative Hierarchical Clustering Hasim Azari; Dwi Hartanti; Aprilisa Arum Sari
Infotek: Jurnal Informatika dan Teknologi Vol. 7 No. 2 (2024): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v7i2.26016

Abstract

Paddy is a food crop that produces rice which is widely consumed for basic needs and has become a source of income for the Indonesian people. Often the need for rice continues to increase and cannot only rely on domestic production, so it is necessary to optimize paddy producing areas. Grouping rice-producing areas needs to be done to identify production potentials and areas that require improvement. This research aims to group paddy and rice production based on districts/cities in East Java Province. The method used is Agglomerative Hierarchical Clustering (AHC) with the best algorithm, namely average linkage based on the highest cophenetic correlation of 0.8478. The research results showed 4 clusters: cluster 1 (high) with 4 districts, cluster 2 (low) with 18 districts, cluster 3 (medium) with 7 districts, and cluster 4 (very low) with 9 cities. The silhouette coefficient test is 0.6347, close to 1, thus indicating good clustering. These results can be used as a reference for the government and society in optimizing paddy and rice production to maintain the country's food security
Decision Support System for Internship Acceptance at Digital Connection Using the Simple Additive Weighting Method Saputra, Bintang Pratama Yuarna; Sumarlinda, Sri; Sari, Aprilisa Arum
International Journal Software Engineering and Computer Science (IJSECS) Vol. 4 No. 3 (2024): DECEMBER 2024
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v4i3.2996

Abstract

The internship program serves as a bridge for students into the professional world. At Digital Connection, the current manual selection process for internship candidates leads to inefficiency and potential errors. This study aims to implement a Decision Support System using the Simple Additive Weighting (SAW) method to improve the efficiency of the internship selection process. The SAW method is selected for its capability to provide accurate assessments based on predefined criteria and preference weights, as well as to rank the best alternatives. The system is developed as a web-based application with full access for HR (Admin), including tests as evaluation criteria. This research has resulted in the creation of a decision support system utilizing the Simple Additive Weighting (SAW) calculation method. System testing, conducted using black-box testing, shows that all primary functions and buttons of the system, such as adding, editing, deleting, searching, logging in, managing criteria and sub-criteria data, managing alternative data, calculating scores, exporting, and logging out, function properly and as expected. Furthermore, user testing with 6 criteria and 10 alternative input data points revealed the highest rank of 100% for Wahyu, followed by Noelino in second place with 76%, Hana in third place with 74%, and the lowest rank for Sanjaya with 58%. These results confirm that the calculation system operates effectively according to the researched method and provides clear ranking evaluations to assist HR (Admin) in determining the most suitable internship candidates. The system was implemented on a website using the waterfall model approach as the development method for the research system.
Optimalisasi Proses Digitalisasi UMKM melalui Aplikasi Marketplace berbasis Design Thinking Sari, Aprilisa Arum; Pramono, Pramono; Saputra, Ilham Trisatdika; Prakoso, Aprilrianto Dirhamdan
Jurnal Pendidikan Informatika (EDUMATIC) Vol 8 No 2 (2024): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v8i2.27702

Abstract

Tourism villages in Boyolali district have enormous potential to boost economic growth, especially MSMEs. However, many MSMEs do not know digital applications. This research aims to optimize the digitalization process of Micro, Small, and Medium Enterprises (UMKM) through the development of a Design Thinking-based marketplace application. This research found the digital needs of UMKM through interviews and thorough analysis. The results show that effective and easily accessible digital products with interactive guidance features, automated inventory management, and easy-to-do market analysis are essential. Two prototypes each with seven main menus, were tested by 15 villagers, teenagers and general participants, using cognitive walkthrough, SEQ, A/B, and UEQ methods. Results showed that Prototype B was superior to Prototype A. In the Cognitive Walkthrough test, Prototype B showed a 100% success rate among teenagers and general participants. SEQ results indicated higher user comfort in Prototype B, with 84.375% of respondents giving the highest score of 5. A/B Testing showed higher interaction in Prototype B on various pages of the app, showing better efficiency. In UEQ aspects, Prototype B also performed better in perspicuity, stimulation, and novelty. These findings confirm that the Design Thinking approach is effective in developing user-friendly apps, helping to accelerate the digital transformation of UMKM in Indonesia.
Prototype Sistem Rekomendasi Pemilihan Produk Furniture dengan Pemodelan Content-Based Filtering Sekar, Lola; Hartanti, Dwi; Sari, Aprilisa Arum
Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Vol 6, No 01 (2025): Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/jrami.v6i01.11302

