Article Per Year (5 Year)
p-Index From 2021 - 2026
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 
Sistem Rekomendasi Pemilihan Jenis Lensa Kacamata Menggunakan Metode Knowledge Based Recommendation (Studi Kasus : Optik Wiratama Kacamata 2) Ulhaq, Ahmad Dia; Hartanti, Dwi; Sari, Aprilisa Arum
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 10, No 1 (2025)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/string.v10i1.28938

Abstract

The main problem that customers often face in choosing eyeglass lenses is the lack of information that suits the user's specific needs, such as eye complaints, daily activities, and lens feature preferences. This study aims to build a recommendation system for selecting eyeglass lenses using the Knowledge-Based Recommendation approach with the Constraint-Based method. The system development methodology uses the Agile Software Development model, with iterative stages that allow for periodic system evaluation. Data were obtained through interviews with customers and staff of Optik Wiratama Kacamata 2, as well as direct observation of user needs. This system was built web-based with the PHP programming language and the Laravel framework. The system test results showed a level of recommendation accuracy with a recall value of 100% and an average precision of 89.16%, indicating that the system is able to provide relevant lens recommendations that suit user needs. This study contributes to providing digital solutions that help decision-making in selecting eyeglass lenses in a personal and efficient manner.
Sistem Deteksi Dini Gangguan Mental Menggunakan Algoritma Random Forest 'Aziiz Alfarobi, Muhammad Ilham; Tariq, Tariq; Romadona, Romadona; Sari, Aprilisa Arum
JURIKOM (Jurnal Riset Komputer) Vol. 12 No. 4 (2025): Agustus 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i4.8857

Abstract

Early detection of mental health disorders poses a significant challenge in primary care, often hindered by conventional assessment methods that are subjective and time-consuming. This research aims to design and evaluate an intelligent system prototype for predicting mental health risks. Adopting the Cross-Industry Standard Process for Data Mining (CRISP-DM) framework , this study utilized 1,000 medical record datasets from Clinic. A predictive model was developed using the Random Forest algorithm, which is known for its robustness in handling complex data. Evaluation results indicate exceptional model performance, achieving a weighted accuracy of 99.67% on the test dataset. Feature importance analysis confirmed that social support, sleep quality, and physical activity variables are the most significant predictors. The prototype was successfully implemented as an interactive web application using Streamlit, demonstrating the feasibility of using machine learning as a rapid and accurate clinical decision support tool for mental health screening at the primary care level.
DECISION SUPPORT SYSTEM FOR DETERMINING THE PRIORITY OF FACILITY AND INFRASTRUCTURE REPAIRS AT SMP NEGERI 1 BAKI USING THE WEIGHTED PRODUCT METHOD Wupiwulang Tanwal Hu; Dwi Hartanti; Aprilisa Arum Sari
Jurnal DutaCom Vol 18 No 2 (2025): Dutacom Vol. 18 No. 2
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/dutacom.v18i2.5086

Abstract

The condition of educational facilities and infrastructure significantly influences the effectiveness of the teaching and learning process. At SMP Negeri 1 Baki, the process of determining which facilities require priority repairs is still carried out manually, which leads to inefficiencies and subjective decision-making. This study aims to implement a Decision Support System (DSS) that can assist school administrators in determining the priority of facility and infrastructure improvements using the Weighted Product (WP) method. The WP method is chosen because it can process multiple criteria by assigning weighted values to each one, enabling a more objective and accurate assessment. The criteria used include the level of damage, frequency of use, number of users, and impact on learning activities. The system is developed in a web-based format to facilitate accessibility and ease of use. The results of this study show that the application of the WP method in the DSS effectively assists decision-makers in ranking the priority of improvements based on accurate data. This research is expected to improve the efficiency, transparency, and accountability of maintenance planning in educational institutions.
Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Klasifikasi Biner Nur Sofiyanto, Irfan; Bagus Saputra, Andika; Fauzi Rakhmadianto, Ridlo; Nur Eka Febrianto, Hermawan; Malika Endiwan, Aprillio; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/gpqsm502

Abstract

Penelitian ini bertujuan mengembangkan model prediksi kelulusan mahasiswa menggunakan algoritma K-Nearest Neighbor (KNN). Permasalahan yang diangkat adalah ketidakpastian dalam meramalkan kelulusan berdasarkan data historis akademik, khususnya Indeks Prestasi Semester (IPS). Penelitian berfokus pada pembangunan model klasifikasi biner yang dapat mengidentifikasi status kelulusan mahasiswa guna mendukung deteksi dini risiko akademik. Dataset yang digunakan terdiri dari 519 data mahasiswa Program Studi Teknologi Informasi, dengan atribut berupa nilai IPS semester 1 hingga 8, serta label target berupa status kelulusan. Karena terdapat ketidakseimbangan antar kelas, diterapkan Random Over Sampling (ROS) untuk menyeimbangkan distribusi sebelum pelatihan model. Data kemudian dinormalisasi dan dibagi menjadi data latih dan data uji. Algoritma KNN digunakan dengan parameter k = 5, yang mengklasifikasikan label berdasarkan mayoritas tetangga terdekat. Hasil pengujian menunjukkan bahwa model KNN mampu memberikan akurasi prediksi sebesar 90%, menandakan bahwa pendekatan berbasis data mining ini efektif untuk mendukung evaluasi dan pengelolaan akademik di lingkungan pendidikan tinggi.
Penerapan Algoritma Naïve Bayes Untuk Prediksi Penyakit Paru (Studi Kasus : Rumah Sakit Umum Daerah Dokter Soeratno Gemolong) Riyadi, Bagus; Saputra, Danang; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/cvxw3k55

