Article Per Year (5 Year)
p-Index From 2020 - 2025
0.882
P-Index
This Author published in this journals
All Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer
Utami, Putri Yuli
Universitas Muhammadiyah Pontianak
Computer Science & IT Control & Systems Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Implementasi Framework Cobit 5 Dalam Tata Kelola Teknologi Informasi Pada Sekretariat Dinas Lingkungan Hidup Dan Kehutanan Provinsi Kalimantan Barat Safhira, Shella; Utami, Putri Yuli; Istikoma, Istikoma
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i2.2065

Abstract

Information technology management is an important part of carrying out activities in various aspects to achieve the goals of an organization. Dinas lingkungan hidup dan kehutanan of west kalimantan province plays a role in rehabilitation and community empowerment in accordance with provisions. protection, conservation of natural resources and ecosystems, forest stewardship and management, environmental planning and supervision, pollution control, handling waste, hazardous and toxic waste. Issues regarding IT governance and human resource performance in the field of information technology are one of the focuses at dinas lingkungan hidup dan kehutanan of west kalimantan province. The purpose of this research is to implement the Cobit 5 Framework at the Secretariat of the Environment and Forestry Service of West Kalimantan Province. The evaluation results show that the data processing results of 20 respondents using Guttman scale calculations to obtain a Capability Level value is at level 3.00 or (established process). This value shows that this level shows that the information technology process is running according to procedureso.Keywords: Capability level; COBIT 5; Dinas lingkungan hidup dan kehutanan of west kalimantan province; MEA02; IT HR AbstrakPengelolaan teknologi informasi adalah bagian penting dalam aktifitas di berbagai aspek untuk mencapai tujuan suatu instansi. Dinas Lingkungan Hidup dan Kehutanan Provinsi Kalimantan Barat berperan pada urusan rehabilitasi serta pemberdayaan masyarakat sesuai dengan ketentuan peraturan perundang-undangan, perlindungan, konservasi sumber daya alam serta ekosistem, penatagunaan serta pengelolaan hutan, penataan serta pengawasan lingkungan hidup, pengendalian pencemaran, penanganan sampah, limbah bahan berbahaya serta beracun. Permasalahan mengenai tata kelola IT, kinerja sumber daya manusia bidang teknologi informasi menjadi salah satu fokus di Dinas Lingkungan Hidup dan Kehutanan Provinsi Kalimantan Barat. Tujuan penelitian ini mengimplementasikan framework COBIT 5 untuk evaluasi tata kelola TI pada Dinas Lingkungan Hidup dan Kehutanan Provinsi Kalimantan Barat dengan domain MEA02. Hasil evaluasi memperlihatkan hasil pengolahan data responden sejumlah 20 orang menggunakan perhitungan skala Guttmann dan mendapatkan nilai Capability Level ada di level 3,00 atau (established process). Nilai ini memperlihatkan bahwa Tingkat ini menunjukkan proses teknologi informasi berjalan sesuai dengan prosedur. 
Uji Akurasi Algoritme K-Nearest Neighbor Dan Naïve Bayes Dalam Klasifikasi Kelayakan Pemberian Kredit Perbankan Asyari, Bisma; Agustini Alkadri, Syarifah Putri; Utami, Putri Yuli
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1350

