cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Noor Hasan
Contact Email
noor.nhs@bsi.ac.id
Phone
+628156652365
Journal Mail Official
jurnal.bianglala@bsi.ac.id
Editorial Address
Jl. Ringroad Barat, Gamping Kidul, Ambarketawang, Kec. Gamping, Kabupaten Sleman, Daerah Istimewa Yogyakarta 55184
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta
Published by Universitas Bina Sarana Informatika
ISSN : 23388145     EISSN : 23389761     DOI : http://dx.doi.org/10.31294/bi
Core Subject : Science,
Computer Science & IT
JURNAL BIANGLALA INFORMATIKA telah memiliki ISSN baik versi cetak maupun online. Jurnal ini berisi tentang karya ilmiah hasil penelitian yang bertemakan: Sistem Pakar, Sistem Informasi, Web Programming, Mobile Programming, Games Programming, Data Mining, dan Sistem Penunjang Keputusan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 250 Documents
 17   18   19   20   21 
Sistem Informasi Prediksi Penerimaan Siswa Baru Menggunakan Metode Autoregressive Di SMP Negeri 3 Purwantoro Agus Mardiyono; Eko Purwanto; Nurmalitasari Nurmalitasari
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (705.536 KB) | DOI: 10.31294/bi.v10i1.11850

Abstract

Prediksi (forecasting) merupakan alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi dan organisasi bisnis dalam setiap pengambilan keputusan yang sangat signifikan. Saat ini permasalahan yang paling sering terjadi dalam penerimaan siswa baru adalah tidak tercapainya kuota siswa yang mendaftar. Sehingga masih terdapat bangku kosong di banyak sekali sekolah. Metode Peramalan Autoregressive adalah salah satu metode dalam peramalan deret waktu. Deret Waktu / Time Series adalah suatu rangkaian atau seri dari nilai-nilai suatu variabel atau hasil observasi yang dicatat dalam jangka waktu yang berurutan. Pada Penelitian ini menggunakan metode Autoregressive untuk melakukan prediksi terhadap jumlah pendaftar pada periode yang akan mendatang. Hasil dari penelitian ini yaitu prediksi untuk tahun ajaran yang akan datang yaitu 97. Hasil pengujian fungsionalitas menggunakan Blackbox testing semua fungsionalitas dapat berjalan sesuai dengan perancangan. Hasil pengujian kepada pengguna sistem informasi menggunakan metode kuesioner didapatkan bahwa dari 15 kuesioner yang disebarkan kepada responden 13 orang atau 86,67%  menyatakan sangat setuju dan 2 orang atau 13,33% menyatakan setuju terhadap sistem informasi prediksi jumlah pendaftar siswa baru tersebut. Hasil pengujian menggunakan MAPE (Mean Absoute Percentage Error) sebesar 19,94%.Forecasting is a very important tool in effective and efficient planning, especially in the field of economics and business organization in every very significant decision making. Currently, the problem that most often occurs in the admission of new students is not achieving the quota of students who register. So there are still empty seats in many schools. Autoregressive Forecasting Method is one of the methods in time series forecasting. Time Series / Time Series is a series or series of the values of a variable or the results of observations that are recorded in successive periods of time. This study uses the Autoregressive method to predict the number of registrants in the future period. The results of this study are predictions for the upcoming academic year, namely 97. The results of testing functionality using Blackbox testing all functionality can run according to the design. The results of testing to information system users using the questionnaire method found that from 15 questionnaires distributed to respondents 13 people or 86.67% stated strongly agree and 2 people or 13.33% agreed with the information system predicting the number of new student registrants.The test results using MAPE (Mean Absoute Percentage Error) of 19.94%.
Sistem Pakar Diagnosa Kelahiran Bayi Prematur Dengan Menggunakan Metode Forward Chaining Berbasis Website Rahmat Gunawan; Irvan Ferdian Witarsa; Yudiana Yudiana
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1165.312 KB) | DOI: 10.31294/bi.v10i1.11212