Abstract

Spandiv Digital Solutions merupakan sebuah startup yang bergerak dibidang creative dan digital agency dengan produknya berupa jasa dan produk digital. Yang memiliki beberapa client salah satunya, PT. Global Furnika Mandiri yaitu sebuah perusahaan yang bergerak pada bidang manufaktur furniture, interior, dan contractor. Adapun beberapa client ternama di luar negeri seperti, Bvlgari Hotel, Aston Hotel Group, Accor Hotel Group, dan Singapore Airlines Hotel. Perusahaan tersebut telah memiliki e-commerce dan beberapa platform penjualan online lainnya untuk menawarkan berbagai manufaktur yang tersedia. Adanya informasi yang kurang spesifik pada e-commerce menyebabkan konsumen tidak memperoleh informasi sesuai preferensi mereka. Oleh karena itu perlu dikembangkannya sistem rekomendasi yang dapat memudahkan para konsumen dalam pemilihan produk furniture sesuai dengan preferensi mereka. Tujuan dari penelitian ini untuk menerapkan pemodelan Content-Based Filtering pada Sistem Rekomendasi Pemilihan Produk Furniture guna meningkatkan kualitas kenyamanan terhadap pemilihan pengguna, meningkatkan retensi pelanggan, dan meningkatkan konversi penjualan pada perusahaan. Dalam sistem rekomendasi ini terdapat beberapa atribut untuk produk furniture diantaranya nama produk, material, warna, dan harga. Hasil dari penelitian ini akan terdapat 22 data sampel yang menghasilkan 15 rekomendasi produk furniture berdasarkan hasil pengolahan nilai similarity tertinggi antara keywords pada item representation dan user profile.
Pemodelan Sistem Informasi Penjualan Sapi Berbasis Web Pada Usaha Ternak Heli Farm Muhammad Dhafa Diar Ardhana; Vihi Atina; Aprilisa Arum Sari
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 3 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i3.847

Abstract

Hewan ternak sapi yang dipelihara pada usaha ternak "Heli Farm" memiliki kualitas yang baik, termasuk jenis Limosin, Simental, dan Madura. Setiap minggu, beberapa jenis sapi baru masuk ke peternakan. Meskipun memiliki kualitas yang tinggi, usaha ternak ini menghadapi tantangan signifikan karena masih bergantung pada proses penjualan manual. Biasanya, sapi dibawa ke pasar hewan untuk dijual, metode yang memiliki keterbatasan dalam jangkauan pemasaran dan efisiensi. Untuk mengatasi hambatan ini, penelitian ini berfokus pada pengembangan sistem penjualan berbasis web memperluas upaya pemasaran. Dibuatnya penelitian ini untuk memfasilitasi proses pemasaran yang lebih efisien dan meluas untuk "Heli Farm." Dengan menyediakan akses mudah ke informasi tentang sapi yang dijual, sistem ini bertujuan untuk menarik audiens yang lebih luas dan merampingkan proses penjualan. Pengembangan sistem menggunakan metode waterfall, pendekatan terstruktur yang memastikan setiap fase pengembangan diselesaikan sebelum melanjutkan ke tahap berikutnya. Menggunakan metode observasi, wawancara, dan studi literature. Terdiri dari data primer dan sekunder, untuk memastikan analisis yang mendalam dan pengembangan sistem yang akurat. Proses pengembangan sistem mencakup pembuatan beberapa diagram UML. Untuk desain database, MySQL digunakan untuk membuat dan mengelola tabel yang diperlukan, memastikan penanganan dan penyimpanan data yang efisien.Sistem ini juga dilengkapi dengan antarmuka yang dirancang untuk dua jenis pengguna: admin dan pembeli. Admin memiliki akses untuk mengelola produk, pesanan, pengiriman, dan laporan penjualan, sementara pembeli dapat melihat daftar sapi yang tersedia, melakukan pemesanan, dan melakukan pembayaran.
Analisis Sentimen Ulasan Tempat Wisata Umbul Sigedang Di Google Maps Menggunakan Algoritma Naive Bayes Setyawan, Yanuar Anggit; Nastiti, Faulinda Ely; Sari, Aprilisa Arum
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 2 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i2.7467