Abstract

Banking credit is a process of giving money or debt following an agreement between the borrower and the bank, as well as determining the classification of creditworthiness on housing loans (KPR). This affects the customer's waiting time for the results of a bank's decision, the success of a bank's credit management will greatly affect the fate of many customer funds if the analysis is inaccurate, so technology is needed to find hidden information on prospective borrowers' data to predict a customer's loan repayment ability. This study uses an algorithm K-Nearest Neighbor and Naïve Bayes to determine the eligibility classification for bank lending and determine the accuracy of bank credit eligibility for mortgages, to determine the accuracy of the algorithm through three stages of testing, namely several preprocessing stages starting from checking duplicates, deal with missing value, deal with outliers, do label encoding, deal with data imbalance use method SMOTE, and standardize using scaler standard. The results of the Naïve Bayes and KNN algorithms as well as the model stages are evaluated to examine each stage in the data for the model's ability to predict, the evaluation matrix used is in the form of a results confusion matrix. There is the best result, namely the KNN algorithm in the third test with a value of K = 10 with a performance of 80.92% training data accuracy and 78.86% testing data and getting a score confusion matrix TP 76 and TN 21.Keywords: Banking Credit; Data Mining; Machine Learning; K-Nearest Neighbors; Naïve Bayes.AbstrakKredit perbankan suatu proses pemberian uang atau hutang sesuai dengan kesepakatan antara peminjam dengan bank, serta menentukan klasifikasi kelayakan kredit pada Kredit Pemilikan Rumah (KPR). Hal ini mempengaruhi waktu tunggu nasabah atas hasil keputusan bank, keberhasilan pengelolaan kredit suatu bank akan sangat mempengaruhi nasib banyak dana nasabah jika analisisnya tidak akurat, sehingga dibutuhkan teknologi untuk menemukan informasi tersembunyi data calon peminjam untuk memprediksi kemampuan pembayaran pinjaman nasabah. Penelitian ini menggunakan algoritme K-Nearest Neighbor dan Naïve Bayes untuk menentukan klasifikasi kelayakan pemberian kredit perbankan dan mengetahui tingkat akurasi kelayakan pemberian kredit perbankan pada KPR, untuk mengetahui tingkat akurasi algoritme melalui tiga tahap pengujian, yaitu dilakukan beberapa tahapan preprocessing mulai dari pengecekan duplicate, menangani missing value, menangani outliers, melakukan label encoding, mengatasi data imbalance menggunakan metode SMOTE, dan melakukan standarisasi menggunakan standar scaler. Hasil dari algoritme Naïve Bayes dan KNN serta tahapan model di evaluasi untuk memeriksa setiap tahap pada data terhadap kemampuan model dalam memprediksi, matrik evaluasi yang digunakan berupa hasil confusion matrix. Terdapat hasil terbaik yaitu pada algoritme KNN di pengujian ketiga dengan nilai K=10 dengan performa akurasi data training 80.92% dan data testing 78.86% dan mendapatkan score confusion matrix TP 76 dan TN 21. 
Penentuan Lokasi Tempat Pembuangan Akhir Sampah Kecamatan Kendawangan Kiri Menggunakan Simple Additive Weighting Arindika, Utin Syarifah; Utami, Putri Yuli; Istikoma, Istikoma
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 3: Desember 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i3.2283

Abstract

The waste management issue in Kendawangan Kiri District is currently facing difficulties in finding a suitable location for the Final Disposal Site (TPA). This research aims to determine the location of the waste Final Disposal Site in Kendawangan Kiri District using the Simple Additive Weighting (SAW) method. The SAW method is used to determine alternatives, criteria, costs and benefits, assessment criteria, provide suitability ratings, normalize weights and decision matrices, normalize matrices, ranking, and analyze questionnaire results using SPSS. The web design implementation includes login displays, dashboards, alternatives, criteria weights, matrices, and preference values. System testing is conducted through black box testing to ensure system compliance with analysis and design. The SAW data processing results show that the alternative with the highest percentage is Kendawangan Kiri Village with a value of 0.87%, followed by Banjarsari Village 0.67%, and Mekar Utama Village 0.55%. 
Klasifikasi Land Surface Temperature Spasial-Temporal di Kalimantan Barat Menggunakan Metode Naïve Bayes dan C4.5 Hidayah, Miftah; Utami, Putri Yuli; Surya, Rizki Surtiyan
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 3: Desember 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i3.2311

