Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Joined Journal (Journal of Informatics Education
Fenty Tristanti Julfia
Universitas Mohammad Husni Thamrin Jakarat
Computer Science & IT Control & Systems Engineering Education Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perancangan Sistem Aplikasi Kereta Cepat dengan Metodologi Berorientasi Obyek Fenty Tristanti Julfia; Eka Satryawati; Febrianto Febrianto; Stephanus Veri Nugroho
Joined Journal (Journal of Informatics Education) Vol 8 No 2 (2025): Volume 8 Nomor 2 (2025)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v8i2.4279

Abstract

Kereta cepat merupakan sarana transportasi modern yang semakin populer dengan kecepatan dan ketepatan waktunya. Untuk mendukung operasional kereta cepat yang efektif dan efisien, diperlukan sistem perangkat lunak yang handal. Implementasi dan perancangan perangkat lunak untuk kereta cepat berbasis berorientasi objek menawarkan solusi yang tepat dalam membangun sistem yang modular, fleksibel, dan mudah dipelihara. Pendekatan berorientasi objek menekankan pada enkapsulasi data, pewarisan, dan polimorfisme memungkinkan sistem dibagi menjadi modul-modul independen dan dapat digunakan kembali. Desain sistem kereta cepat berbasis berorientasi objek akan digambarkan menggunakan diagram flowchart, use case diagram, activity diagram, dan Simple Sequence Diagram. Hasilnya pada penelitian perancangan system aplikasi kereta cepat dengan metodologi berorientasi obyek menggunakan aplikasi figma menghasilkan sistem yang efektif mudah digunakan, mudah dipelihara, modular, fleksibel, serta mampu memenuhi semua persyaratan dan kebutuhan operasional
Penerapan Algoritma Neural Network Dalam Prediksi Kedatangan Wisatawan Mancanegara di DKI Jakarta Melalui Pintu Masuk Bandara Soekarno-Hatta Fenty Tristanti Julfia; Sondang Sibuea; Eka Satryawati
Joined Journal (Journal of Informatics Education) Vol 8 No 1 (2025): Volume 8 Nomor 1 (2025)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v8i1.3813

Abstract

Prediksi kedatangan wisatwan mancanegara di DKI Jakarta dapat membantu pemerintah dalam meningkatkan pendapatan dari sektor pariwisata. Selain meningkatkan pendapatan dengan adanya prediksi yang tepat untuk kedatangan wisatwan mancanegara di DKI Jakarta membantu pemerintah dalam mempersiapkan langkah-langkah strategis dalam membangun industri pariwisata. Metode Neural Network sebagai sekumpulan algoritma machine learning yang dirancang untuk mengenali pola data dengan meniru cara kerja sel saraf manusia. Neural Network sering digunakan untuk menyelesaikan masalah-masalah yang rumit dan berkaitan dengan identifikasi input, prediksi, pengenalan pola dan sebagainya. Penelitian yang akan dilakukan adalah penelitian eksperimen, dengan tahapan pengumpulan data, pengolahan data awal (data pre-prosesing), metode data yang diusulkan pada penelitian ini menggunakan metode Neural Network, dan pada tahap evaluasi dan validasi hasil pada penelitian ini berupa akurasi dalam RMSE dengan menggunakan tools Rapid Miner 5.3. Berdasarkan penelitian yang telah dilakukan menggunakan Rapid Miner 5.3 terhadap data time series kedatangan wisatawan mancanegara sebanyak 145 dataset. Metode Neural Network sudah berhasil diterapkan dalam prediksi kedatangan wisatawan mancanegara ke DKI Jakarta melalui pintu masuk Bandara Soekarno Hatta dengan diperoleh RMSE cukup baik yaitu sebesar 40439,085.
PENERAPAN ALGORITMA NEURAL NETWORK PADA STRENGHT TYPOLOGI BAKAT UNTUK MEMPREDIKSI PEMILIHAN PROFESI STUDI KASUS SMK IT BINA NUSANTARA GARUT Fenty Tristanti Julfia; Eka Satryawati; M Amin Sakaria
Joined Journal (Journal of Informatics Education) Vol 8 No 1 (2025): Volume 8 Nomor 1 (2025)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v8i1.3921

Abstract

Choosing a profession is not a simple thing, it needs to be well designed and planned. By knowing the talents and potentials as well as the many role activities that give rise to several roles or activities that are influenced by these 2 things. This research uses Neural Network Algorithm and Rapidminner to predict the profession (Teacher) of students later after graduating from SMK IT Bina Nusantara Garut. This research uses 8 attributes N (Network), H (Headmen), S (Servicing), T (Thinking), R (Reasioning), Te (Technical) and GI (Generating Idea). The results of data processing bring up 8 types of teaching professions (1 to 7) and other than that are not teachers. Based on research that has been conducted using rapid miner 5.3 tools on the Strength Typology dataset from the Talent Assessment Results tested with the Neural Network method, the RMSE value is 3.465 which shows that the classification results are quite good, so that students with existing parameters can be predicted which professions are teachers and which are not, so that this pattern can be used as a benchmark for the description of the profession (Teacher) so that it can be directed and maximum effort for these students.
Co-Authors Febrianto Febrianto M Amin Sakaria Satryawati, Eka Sondang Sibuea Stephanus Veri Nugroho