Abstract

Kelahiran merupakan suatu momen kebagiaaan tersendiri bagi pasangan suami/istri. Kesehatan kandungan merupakan kunci utama untuk melahirkan bayi yang sehat dan mampu terlahir sesuai usia kandungan yang telah ditentukan dan sesuai umur kandungan pada umumnya. Organisasi Kesehatan Dunia menyampaikan bahwa setiap tahun terjadi 15 juta bayi lahir prematur lebih dari satu dari sepuluh bayi di seluruh dunia dan jumlah ini terus meningkat. Pada tahun 2015, sekitar 1 juta kematian balita di seluruh dunia disebabkan oleh komplikasi kelahiran prematur. Oleh sebab itu dengan dibuatnya Sistem pakar dapat memperkecil kemungkinan bayi terlahir prematur, karena Sistem Pakar merupakan sistem pengetahuan kecerdasan buatan yang mampu mendeteksi gejala adanya faktor-faktor terjadinya kelahiran prematur berdasarkan gejala yang dirasakan oleh pasien. Forward chaining merupakan metode pendekteksi ke depan untuk dapat digunakan dalam pengujian hipotesis. Sistem yang dirancang dan dibangun akan menampilkan pertanyaan sesuai gejala yang dirasakan dan akan menghasilkan keputusan mengenai gejala kelahiran prematur yang terjadi pada pasien.Birth is a special moment of happiness for husband and wife. Obstetrical health is the main key to giving birth to a healthy baby and able to be born according to the predetermined gestational age and according to the gestational age in general. The World Health Organization says that every year 15 million babies are born prematurely, more than one in ten babies worldwide and this number continues to increase. In 2015, about 1 million under-five deaths worldwide were caused by complications of premature birth. Therefore, by making an expert system, it can reduce the possibility of babies being born prematurely, because the Expert System is an artificial intelligence knowledge system that is able to detect symptoms of factors that occur prematurely based on the symptoms felt by the patient. Forward chaining is a forward detection method to be used in hypothesis testing. The system that is designed and built will display questions according to the symptoms felt and will produce decisions regarding the symptoms of premature birth that occur in patients.
Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Di DIY Agung Supoyo; Putri Taqwa Prasetyaningrum
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (893.517 KB) | DOI: 10.31294/bi.v10i1.11890

Abstract

Masih tingginya kasus Covid-19 di DIY pada awal tahun 2021 ditambah dengan sulitnya mencari ruang perawatan rumah sakit, sehingga diperlukan analisis prediksi waktu perawatan. Hasil analisis sebagai pendukung keputusan Pemerintah dalam mengambil kebijakan ketersediaan kamar rumah sakit dan penerapan PPKM. Selain itu juga diperlukan analisis terhadap atribut-atribut yang paling mempengaruhi lama perawatan pasien. Penelitian menggunakan dataset yang diperoleh dari Dinas Kominfo DIY untuk kasus periode Maret sampai dengan September 2020. Diperlukan preprocessing (data reduction, data cleaning dan data integration) sebelum dilakukan analisis data mining. Preprocessing menghasilkan dataset sejumlah 271 record data dengan 31 kolom. Analisis data mining menggunakan algoritma Random Forest, k-NN dan Deep Learning menghasilkan performance model dengan RMSE masing-masing sebesar 4,949; 6,349 dan 5,436. Setelah dilakukan seleksi atribut untuk optimalisasi dihasilkan nilai RMSE sebesar 4.817 pada algoritma Random Forest dengan menggunakan 23 atribut. Hasil analisis belum cukup baik jika dibandingkan dengan rata-rata lama perawatan sebesar 15.339 hari karena menghasilkan NRMSE sebesar 31,40%. Nilai performance model dipengaruhi oleh pemilihan atribut yang digunakan. Lima atribut yang paling berpengaruh terhadap lama perawatan pasien adalah usia, jenis kelamin, kecamatan, batuk. Untuk meningkatkan performance model diperlukan penelitian lanjutan menggunakan record data yang lebih banyak dengan tambahan atribut lain seperti rumah sakit perawatan dan tindakan medis.
Cover Volume 10 No. 1 Maret 2022 Cover Cover
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2981.207 KB) | DOI: 10.31294/bi.v10i1.12670

