Article Per Year (5 Year)
p-Index From 2020 - 2025
5.307
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sistem dan Informatika International Journal of Law Reconstruction Jurnal Pendidikan Informatika dan Sains JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Al-Khidmah CYBERNETICS BULETIN AL-RIBAATH JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) GERVASI: Jurnal Pengabdian kepada Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Jurnal Teknika Jurnal Abdi Insani JIKA (Jurnal Informatika) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology JUSTIN (Jurnal Sistem dan Teknologi Informasi) Joutica : Journal of Informatic Unisla Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Riset Rumpun Ilmu Teknik (JURRITEK) Kohesi: Jurnal Sains dan Teknologi SmartComp Jurnal Informatika Polinema (JIP) Journal of Multidiscipline and Collaboration Research JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Alkadri, Syarifah Putri Agustini
Universitas Muhammadiyah Pontianak
Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Klasifikasi Tingkat Kepuasan di Maskapai Penerbangan: Studi Komparasi Algoritma K-NN dan Adaboost Maysa, Ade; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5166

Abstract

Dalam persaingan bisnis yang ketat, kepuasan pelanggan menjadi kunci utama dalam meningkatkan kinerja perusahaan, terutama di industri penerbangan. Faktor-faktor seperti bagasi tertinggal di bandara keberangkatan, air conditioning (AC) pesawat yang tidak berfungsi selama penerbangan, dan keterlambatan penerbangan hingga 2 jam berpotensi besar mempengaruhi kepuasan penumpang. Untuk meningkatkan efisiensi layanan, perusahaan harus melakukan survei guna memahami faktor-faktor yang memengaruhi kepuasan pelanggan dan mencapai keunggulan kompetitif. Dalam mengukur kualitas layanan, indikator kepuasan penumpang menjadi penting sebagai pandangan bisnis. Dengan menggunakan teknik data mining, khususnya model klasifikasi dalam menganalisis data kepuasan pelanggan, perusahaan dapat menemukan komponen utama yang berkontribusi terhadap kepuasan atau ketidakpuasan pelanggan, seperti kualitas makanan, ketepatan waktu penerbangan, dan layanan di dalam pesawat. Penelitian ini mengkomparasi algoritma K-Nearest Neighbors (K-NN) dan Adaptive Boosting (Adaboost) yang bertujuan untuk mengetahui algoritma mana yang memiliki performa yang baik, untuk mengukur performa dari kedua algoritma maka akan digunakan teknik confusion matrix. Hasil akurasi algoritma K-NN sebesar 86%, dengan nilai precision 85% dan recall 78%. Sementara itu, algoritma Adaboost berhasil mencapai akurasi 90%, dengan nilai precision 90% dan recall 84%. Dengan akurasi, precision, dan recall yang lebih tinggi, Adaboost menjadi pilihan terbaik, dengan mencatat score true positive (TP) 3.199 dan true negative (TN) 5.550.
INOVASI PEMBELAJARAN DIGITAL: WORKSHOP MEDIA PEMBELAJARAN VIDEO CANVA UNTUK GURU SMA MUHAMMADIYAH 1 PONTIANAK Alkadri, Syarifah Putri Agustini; Sucipto; Muhammad Dwi Ramadhianto
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol. 8 No. 1 (2024): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v8i1.7131

