cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ratna Mutu Manikam
Contact Email
ratna_mutumanikam@mercubuana.ac.id
Phone
-
Journal Mail Official
fifo.journal@mercubuana.ac.id
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Ilmiah FIFO
Published by Universitas Mercu Buana
ISSN : 20854315     EISSN : 25028332     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Ilmiah FIFO UMB diterbitkan oleh program studi Sistem Informasi Fakultas Ilmu KOmputer merupakan hasil penelitian, penelitian konseptual dan ilmu terapan, yang mencakup dan berfokus pada bidang Rekayasa Perangkat Lunak, E-Business, E-Government, Mobile Computing, Data mining, data warehouse, Temu Kembali Informasi. Makalah yang diterbitkan telah dilakukan proses review dan diterbitkan 2 (dua) kali dalam 1 (satu) tahun pada bulan MEI dan NOVEMBER.
Arjuna Subject : -
Articles 223 Documents
 19   20   21   22   23 
Penerapan Analytical Hierarchy Process Dalam Pemilihan Dosen Terbaik Universitas Teknologi Digital Indonesia (UTDI) Nasyuha, Asyahri Hadi; Subagyo, Aloysius Agus; Wahyudi, Udin Dwi
Jurnal Ilmiah FIFO Vol 17, No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2025.v17i2.003

Abstract

Pemilihan dosen terbaik merupakan salah satu strategi penting dalam meningkatkan kualitas pendidikan tinggi. Universitas Teknologi Digital Indonesia membutuhkan sistem penilaian yang objektif dan sistematis untuk mengevaluasi kinerja dosen secara adil dan transparan. Penelitian ini menerapkan metode Analytical Hierarchy Process (AHP) dalam proses pemilihan dosen terbaik dengan mempertimbangkan beberapa kriteria utama, yaitu kualitas pengajaran, kontribusi penelitian, pengabdian kepada masyarakat, kehadiran, dan tanggapan mahasiswa. AHP digunakan untuk memberikan bobot pada masing-masing kriteria berdasarkan tingkat kepentingannya melalui perbandingan berpasangan (pairwise comparison). Data diperoleh dari hasil survei, wawancara, serta dokumentasi kinerja dosen yang dianalisis menggunakan pendekatan AHP. Hasil penelitian menunjukkan bahwa metode ini mampu memberikan peringkat yang lebih objektif dalam menentukan dosen terbaik, sekaligus meningkatkan akuntabilitas dan transparansi dalam proses seleksi. Berdasarkan hasil akhir perhitungan, tiga dosen dengan peringkat tertinggi adalah: Asyahri Hadi Nasyuha (nilai akhir 2,4115), Rikie Kartadie (0,9994), dan Erna Hudianti Pujiarini (0,9994). Implementasi sistem berbasis AHP diharapkan dapat mendorong dosen untuk terus meningkatkan kinerja mereka dalam bidang pengajaran, penelitian, dan pengabdian masyarakat.
Evaluasi Kinerja Kernel Linear, RBF, dan Polynomial pada Model Support Vector Machine untuk Prediksi Risiko Hipertensi Saifuddin, Saifuddin; Azhari, Lukman; Widarti, Erni; Wartono, Wartono
Jurnal Ilmiah FIFO Vol 17, No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2025.v17i2.008