Abstract

SIBARU: Sistem Informasi Penerimaan Santri Baru Pondok Pesantren AlQur’an Zaenuddin Suleman Suleman; Pudji Widodo; Silviana Dwi A
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2841.711 KB) | DOI: 10.31294/bi.v10i1.12336

Abstract

Perkembangan Teknologi Informasi semakin maju dan sangat pesat, salah satunya internet. Internet menyediakan berbagai layanan dan informasi. Dengan adanya internet, masyarakat lebih mudah mendapatkan informasi yang lebih cepat dan efisien. Dalam pemanfaatannya teknologi informasi dapat digunakan sepenuhnya di dunia pendidikan yang tertuang dalam sebuah website di internet sebagai media publikasi dan pendaftaran sekolah untuk meningkatkan mutu dan kualitasnya. Khususnya dalam penyediaan informasi di bidang pendidikan seperti informasi peneriman santri baru Pondok Pesantren Al-Qur’an Zaenuddin yang masih dilakukan secara manual. Oleh karena itu penulis merancang sebuah sistem informasi penerimaan santri baru Pondok Pesantren Al-Qur’an Zaenuddin berbasis website. Dengan tujuan untuk mempermudah proses pendaftaran dan penerimaan calon santri yang dapat diakses dari mana saja dan dikapan  saja tanpa harus datang ke tempat ponpes Al-Qur’an Zaenuddin sehingga proses pendaftaran ini lebih optimal, efektif dan efisien sebagai bentuk pelayanan optimal ponpes kepada santri, sekaligus sebagai media informasi dan promosi ponpes kepada masyrakat secara luas dan diharapkan dapat meminimalisir terjadinya kesalahan dalam input data serta mempercepat proses pencatatannya.Kata Kunci : Sistem Penerimaan Santri Baru, Internet, Efektif, Efisien, Promosi The development of Information Technology is increasingly advanced and very rapidly, one of which is the internet. The Internet provides a variety of services and information. With the internet, it is easier for people to get information faster and more efficiently. In its utilization, information technology can be fully used in the world of education which is contained in a website on the internet as a medium for publication and school registration to improve its quality and quality. Especially in the provision of information in the field of education such as information on the acceptance of new students at the Al-Qur'an Zaenuddin Islamic Boarding School which is still done manually. Therefore, the author designed a website-based information system for the acceptance of new students at the Al-Qur'an Zaenuddin Islamic Boarding School. With the aim of simplifying the registration process and acceptance of prospective students that can be accessed from anywhere and anytime without having to come to the Zaenuddin Islamic boarding school so that the registration process is more optimal, effective and efficient as a form of optimal Islamic boarding school service to students, as well as as a medium of information and promotion of Islamic boarding schools to the community at large and is expected to minimize errors in data input and speed up the recording process.Keywords: New Santri Reception System, Internet, Effective, Efficient, Promotion
Daftar Isi Vol 9 No 1 Maret 2021 Daftar Isi Vol 9 No 1
Bianglala Informatika Vol 9, No 1 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (566.912 KB) | DOI: 10.31294/bi.v9i1.12763

Abstract

Penerapan Metode Random Over-Under Sampling Pada Algoritma Klasifikasi Penentuan Penyakit Diabetes Eko Saputro; Didi Rosiyadi
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1469.368 KB) | DOI: 10.31294/bi.v10i1.11739