Abstract

Kurikulum Merdeka berfokus pada pengembangan kemandirian siswa. SMA Muhammadiyah 1 Pontianak menghadapi tantangan integrasi teknologi yang minim, materi monoton, dan partisipasi siswa rendah. Solusi diusulkan adalah meningkatkan integrasi teknologi melalui media pembelajaran video yang menarik dan interaktif. Tujuan pengabdian adalah membekali guru dengan keterampilan membuat video pembelajaran kreatif untuk merangsang kemandirian dan semangat belajar siswa di luar kelas. Metode kegiatan mencakup ceramah dan praktek, dengan fokus pada perencanaan video, penggunaan Canva, dan teknik pengambilan gambar menggunakan smartphone. Berdasarkan hasil pretest dan posttest yang dilakukan dapat disimpulkan bahwa kegiatan pelatihan pengembangan media ajar dikategorikan berhasil dengan adanya peningkatan pemahaman guru sebesar 80% dan peningkatan kompetensi diatas 50% dalam menggunakan Canva sebagai media pembelajaran. Hasil survey pelatihan menunjukkan bahwa sebagian besar peserta setuju bahwa pelatihan bermanfaat dan meningkatkan pengetahuan peserta.
Sistem Prediksi Kebutuhan Obat di Puskesmas Berbasis Website Menggunakan Metode Regresi Linear Medi, Medi; Alkadri, Syarifah Putri Agustini; Octariadi, Barry Ceasar
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.v12i3.1543

Abstract

Community Health Centers (Puskesmas) are one of the most important public health service facilities in Indonesia. Subi sub-district health center is a health facility that prioritizes quality of service to the people of Subi sub-district. Medicines are a major factor for health agencies. With the availability of sufficient medicines, we can provide maximum service, thereby avoiding negative risks for patient safety. The data analysis process can be carried out using the Linear Regression method by determining the independent variables. Predictions made using the Linear Regression method can be measured using the Mean Absolute Percentage Error (MAPE) calculation. Predictions that have been stiffened and measured so that they can be used with future data can quickly develop a Prediction System. Prediction system design using Unifield Modeling Language (UML) and Balsamic Mockup as user interface design. This research produces a prediction system that can predict the number of drugs dispensed and predict drug orders. With a MAPE value of 12.4% and testing for acceptance of this prediction system of 89.5%. This means that the prediction system is very good and meets your needs.Keywords: Prediction; Drug Stock Availability; Linear Regression AbstrakPusat Kesehatan Masyarakat (Puskesmas) adalah salah satu sarana pelayanan Kesehatan masyarakat yang amat penting di Indonesia. Puskesmas kecamatan subi merupakan fasilitas Kesehatan yang mengutamakan kualitas pelayanan terhadap masyarakat kecamatan subi. Obat merupakan faktor utama bagi instansi kesehatan. Dengan ketersediaan obat yang cukup dapat memberikan pelayanan yang maksimal, sehingga terhindar dari resiko buruk bagi keselamatan pasien. Proses Analisis data yang bisa dilakukan dengan menggunakan metode Regresi Linear dengan menentukan variable bebas. Prediksi yang dilakukan dengan metode Regresi Linear dapat diukur menggunakan perhitungan Mean Absolute Percentage Error (MAPE). Prediksi yang telah dikakukan dan diukur agar dapat digunakan dengan data kedepannya secara cepat dibangunkan sebuah Sistem Prediksi. Perancangan Sistem prediksi menggunakan Unifield Modelling Language (UML) dan Balsamic Mockup sebagai perancangan user interface. Penelitian ini menghasilkan sebuah sistem prediksi yang dapat memprediksi jumlah obat keluar dan memprediksi pemesan obat. Dengan nilai MAPE sebesar 12.4% dan pengujian terhadap penerimaan sistem prediksi ini sebesar 89,5%. artinya sistem prediksi sudah sangat baik dan sesuai dengan kebutuhan. 
PREDIKSI HARGA SMARTPHONE BERDASARKAN FITUR SMARTPHONE DENGAN RANDOM FOREST REGRESSION Wiguna, Seftyan; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Kohesi: Jurnal Sains dan Teknologi Vol. 6 No. 9 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v6i9.10382

