Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika, Komputer dan Bisnis (JIKOBIS) OKTAL : Jurnal Ilmu Komputer dan Sains
Elyananda Subroto
Unknown Affiliation
Astronomy Chemistry Computer Science & IT Electrical & Electronics Engineering Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Penyakit Menular Dengan Algoritma Machine Learning Berbasis SVM Alessandro; Alfinsa Pratama; Azzani Nurfadia Rizky; Elyananda Subroto
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 3 No 10 (2024): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Infectious diseases pose a serious threat to public health, especially with their rapid spread and the difficulty of detecting early symptoms in some cases. Accurate classification of infectious diseases is essential to support early diagnosis and appropriate treatment. In this research, a machine learning algorithm based on Support Vector Machine (SVM) was used to classify types of infectious diseases. This method was chosen because of its ability to handle complex datasets and produce good classification, especially on data with non-linear patterns. This research uses infectious disease datasets from trusted sources which are processed using the Knowledge Discovery in Databases (KDD) method for extracting relevant features. Several SVM kernels, namely linear, radial basis function (RBF), sigmoid, and polynomial, were evaluated to determine the most optimal kernel in increasing classification accuracy. The aim of this research is to identify the most effective method in predicting infectious diseases, so that it can be applied in decision support systems in the health sector. The research results show that the polynomial kernel provides the highest accuracy compared to other kernels, with an accuracy level reaching 75%. With these results, it is hoped that the SVM-based classification model ca be a solution in identifying and treating infectious diseases more efficiently.
RANCANG BANGUN SISTEM APLIKASI ABSENSI DAN PENGGAJIAN PADA PT DIDI KALIBRASI INDONESIA BERBASIS WEBSITE DENGAN MODEL EXTREME PROGRAMMING Muhamad Choirul Anwar; Geraldo Sabila Firdaus; Elyananda Subroto; Wasis Haryono
Jurnal Informatika, Komputer dan Bisnis (JIKOBIS) Vol. 5 No. 1 (2025): Vol. 5 No 1 April 2025
Publisher : LPPM ITB AAS Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/bfwmxe93

Abstract

Pengelolaan kehadiran dan gaji adalah aspek krusial dalam administrasi sumber daya manusia. Di PT Didi Kalibrasi Indonesia, pencatatan kehadiran dilakukan dengan menggunakan alat pemindai sidik jari, sementara data gaji disusun menggunakan lembar kerja elektronik. Untuk meningkatkan efisiensi dan ketepatan pengelolaan informasi, penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi berbasis web yang mengintegrasikan absensi dan gaji. Model Extreme Programming (XP) diterapkan dalam proses pengembangan sistem ini, karena memberikan kemungkinan iterasi yang cepat, keterlibatan langsung dari pengguna, serta pengujian yang berkelanjutan. Data dikumpulkan melalui observasi langsung, wawancara dengan pengguna sistem, dan tinjauan pustaka. Sistem ini dibangun dengan menggunakan PHP dan MySQL sebagai sistem basis datanya. Fitur-fitur utama yang ada meliputi absensi dengan kode unik yang dibuat secara otomatis, penghitungan gaji yang berdasarkan data kehadiran, serta penyusunan laporan dalam format digital. Hasil dari penerapan sistem ini menunjukkan bahwa sistem mampu meningkatkan efisiensi administrasi, mempercepat proses penggajian, dan mempermudah penyusunan laporan dengan cara yang lebih terstruktur. Diharapkan sistem ini dapat menjadi solusi digital yang mendukung pengelolaan sumber daya manusia secara lebih efektif dan terintegrasi.
Co-Authors Alessandro Alfinsa Pratama Azzani Nurfadia Rizky Geraldo Sabila Firdaus Haryono, Wasis Muhamad Choirul Anwar