Abstract

Penyakit  diabetes  merupakan salah satu penyakit yang mematikan dan jumlah penderita setiap tahunnya meningkat. Upaya pencegahan dan pengendalian diabetes ini sebaiknya dilakukan melalui edukasi deteksi dini sebagai identifikasi awal individu. Jumlah data penderita diabetes melitus yang banyak dan perlu dilakukan seleksi fitur-fitur pada dataset. Penggunaan teknik machine learning dapat memberikan kemudahan dalam melakukan pemodelan tetapi juga terdapat beberapa permasalahan. Penggunaan algoritma yang tidak sesuai akan menurunkan tingkat akurasi dari klasifikasi. Permasalahan yang lain yaitu apabila dataset yang digunakan merupakan dataset dengan distribusi kelas yang tidak seimbang. Untuk mengatasi permasalahan tersebut dengan menerapkan teknik pendekatan level data dengan menerapkan metode resampling serta membandingkan beberapa metode algoritma seperti Algoritma C4.5, Naive Bayes, K-Nearest Neightbour, Support Vector Machine, Neural Network dan Random Forest. Hasil kinerja yang diperoleh menunjukan bahwa model pengklasifikasi Random Over-Under Sampling Random Forest memiliki nilai accuracy yang lebih tinggi dibandingkan dengan  beberapa model lainnya dengan nilai accuracy sebesar 0,9808 atau 98,08% yang dan nilai AUC sebesar 0.9809 atau 98,09%. Pada pengujian dataset asli juga menghasilkan akurasi yang tinggi dengan nilai akurasi yaitu 0,9923 atau 99,23% dan nilai AUC  0,9919. Maka dapat disimpulkan bahwa Algoritma tersebut memiliki performa terbaik dan dapat digunakan untuk menyelesaikan masalah pada klasifikasi penentuan penyakit diabetes.Kata Kunci: Klasifikasi diabetes, Random Over-Under Sampling, Random ForestDiabetes is one of the deadly diseases. The number of sufferers is increasing every year. Efforts to prevent and control diabetes should be carried out through early detection as an individual early. The amount of data for people with diabetes mellitus is large and it is necessary to select features in the dataset. The use of machine learning techniques can provide convenience in modeling but there are also some problems. Inappropriate use will reduce the accuracy of the classification. Another problem is if the data set used is a data set with an unbalanced class distribution. To overcome this problem by applying a data level approach by applying the resampling method and comparing several algorithm methods such as the C4.5 Algorithm, Naive Bayes, K-Nearest Neighbor, Support Vector Machine, Neural Network and Random Forest. The results obtained indicate that the classifier of the Random Over-Under Sampling Random Forest model has a higher accuracy value compared to several other models with an accuracy value of 0.9808 or 98.08% and an AUC value of 0.9809 or 98.09%. In testing the original dataset, the quality of accuracy is also high with an accuracy value of 0.9923 or 99.23% and an AUC value of 0.9919. So it can be said that the algorithm has the best performance and can be used to solve problems in various diabetes diseases.Keywords: Diabetes classification, Random Over-Under Sampling, Random Forest
Cover Vol 9 No 2 Tahun 2021 Cover Vol 9 No2
Bianglala Informatika Vol 9, No 2 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2984.837 KB) | DOI: 10.31294/bi.v9i2.12736

Abstract

Sistem Penunjang Keputusan Pemilihan Siswa Berprestasi Metode AHP di SMP Era Informatika Anggi Rahardiansyah; Arief Rusman; Ahmad Hafidzul Kahfi
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (791.985 KB) | DOI: 10.31294/bi.v10i1.11521