Abstract

Kemajuan teknologi telekomunikasi selama beberapa dekade terakhir telah secara drastis mengubah gaya hidup manusia di seluruh dunia. Penentuan harga yang tepat untuk ponsel pintar merupakan faktor kritis dalam strategi pemasaran dan penjualan yang sukses. Harga yang terlalu tinggi dapat mengurangi minat konsumen, sementara harga yang terlalu rendah dapat mengurangi potensi pendapatan perusahaan. Dalam konteks ini, banyak fitur penting yang perlu dipertimbangkan dalam memperkirakan harga ponsel, seperti prosesor, kapasitas baterai, ukuran layar, ketebalan, memori internal, resolusi kamera, dan kualitas video. Penelitian ini bertujuan untuk memprediksi harga smartphone berdasarkan fitur-fitur tersebut menggunakan metode Random Forest Regression, sebuah teknik machine learning yang dikenal mampu menangani data yang kompleks dan non-linear. Dalam penelitian ini sebuah aplikasi dikembangkan untuk memprediksi harga smartphone dengan menggunakan algoritma Random Forest. Hasil pengujian menunjukkan bahwa model prediktif ini memiliki performa yang cukup baik, dengan nilai MAPE sebesar 35,6%, MAE sebesar Rp. 760,969, MSE sebesar 3.023, dan RMSE sebesar Rp. 1,745,144. Hasil ini menunjukkan bahwa metode Random Forest Regression mampu memberikan prediksi yang mendekati nilai aktual. Aplikasi ini diharapkan dapat membantu produsen ponsel pintar dalam menentukan strategi harga yang lebih tepat dan mengoptimalkan keputusan bisnis. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan alat prediksi harga berbasis fitur smartphone yang dapat digunakan secara praktis oleh pelaku industri teknologi.
Implementation of Data Mining to Predict Dengue Prone Areas Using C4.5 Algorithm (Case Study: Sanggau Regency) Kalsum, Dayang Nur; Alkadri, Syarifah Putri Agustini; Istikoma, Istikoma
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (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.v14i1.7540

Abstract

Penerapan data mining untuk memprediksi daerah rawan demam berdarah adalah hal yang tepat. Algoritma C4.5 atau dikenal juga dengan algoritma pohon keputusan merupakan salah satu teknik data mining yang dapat digunakan untuk membuat model prediktif berdasarkan data historis. Penelitian ini bertujuan untuk mengembangkan model prediksi daerah rawan penyakit DBD (Demam Berdarah Dengue) di Kabupaten Sanggau menggunakan algoritma C4.5 dengan metodologi penelitian seperti identifikasi masalah, pengumpulan data, analisis kebutuhan data, perancangan sistem, pengembangan sistem, pengujian sistem, analisis hasil pengujian sistem, penarikan kesimpulan. Penulis dapat membangun aplikasi website untuk mmebantu memprediksi daerah rawan penyakit DBD. aplikasi yang dibangun dapat membantu Dinas kesehatan dalam memprediksi penyakit DBD walaupun ada kekurangan dalam tingkat akurasi. Dalam konteks ini, data historis mengenai kasus DBD, faktor risiko dan karakteristik daerah di Kabupaten Sanggau dapat dimanfaatkan untuk membuat prediksi yang akurat terkait dengan daerah rawan penyakit DBD. Pembuatan aplikasi prekdiksi daerah rawan DBD dengan mengambil data di dinas Kabupaten sanggau dari tahun 2018-2023 diharapkan akan lebih banyak membantu dalam menyanpaikan informasi khususnya untuk daerah-daerah yang mengalami penyakit demam berdarah di masa akan datang.
Implementasi Unit Testing Dan End-To-End Testing Pada Sistem Informasi Akademik Teknik Informatika Alkhairi, Muhammad Ghozy; Alkadri, Syarifah Putri Agustini; Utami, Putri Yuli
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5626

