Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal KOMPUTIKA - Jurnal Sistem Komputer Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)
Herlina Ullu, Hevi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Implementasi Teorema Bayes Pada Sistem Pakar Untuk Mendiagnosa Penyakit Asam Lambung Berbasis Website Getrudis Mali, Matilde; Nababan, Darsono; Herlina Ullu, Hevi; Baso, Budiman
Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Vol. 7 No. 1 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jikomsi.v7i1.2843

Abstract

Penyakit asam sambung banyak dialami oleh Masyarakat khususnya Kabupaten Timur Tengah Utara. Berdasarkan data dari Puskesmas Sasi, Penderita asam sambung yang ada membuat dokter spesialis tidak menangani pasien secara langsung, karena populasi pasien banyak dan jam kerja dokter spesialis terbatas. Maka solusi untuk menyelesaikan masalah yang terjadi yaitu, membuat aplikasi sistem pakar berbasis website untuk membantu mendiagnosa penyakit asam lambung dengan menerapkan Metode Teorema Bayes untuk memperoleh keputusan terhadap diagnosa penyakit asam lambung dan Metode pengembangan sistem waterfall. Tujuan dari penelitian ini membangun sebuah sistem pakar yang dapat membantu mendiagnosa penyakit asam lambung dan menerapkan metode teorema bayes  untuk memperoleh diagnosa terhadapt penyakit asam lambung. Berdasarkan hasil penelitian, disimpulkan bahwa aplikasi  sistem pakar berbasis webite yang dibangun dapat memberikan infomasi kepada pasien  mengenal dan memberikan kemudahan dalam mendiagnosa penyakit asam lambung. Hasil dari penelitian ini sistem pakar berbasis website ini berhasil dibangun  ini dapat membantu  user dalam mendiagnosa asam lambung dan metode teorema bayes ini sukses diterapkan dalam pengembangan website sistem pakar ini dengan nilai tertinggi 100% dari perhitungan di sistem dan perhitungan secara manual dengan menggunakan excel.
Segmentasi Pola Pembatalan Pemesanan Layanan di Salon Nail Art XYZ Menggunakan K-Means Clustering dan Evaluasi dengan Davies-Bouldin Index Banusu, Junita Gregoria; Banusu, Junita; Crisintha, Debora; Baso, Budiman; Herlina Ullu, Hevi
Komputika : Jurnal Sistem Komputer Vol. 14 No. 2 (2025): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v14i2.15937

Abstract

The beauty industry, particularly nail art, is experiencing rapid growth as consumer demand for nail care services increases. However, the high booking cancellation rate is a challenge that can reduce operational efficiency and customer loyalty. This research focuses on segmenting XYZ Nail Art Salon customers based on cancellation patterns by applying the K-Means algorithm and evaluating using the Davies-Bouldin Index (DBI). In contrast to previous research which is generally conducted in e-commerce, hotels, and retail, this research focuses on the beauty service industry which is still rarely explored. The data used comes from the Kaggle platform with 400 order data. The analysis process includes pre-processing, key feature selection (Cancel Description and Days), and K-Means implementation. The clustering results showed two main segments: 288 customers with planned cancellation patterns and 112 customers with spontaneous cancellation patterns. Evaluation using DBI yielded a value of 0.399 indicating good clustering quality. This segment distinction has practical implications, such as automatic reminder strategies for customers with planned cancellations, as well as providing schedule flexibility or special promotions for customers with spontaneous cancellations. This research contributes to providing data-driven insights for salon management to devise more targeted marketing strategies, reducing the level of customer churn.
Co-Authors Banusu, Junita Banusu, Junita Gregoria Baso, Budiman Crisintha, Debora Getrudis Mali, Matilde Nababan, Darsono