Abstract

Penyakit paru merupakan salah satu masalah kesehatan global yang memerlukan penanganan cepat dan akurat, terutama dalam hal diagnosis dini. Penelitian ini bertujuan untuk mengklasifikasikan jenis penyakit paru yaitu Penyakit Paru Obstruktif Kronis (PPOK), Tuberkulosis (TBC), dan Pneumonia dengan menerapkan algoritma Naive Bayes. Data yang digunakan berasal dari rekam medis pasien di Rumah Sakit Umum Daerah (RSUD) dr. Soeratno Gemolong, diambil dari Sistem Informasi Manajemen (SIM GOS) selama periode Januari hingga Juni 2024. Dataset mencakup 5.203 data pasien dengan atribut berupa Kode ICD, Diagnosa Penyakit, Usia, dan Jenis Kelamin. Hasil analisis awal menunjukkan bahwa pasien laki-laki berusia di atas 45 tahun memiliki prevalensi lebih tinggi terhadap penyakit paru. Sebaran kasus menunjukkan PPOK sebanyak 4.712 kasus, TBC 422 kasus, dan Pneumonia 69 kasus. Proses klasifikasi dan analisis data dilakukan menggunakan perangkat lunak RapidMiner. Diharapkan hasil penelitian ini dapat memberikan kontribusi dalam pengembangan sistem pendukung keputusan (decision support system) untuk membantu diagnosis penyakit paru secara lebih cepat dan akurat.
Prediksi Tingkat Bahaya Banjir Menggunakan Metode Fuzzy Tsukamoto di wilayah Kartasura Rahardiyan Purnama, Brahmadita; Dwi Ahwati, Ringgyanita; Arkanatha Yoen Restu Zain, Arga; Ramadhani, Rafli; Saifullah, Muhammad; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/r4745a69

Abstract

Banjir merupakan salah satu bencana alam yang sering terjadi di Indonesia dan berdampak signifikan terhadap kehidupan sosial dan ekonomi masyarakat, khususnya di wilayah Kartasura. Untuk meminimalisir risiko, dibutuhkan sistem prediksi banjir yang akurat dan real-time sebagai bagian dari upaya mitigasi dan peringatan dini. Penelitian ini bertujuan untuk mengembangkan sistem prediksi banjir berbasis metode fuzzy Tsukamoto yang mampu menangani data lingkungan yang bersifat tidak pasti dan kompleks. Data yang digunakan mencakup curah hujan dan debit air yang dikumpulkan secara berkala per jam dari dataset simulasi lingkungan Kartasura. Proses pengembangan sistem mengikuti model Waterfall yang meliputi analisis kebutuhan, pengumpulan dan pembersihan data, perancangan sistem fuzzy, serta pengujian dan evaluasi performa sistem. Hasil evaluasi menunjukkan bahwa sistem memiliki akurasi prediksi sebesar 84,48% dengan tingkat klasifikasi yang memadai antara kategori aman, waspada, dan bahaya. Sistem ini juga dilengkapi dengan visualisasi hasil prediksi untuk mempermudah interpretasi dan pengambilan keputusan. Berdasarkan hasil yang diperoleh, sistem prediksi berbasis fuzzy Tsukamoto terbukti efektif dan berpotensi untuk dikembangkan lebih lanjut sebagai alat bantu mitigasi bencana banjir di wilayah rawan.
Clustering Produk UMKM Berdasarkan Penjualan Online Menggunakan K-Means Catur Pamungkas, Affandi; Wakhid Nur Sakti, Didan; Trisna Aqilla, Fiza; Miza, Kurniadi; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/hgnnv193