Abstract

Pengujian perangkat lunak bertujuan untuk mengidentifikasi bug, kesalahan logika, atau potensi masalah lainnya yang dapat memengaruhi kinerja dan keamanan perangkat lunak. Sistem Informasi Manajemen Akademik Teknik Informatika (SIMATIK) adalah salah satu sistem informasi yang digunakan di Universitas Muhammadiyah Pontianak yang digunakan untuk memfasilitasi penilaian kerja praktik dan tugas akhir. Penting untuk memastikan bahwa SIMATIK beroperasi dengan baik dan bebas dari bug yang dapat mengganggu proses penggunaan sistem oleh mahasiswa maupun dosen. Oleh karena itu, diimplementasikan end-to-end testing dan unit testing pada pengujian SIMATIK. Teknik yang digunakan pada unit testing yaitu basis path yang dimulai dari membuat flowgraph, menghitung cyclomatic complexity untuk menentukan jalur pengujian dan melakukan unit test. Tahapan yang dilakukan dalam end-to-end testing dimulai dari menyusun skenario pengujian yang mencakup daftar fitur yang dipilih dan melakukan end-to-end test. Setelah dilakukan pengujian aplikasi menggunakan metode unit testing dan end-to-end testing tidak ditemukan kesalahan, maka pengujian dipastikan berhasil.
Uji Sensitivitas Metode AHP dan Fuzzy AHP dalam Pemilihan Universitas Swasta di Kota Pontianak Setiaji, Wanda Primadita; Alkadri, Syarifah Putri Agustini; Sucipto, Sucipto
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 1 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i1.83394

Abstract

Semakin meningkat angka kebutuhan primer, yaitu pendidikan, disertai peningkatan minat calon mahasiswa pada perguruan tinggi memberikan peluang bagi Universitas Swasta. Pemilihan Universitas Swasta di Kota Pontianak membutuhkan keputusan yang tepat, ditambah banyak Universitas Swasta yang dibangun membuat calon mahasiswa sulit menentukan pilihan. Penelitian ini bertujuan untuk membandingkan hasil sensitivitas dua metode terhadap perubahan bobot kriteria dan merekomendasikan Universitas Swasta di Kota Pontianak, maka digunakan sistem pendukung keputusan dengan uji sensitivitas pada metode Fuzzy AHP dan AHP. Metode Fuzzy AHP mampu mengatasi ambiguitas dalam penilaian subjektif dengan konsep himpunan Fuzzy dan analisa struktur AHP. Sedangkan metode AHP menyediakan skala pengukuran konsistensi dan membagi masalah kompleks menjadi hierarki penyelesaian, sehingga kedua metode dapat mempermudah proses analisis. Hasil penelitian menunjukkan alternatif "Universitas Muhammadiyah Pontianak" merupakan Universitas Swasta terbaik dengan nilai AHP sebesar 0,093 dan Fuzzy AHP sebesar 0,822. Terdapat perbedaan rangking kedua metode, yaitu peringkat kedua pada AHP adalah "Sekolah Tinggi Agama Kristen Abdi Wacana Pontianak" dengan nilai 0,092 dan peringkat kedua Fuzzy AHP adalah "Universitas OSO" dengan nilai 0,693. Berdasarkan hasil uji sensitivitas metode Fuzzy AHP lebih relevan digunakan dengan perubahan nilai 8,861% dan metode AHP sebesar 1,197%. Sehingga, menunjukkan bahwa metode Fuzzy AHP paling sensitif terhadap perubahan bobot dengan nilai sensitivitas yang lebih tinggi dan terpilih untuk digunakan pada penelitian  yang  dilakukan.
Classification of Fetal Health Using the K-Nearest Neighbor Method and the Relieff Feature Selection Method Anita; Asrul Abdullah; Syarifah Putri Agustini Alkadri
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.794