Abstract

Pariwisata merupakan sektor penting yang menggerakkan perekonomian Indonesia, mengalami pertumbuhan pesat yang dibantu oleh kemajuan teknologi informasi, terutama platform seperti Google Maps. Penelitian ini menyelidiki analisis sentimen ulasan yang dibuat pengguna untuk Umbul Sigedang, tujuan wisata terkemuka di Jawa Tengah. Penelitian ini menggunakan dua algoritma machine learning, Naive Bayes dan Support Vector Machine (SVM), untuk membandingkan efektivitasnya dalam mengklasifikasikan sentimen (negatif, netral, positif) berdasarkan masukan pengguna yang dikumpulkan dari Google Maps antara tahun 2017 dan 2024. Tujuan utamanya adalah untuk menilai kinerja algoritma ini dalam membedakan persepsi pengunjung terhadap Umbul Sigedang. Evaluasi ini penting untuk memberikan wawasan yang dapat ditindaklanjuti guna meningkatkan kualitas layanan dan fasilitas yang ditawarkan di lokasi tersebut. Dengan memanfaatkan metode komputasi, penelitian ini bertujuan untuk berkontribusi dalam mengoptimalkan pengalaman wisatawan dan memberikan informasi dalam membuat keputusan manajemen strategis di industri pariwisata Indonesia.
Komparasi Algoritma Klasifikasi Dan Penerapan Ner pada Analisis Sentimen Bencana Alam Banjir Sari, Aprilisa Arum; Risky, Muhammad; Aprillia, Ayu
InComTech : Jurnal Telekomunikasi dan Komputer Vol 14, No 2 (2024)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v14i2.22962

Abstract

Bencana alam akhir-akhir ini terjadi di Indonesia. Layanan jejaring sosial twitter memberi ruang bagi masyarakat untuk menanggapi terkait bencana yang disebabkan oleh fakor alam, namun tanggapan yang diberikan oleh masyarakat belum diklasifikasikan. Pada penelitian ini, analisis sentimen dilakukan terhadap tweet yang mengklasifikasikannya ke dalam kategori katastropik dan non-katastropik menggunakan metode klasifikasi komparatif dan pemodelan lain yang disebut Entity Recognition Modeling (NER). Penelitian ini menggunakan 6 algoritma klasifikasi, yaitu multinominal naive bayes, random forest, linier regression, support vector machine, decission tree dan KNN. Untuk data training dan data testing diambil dengan metode random sampling dengan presentase data training 80% dan data testing 20%. Pemodelan NER dilakukan dengan Spacy untuk mendapatkan LOCATION, ORGANIZATION, PERSON, QUANTITY, TIME. Setelah dilakukan pemodelan NER dengan spacy, dilanjutkan pengukuran accuracy, precision, recall, f1-score. Support. Perhitungan precission, recall, dan f-measure mendapatkan nilai terbaik yaitu 80%, 100%, dan 89% untuk metode NER Sedangkan untuk hasil prediksi bencana dan non bencana didapatkan hasil yaitu 81,60%, 82% dan 82%.
Co-Authors 'Aziiz Alfarobi, Muhammad Ilham Aditya Wadanur Amirah Munif, Jihan Angga Kurniawan Anugrah S, Bintang Arkanatha Yoen Restu Zain, Arga Arya Rahardiansyah, Rifki Atina, Vihi Ayu Aprillia Bagus Saputra, Andika Catur Pamungkas, Affandi Danang Saputra, Danang Dwi Ahwati, Ringgyanita Dwi Hartanti Dwi Hartanti Dwi Wahyuni, Tesa Faulinda Ely Nastiti Fauzi Rakhmadianto, Ridlo Firdausi, Annisaa' Alam Hartanti, Dwi Hasim Azari Hasna Khaira Aswha, Alisa Helfian, Ongky Hendra Wardana, Aliefian Ibnu Is’ad, Fadhil Irawan, Ridwan Dwi Khoiril Abidin, Muhammad Kumala Sari, Oktalia Malika Endiwan, Aprillio Mandiri, Puput Dwi Maula Rif’at, Nafi Miza, Kurniadi Muchammad Rosyid Aridho, Sayid Muhammad Dhafa Diar Ardhana Muhammad Saifullah Nur Eka Febrianto, Hermawan Nur Farida, Azzah Nur Sofiyanto, Irfan Prakoso, Aprilrianto Dirhamdan Pramono Pramono Pramono Prayoga Yudhi Putra, Latief Prima Ertansyah, Gilang Putra Pratama, Akmal Putri Setiawan, Amanda Rahardiyan Purnama, Brahmadita Raka Pramuja Ananda, Syaelan Ramadhan Oktaviano, Alberthino Ramadhani, Rafli Risky Kurniawan, Habib Risky, Muhammad Riyadi, Bagus Romadona, Romadona Saputra, Bintang Pratama Yuarna Saputra, Ilham Trisatdika Sekar, Lola Setyawan, Yanuar Anggit Sulanjari, Titi Sumarlinda, Sri Tariq, Tariq Tri Cahya Kusuma, Ridwan Trisna Aqilla, Fiza Triyono Triyono Ulhaq, Ahmad Dia Wakhid Nur Sakti, Didan Wupiwulang Tanwal Hu Yudha P, Rizal