Abstract

UMKM memiliki peran penting dalam perekonomian Indonesia, terutama dalam meningkatkan lapangan kerja dan Produk Domestik Bruto (PDB). Dengan berkembangnya digitalisasi, banyak pelaku UMKM memasarkan produknya secara online. Namun, banyaknya data transaksi yang dihasilkan memerlukan analisis untuk mengoptimalkan strategi penjualan. Penelitian ini bertujuan untuk mengelompokkan produk UMKM berdasarkan karakteristik penjualan online menggunakan algoritma K-Means. Dataset yang digunakan diperoleh dari E-Commerce Shopee dan mencakup 30 produk dengan fitur harga, jumlah terjual, dan rating. Data diolah melalui tahap normalisasi Min-Max dan proses clustering dengan jumlah cluster sebanyak tiga. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk ke dalam tiga klaster: produk dengan penjualan tinggi, sedang, dan rendah (outlier). Klaster ini memberikan gambaran performa penjualan dan membantu UMKM dalam merumuskan strategi yang lebih tepat, seperti fokus pada produk unggulan atau evaluasi produk berpenjualan rendah. Untuk menilai kualitas pengelompokan, dilakukan evaluasi menggunakan metode Silhouette Coefficient yang menghasilkan nilai rata-rata sebesar 0,443. Nilai ini menunjukkan bahwa hasil clustering sudah cukup baik dan mampu memisahkan data dengan cukup jelas antar kelompok. Kesimpulan dari penelitian ini menunjukkan bahwa metode clustering dengan K-Means dapat digunakan sebagai alat analisis efektif untuk mendukung pengambilan keputusan bisnis UMKM secara digital. Dengan pendekatan ini, UMKM diharapkan dapat meningkatkan daya saing dan keberlanjutan usahanya di era ekonomi digital.
Prediksi Pola Curah Hujan di Kota Semarang Menggunakan Algoritma Naive Bayes Ibnu Is’ad, Fadhil; Amirah Munif, Jihan; Hendra Wardana, Aliefian; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/tkrhaf68

Abstract

Curah hujan merupakan faktor penting dalam menentukan kondisi cuaca harian yang berdampak pada aktivitas sosial, ekonomi, dan lingkungan. Prediksi cuaca yang akurat dibutuhkan untuk mengantisipasi potensi bencana seperti banjir atau kekeringan. Penelitian ini bertujuan untuk mengklasifikasikan kondisi cuaca harian di Kota Semarang berdasarkan curah hujan menggunakan metode klasifikasi Naive Bayes. Data yang digunakan berasal dari BMKG berupa data iklim harian periode Januari hingga Juni 2025, dengan atribut yang digunakan meliputi curah hujan (RR), suhu minimum (Tn), suhu maksimum (Tx), suhu rata-rata (Tavg), kelembaban rata-rata (RH_avg), dan kecepatan angin rata-rata (FF_avg). Label cuaca dibentuk berdasarkan kaidah klasifikasi BMKG, yaitu cerah (RR=0), hujan ringan (0.1–5 mm), hujan sedang (5.1–20 mm), dan hujan lebat (>20 mm). Algoritma Naive Bayes diterapkan untuk mempelajari hubungan antar atribut dan label cuaca. Hasil pengujian menunjukkan bahwa model mampu melakukan klasifikasi cuaca harian dengan akurasi yang cukup baik, sehingga dapat digunakan sebagai sistem prediksi cuaca sederhana berbasis data historis.
Analisis Sentimen Pada Media Sosial Menggunakan Teknik Natural Language Processing Prima Ertansyah, Gilang; Tri Cahya Kusuma, Ridwan; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/qgcey104

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pada data media sosial menggunakan teknik Natural Language Processing (NLP). Masalah yang dihadapi adalah bagaimana mengklasifikasikan sentimen positif, negatif, dan netral dari sejumlah besar data yang diambil dari media sosial. Tujuan dari penelitian ini adalah untuk mendapatkan gambaran umum tentang persepsi publik terhadap isu tertentu melalui media sosial. Metode yang digunakan melibatkan pengumpulan data, preprocessing, dan analisis menggunakan algoritma NLP.
Evaluasi Sentimen Pelanggan Terhadap Toko Resmi Xiaomi Di Tokopedia Menggunakan Algoritma Support Vector Machine Maula Rif’at, Nafi; Risky Kurniawan, Habib; Putri Setiawan, Amanda; Putra Pratama, Akmal; Khoiril Abidin, Muhammad; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/9c71cp98

Abstract

Penelitian ini bertujuan mengevaluasi sentimen pelanggan terhadap toko resmi Xiaomi Indonesia di Tokopedia menggunakan algoritma Support Vector Machine (SVM). Data dikumpulkan melalui web scraping dengan total 1.000 ulasan pelanggan. Proses preprocessing meliputi cleaning, case folding, tokenization, normalization, stopword removal, dan stemming. Setiap ulasan diberi label sentimen positif, negatif, atau netral, kemudian dikonversi menjadi representasi numerik menggunakan TF-IDF. Hasil klasifikasi menunjukkan model SVM mencapai akurasi 80% dengan kecenderungan over- prediksi pada sentimen positif. Analisis WordCloud mengidentifikasi kata dominan: sentimen positif didominasi kata "bagus", "baik", "cepat", sedangkan sentimen negatif menampilkan "lama", "tidak", "kirim". Model menunjukkan performa tidak seimbang antar kelas dengan akurasi sentimen positif 100%, negatif 67%, dan netral 0%. Penelitian ini memberikan wawasan tentang persepsi pelanggan terhadap toko resmi Xiaomi di platform e-commerce dan mengidentifikasi area perbaikan layanan, meskipun terdapat keterbatasan dalam penanganan ketidakseimbangan kelas data.
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 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