Abstract

Understanding fetal health early can reduce risks to the pregnancy and the womb. Identifying correlations among factors influencing fetal well-being helps medical professionals clarify key impacts. Quantified relationships between features and labels also guide future research. This study focuses on three aspects: evaluating KNN model performance with and without ReliefF feature selection, analyzing the impact of feature removal, and assessing ReliefF's ability to identify critical features for fetal health classification.The research begins by framing fetal health classification as a supervised machine learning task using labeled datasets. A cardiotocographic dataset from the UCI Machine Learning Repository supports data collection. Initial analysis identifies data types and detects outliers, followed by preprocessing, feature selection, and KNN model training. Model testing uses metrics such as accuracy and recall. Results show the KNN model with ReliefF features achieves an accuracy of 0.896. Testing a pruned model by removing high-importance features slightly reduces accuracy to 0.866. These findings confirm ReliefF's effectiveness in identifying essential features and optimizing model efficiency without compromising quality. This study underscores ReliefF's role in improving KNN performance for fetal health classification.
New Employee Selection System using WP and SAW Methods Based on Web at PT Lanang Agro Bersatu Ria Sapitri; Syarifah Putri Agustini Alkadri; Putri Yuli Utami
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.808

Abstract

Employees are valuable assets for a company, requiring careful selection based on educational background and experience to ensure proper placement and avoid issues. At PT Lanang Agro Bersatu, the selection process involves approximately 30 candidates monthly. This study developed a web-based employee selection system using the Weighted Product (WP) and Simple Additive Weighting (SAW) methods. The system aims to calculate weight values for criteria such as Education, Work Experience, Age, Health, GPA, Academic Tests, and Psychological Tests, providing accurate rankings to simplify decision-making. The top candidate, Khusnul Wasillah, achieved the highest preference value of 0.1563, calculated through combined SAW and WP methods. System testing using black box and equivalence partitioning methods showed 100% accuracy.
Decision Support System for Selection of Achieving Students Using MetDecision Support System for Selection of Achieving Students Using Method Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) Web Based Isra Pebrianti; Syarifah Putri Agustini Alkadri; Asrul Abdullah
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.829

Abstract

The selection of outstanding students identifies the best students based on grades and achievements to recommend them for college entrance. This process often encounters challenges due to numerous determining factors, leading to potential biases in decision-making. A Decision Support System (DSS) helps address this by utilizing data and decision models to resolve structured and unstructured problems. This study applies the MOORA (Multi-Objective Optimization on the basis of Ratio Analysis) method, using criteria such as attendance, attitude scores, knowledge and skills component values, extracurricular/organizational involvement, and achievements. The DSS identified 40 outstanding students at SMA Negeri 1 Tayan Hulu, with the highest preference score of 0.0819 achieved by Indah Prasetyaning Tias. Functional testing was conducted using the black-box method with Equivalence Partitioning, and accuracy testing through MAPE showed a calculation accuracy rate of 2.79%.
Co-Authors Acep Supriyanto Agustian Agustian Ajmi, Nur Dzakiyyah Alda Cendekia Siregar Alkhairi, Muhammad Ghozy Andalas Rivaldi Permana Anita Asrul Abdullah Barry Ceasar Octariadi Chatarina Umbul Wahyuni Dila Adellia Dini Oktaviani Dwika, Arya Sukma Putra Eko Julianto Fakhruzi, Izhan Hasim, Wahyudi Hazilina, Hazilina Heni Kriswanti Isra Pebrianti Istikoma Istikoma Kalsum, Dayang Nur Kristin Damay Asmara Masroni Maysa, Ade Medi, Medi Muhammad Dwi Ramadhianto Novianti, Novianti Otafyani, Mega Putri Yuli Utami Rachmat Wahid Saleh Insani Ria Sapitri Rizka Amalia Rizki Akbar Pratama Rizky Wahyu Prasetio Ruhama, Ufi Ryan Permana Ryani Yulian Setiaji, Wanda Primadita Sucipto Sucipto Sucipto Sucipto Sucipto Sufi Vanitra Sumirah Sumirah Sumirah Sumirah Utami, Putri Yuli vera vibiola Vika Ummu Hani Wahyu Nugroho Wiguna, Seftyan Yulrio Brianorman