Abstract

This study aims to determine the performance level and classification results of land surface temperature with climate, as they mutually influence each other and undergo significant changes that impact the environment. The research uses data mining to classify the patterns of LST changes using spatial data and climate attribute data that affect LST in four regencies in West Kalimantan during the peak dry season of the last five years, comparing the Naïve Bayes and C4.5 algorithms. The data used comes from the USGS and the West Kalimantan Climate Station, covering 11 variables: latitude, longitude, maximum temperature, average temperature, average humidity, precipitation, solar radiation, and average wind speed, time, region and labels. Data preprocessing was conducted to facilitate data processing, and the algorithms were applied using RapidMiner tools. The results show that the Naïve Bayes algorithm has an accuracy of 94.57%, while C4.5 achieves 99.22%. This study can serve as a basis for enhancing understanding and planning climate change adaptationKeywords: C4.5 Algirithm; Classification; Land Surface Temperature; Naïve Bayes Algorithm; Prediction AbstrakPenelitian ini bertujuan untuk mengetahui tingkat kinerja dan hasil klasifikasi land surface temperature dengan iklim karena saling memengaruhi dan mengalami perubahan signifikan yang berdampak terhadap lingkungan. Penelitian menggunakan data mining untuk mengklasifikasi pola perubahan LST menggunakan data spasial dan data atribut iklim yang memengaruhi LST pada empat kabupaten di Kalimantan Barat pada puncak kemarau 5 tahun terakhir menggunakan perbandingan algoritma Naïve Bayes dan C4.5. Data yang digunakan berasal dari USGS dan Stasiun Iklim Kalimantan Barat yang mencakup 11 variabel yaitu latitude, longitude, temperatur maximall, rata-rata temperature, rata-rata kelembapan, intensitas hujan, penyinaran matahari, dan rata-rata kecepatan angin, waktu, wilayah dan label. Pre-proses data dilakukan memudahkan pengolahan data, penerapan algoritma menggunakan tools RapidMiner. Hasil menunjukkan bahwa penggunaan algoritma Naïve Bayes memiliki accuracy sebesar 94,57%, sedangkan C4.5 sebesar 99.22%. Penelitian ini dapat menjadi dasar dalam meningkatkan pemahaman dan dalam perencanaan adaptasi perubahan iklim. 
Penerapan Metode Regresi Linier Berganda Untuk Memprediksi Panen Kelapa Sawit Hermansyah, Hermansyah; Abdullah, Asrul; Utami, Putri Yuli
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1816

Abstract

Perkebunan Nusantara XIII Kebun Rimba Belian requires effective planning and strategies to increase production yields. This research aims to apply the multiple linear regression method to predict palm oil production results in these plantations. The research uses a multiple linear regression method by observing patterns of increase or decrease in production results and predicting production results in the next few months. The results of the research show that the multiple linear regression method is effectively used to predict oil palm harvest at Perkebunan Nusantara XIII Kebun Rimba Belian. Analysis shows that the model has a high level of accuracy, with a Root Mean Squared Error (RMSE) value of 0.0698 and an R-squared (R2) Score of 0.9306. This indicates that the model has good abilities in predicting target values and explaining data variations well. As a result, this model can be a useful tool in planning plant care and pest control activities to increase oil palm production yields.Keywords: Data mining; Palm oil; Production prediction; Multiple linear regression. AbstrakPerkebunan Nusantara XIII Kebun Rimba Belian memerlukan perencanaan dan strategi yang efektif untuk meningkatan hasil produksi. Penelitian ini bertujuan untuk menerapkan metode regresi linier berganda untuk memprediksi hasil produksi kelapa sawit di perkebunan tersebut. Penelitian menggunakan metode regresi linier berganda dengan mengamati pola peningkatan atau penurunan hasil produksi dan memprediksi hasil produksi beberapa bulan ke depan. Hasil penelitian menunjukkan bahwa metode regresi linier berganda efektif digunakan untuk memprediksi panen kelapa sawit di Perkebunan Nusantara XIII Kebun Rimba Belian. Analisis menunjukkan bahwa model memiliki tingkat akurasi yang tinggi, dengan nilai Root Mean Squared Error (RMSE) sebesar 0.0698 dan R-squared (R2) Score sebesar 0.9306. Hal ini menandakan bahwa model memiliki kemampuan baik dalam memprediksi nilai target dan menjelaskan variasi data dengan baik. Sebagai hasilnya, model ini dapat menjadi alat yang berguna dalam merencanakan kegiatan perawatan tanaman dan pengendalian hama untuk meningkatkan hasil produksi kelapa sawit.Kata Kunci: Data mining; Kelapa sawit; Prediksi produksi; regresi linier berganda.
Co-Authors Agustini Alkadri, Syarifah Putri Arindika, Utin Syarifah Asrul Abdullah Asyari, Bisma Hermansyah, Hermansyah Hidayah, Miftah Istikoma Istikoma Rizki Surtiyan Surya Safhira, Shella