Abstract

Hipertensi adalah penyakit tidak menular dengan angka kematian tinggi dan sering disebut “silent killer” karena gejalanya kerap tidak terlihat pada awalnya. Deteksi dini diperlukan untuk mencegah komplikasi seperti penyakit jantung dan stroke. Penelitian ini bertujuan mengevaluasi kinerja tiga kernel pada algoritma Support Vector Machine (SVM): Linear, Radial Basis Function (RBF), dan Polynomial. Ketiga kernel tersebut dipilih untuk mewakili karakteristik pemetaan data yang berbeda: kernel linear berguna untuk memisahkan data secara linier, kernel RBF dapat menangani pola nonlinier yang kompleks, dan kernel polynomial untuk memodelkan interaksi antar fitur dengan tingkat kedalaman tertentu. Dataset berasal dari Kaggle dan mencakup 4.240 entri dengan 12 fitur prediktor yang merepresentasikan kondisi klinis dan perilaku pasien. Hasil eksperimen menunjukkan bahwa SVM-Linear mencapai accuracy 87,26% dengan ROC-AUC 0,9518; SVM-RBF memperoleh accuracy 87,38% dengan ROC-AUC 0,9450; dan SVM-Polynomial menghasilkan accuracy 86,56% dengan ROC-AUC 0,9422. SVM-Linear merupakan model paling optimal berdasarkan kombinasi F1-score dan ROC-AUC karena memberikan keseimbangan terbaik antara ketepatan dan sensitivitas. Sementara itu, meskipun SVM-RBF mencatat accuracy tertinggi, peningkatannya tidak konsisten pada metrik lain, dan SVM-Polynomial menunjukkan performa sedikit lebih rendah karena kompleksitas model yang kurang sesuai dengan karakteristik data. Penelitian ini berkontribusi dengan memberikan analisis komparatif terkait performa berbagai kernel SVM dalam klasifikasi risiko hipertensi.
Pengembangan Peta Interaktif Layanan Puskesmas Nasional melalui Integrasi Open Data dengan Streamlit dan Folium Priambodo, Rinto; Hermawan, Hendi; Alfat, Lathifah; Kadarina, Trie Maya
Jurnal Ilmiah FIFO Vol 17, No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2025.v17i2.004

Abstract

Ketersediaan dan keterbukaan data layanan publik, khususnya di sektor kesehatan, memainkan peran penting dalam mewujudkan sistem pelayanan yang merata dan responsif. Penelitian ini bertujuan untuk mengembangkan peta interaktif layanan Puskesmas nasional dengan mengintegrasikan data terbuka (open data) pemerintah menggunakan teknologi Streamlit dan Folium. Sumber data berasal dari portal data kesehatan dan administrasi wilayah yang tersedia untuk publik dan memiliki informasi yang dapat diekstrak untuk kebutuhan peta interaktif. Data tersebut diproses melalui tahapan pembersihan dan geocoding untuk memperoleh koordinat geografis. Aplikasi yang dibangun memungkinkan pengguna untuk menjelajahi peta interaktif, menyaring informasi berdasarkan wilayah atau kecamatan, dan mengakses detil masing-masing Puskesmas secara langsung. Hasil pengembangan menunjukkan bahwa dari 333 data Puskesmas, sebanyak 299 entri berhasil divisualisasikan pada peta dan 34 entri gagal diproses karena kendala geocoding. Selain itu, pengujian performa menggunakan Firefox DevTools menunjukkan bahwa untuk memanggil dan memuat sebuah halaman peta interaktif rata-rata memakan waktu 1,278 hingga 1,291 detik dengan ukuran data yang ditransfer sekitar 3105 kB. Hasil ini menunjukkan bahwa integrasi open data dalam visualisasi berbasis web dapat dilakukan untuk meningkatkan transparansi, memperluas akses informasi, serta mendukung pemangku kepentingan dalam pengambilan keputusan berbasis data di sektor kesehatan.

Page 23 of 23 | Total Record : 223

 19   20   21   22   23 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue Vol 17, No 2 (2025) Vol 17, No 1 (2025) Vol 16, No 2 (2024) Vol 16, No 1 (2024) Vol 15, No 2 (2023) Vol 15, No 1 (2023) Vol 14, No 2 (2022) Vol 14, No 1 (2022) Vol 13, No 2 (2021) Vol 13, No 1 (2021) Vol 12, No 2 (2020) Vol 12, No 1 (2020) Vol 11, No 2 (2019) Vol 11, No 1 (2019) Vol 10, No 2 (2018) Vol 10, No 1 (2018) Vol 9, No 2 (2017) Vol 9, No 1 (2017) Vol 9, No 1 (2017) Vol 8, No 2 (2016) Vol 8, No 1 (2016) Vol 7, No 2 (2015) Vol 7, No 1 (2015) More Issue