Abstract

Menjadi siswa berprestasi adalah impian setiap siswa di sekolah. Prestasi yang didapat tentu didasarkan dengan suatu kemampuan terhadap pengetahuan yang dimiliki oleh masing-masing siswa. SMP Era Informatika adalah Sekolah SMP Swasta yang terletak di Provinsi Banten Kota Tangerang Selatan, SMP Era Informatika memiliki visi dan misi yang berorientasi pada lulusan terbaik, cerdas, unggul dalam prestasi dan berwawasan luas sekolah ini ingin memberikan predikat kepada siswa berprestasi yang memenuhi kriteria yang telah ditetapkan di sekolah, tetapi dalam pemilihan siswa berprestasi di sekolah ini hanya berdasarkan nilai akademik saja sehingga hasil keputusan tidak akurat. Kriteria yang diterapkan dalam penelitian ini 4 kriteria yaitu nilai rapor, absensi, kepribadian, dan nilai IQ. Pemilihan siswa berprestasi ini diharapkan mempermudah pihak sekolah dan guru dalam menentukan siswa berprestasi. Dalam penelitian ini metode yang digunakan yaitu metode Analytical Hierarchy Process (AHP) untuk membantu pemilihan siswa berprestasi. Hasil pembobotan yang didapat dari4 kriteria yang digunakan adalah nilai rapor menjadi kriteria paling penting dengan bobot 52,3%, Absensi 22,9%, Kepribadian 15,5%, Nilai IQ 9,3%. Total rangking yang didapat dari 4 alternatif calon penerima beasiswa adalah Raniya (41,8%).Kata Kunci : Siswa Berprestasi, Sekolah, Sistem Penunjang Keputusan, Analitycal Hierarchy Process (AHP)Becoming an outstanding student is the dream of every student at school. The achievements obtained are of course based on the ability to the knowledge possessed by each student. Era Informatics Junior High School is a Private Junior High School located in Banten Province, South Tangerang City, Era Informatics Junior High School has a vision and mission that is oriented towards the best graduates, intelligent, superior in achievement, and broad-minded. determined at the school, but the selection of outstanding students in this school is only based on academic grades so the results of the decision are not accurate. The criteria applied in this study were 4 criteria, namely report cards, absenteeism, personality, and IQ scores. The selection of outstanding students is expected to make it easier for schools and teachers to determine outstanding students. In this study, the method used is the Analytical Hierarchy Process (AHP) method to assist the selection of outstanding students. The weighting results obtained from the 4 criteria used are the report card score being the most important criterion with a weight of 52.3%, 22.9% Attendance, 15.5% Personality, 9.3% IQ score. The total ranking obtained from the 4 alternative scholarship recipients is Raniya (41.8%).Keywords: Student achievement, School, Analitycal Hierarchy Process (AHP), Decision Support System,
Cover Vol 9 No 1 Tahun 2021 Cover Vol 9 No 1
Bianglala Informatika Vol 9, No 1 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2980.318 KB) | DOI: 10.31294/bi.v9i1.12737

Abstract

Page 19 of 25 | Total Record : 250

 17   18   19   20   21 

Filter by Year

2013 2025


Reset
Filter By Issues
All Issue Vol 13, No 2 (2025): Bianglala Informatika 2025 Vol 13, No 1 (2025): Bianglala Informatika 2025 Vol 12, No 2 (2024): Bianglala Informatika 2024 Vol 12, No 1 (2024): Bianglala Informatika 2024 Vol 11, No 2 (2023): Bianglala Informatika 2023 Vol 11, No 1 (2023): Bianglala Informatika 2023 Vol 10, No 2 (2022): Bianglala Informatika 2022 Vol 10, No 1 (2022): Bianglala Informatika 2022 Vol 9, No 2 (2021): Bianglala Informatika 2021 Vol 9, No 1 (2021): Bianglala Informatika 2021 Vol 8, No 2 (2020): Bianglala Informatika 2020 Vol 8, No 1 (2020): Bianglala Informatika 2020 Vol 7, No 2 (2019): Bianglala Informatika 2019 Vol 7, No 1 (2019): Bianglala Informatika 2019 Vol 6, No 2 (2018): Bianglala Informatika 2018 Vol 6, No 1 (2018): Bianglala Informatika 2018 Accepted Paper 2018 Vol 5, No 2 (2017): Bianglala Informatika 2017 Vol 5, No 1 (2017): Bianglala Informatika 2017 Vol 4, No 2 (2016): Bianglala Informatika 2016 Vol 4, No 1 (2016): Bianglala Informatika 2016 Vol 3, No 2 (2015): Bianglala Inormatika 2015 Vol 3, No 1 (2015): Bianglala Informatika 2015 Vol 2, No 2 (2014): Bianglala Informatika 2014 Vol 2, No 2 (2014): Bianglala Informatika 2014 Vol 2, No 1 (2014): Bianglala Informatika 2014 Vol 1, No 1 (2013): Bianglala Informatika 2013 More Issue