Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika
Jollyta, Deny
Unknown Affiliation
Computer Science & IT Education

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

Found 3 Documents
Search

 1 
ANALYSIS OF SLOW MOVING GOODS CLASSIFICATION TECHNIQUE: RANDOM FOREST AND NAïVE BAYES Jollyta, Deny; Gusrianty, Gusrianty; Sukrianto, Darmanta
Khazanah Informatika Vol. 5 No. 2 December 2019
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i2.8263

Abstract

Classifications techniques in data mining are useful for grouping data based on the related criteria and history. Categorization of goods into slow moving group or the other is important because it affects the policy of the selling. Various classification algorithms are available to predict labels or class labels of data. Two of them are Random Forest and Naïve Bayes. Both algorithms have the ability to describe predictions in detail through indicators of accuracy, precision, and recall. This study aims to compare the performance of the two algorithms, which uses testing data of snacks with labels for package type, size, flavor and categories. The study attempts to analyze data patterns and decides whether or not the goods fall into the slow moving category. Our research shows that Random Forest algorithm predicts well with accuracy of 87.33%, precision of 85.82% and recall of 100%. The aforementioned algorithm performs better than Naïve Bayes algorithm which attains accuracy of 84.67%, precision of 88.33% and recall of 92.17%. Furthermore, Random Forest algorithm attains AUC value of 0.975 which is slightly higher than that attained by Naïve Bayes at 0.936. Random Forest algorithm is considered better based on the value of the metrics, which is reasonable because the algorithm does not produce bias and is very stable.
Analisis Sistem Jalur Terpendek Menggunakan Algoritma Djikstra dan Evaluasi Usability Marlim, Yulvia Nora; Jollyta, Deny; Saputra, Fandri
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.37627

Abstract

Tingginya motivasi masyarakat pengguna kendaraan roda empat pribadi, menyebabkan semakin meningkat pula kebutuhan terhadap bengkel mobil. Usaha bengkel ini tumbuh dan berkembang pada titik-titik strategis hamper di semua kota-kotabesar di Indonesia. seperti Pekanbaru yang memiliki luas ± 632.26 km2 . Akibatnya timbul kesulitan dalam mengetahui letak/ alamat bengkel yang hendak dituju secara cepat dari posisi terdekat. Penelitian ini bertujuan utuk menentukan jalur terpendek menuju lokasi bengkel mobil menggunakan algoritma Djikstra melalui aplikasi berbasis web. Hal ini dapat mempermudah masyarakat ketika mengalami kerusakan mobil dimanapun. Algoritma Djikstra bekerja menggunakan graph dengan prinsip greedy yaitu mencari nilai minimum setiap simpul yang dilalui dengan teknik penelusuran mengunakan Best Fisrt Search (BFS). BFS yaitu dengan menelusuri simpul yang tertinggi (awal) kemudian penelusuran ke simpul dibawahnya. Aplikasi selanjutnya diuji dengan evaluasi usability. 5 komponen usability yang digunakan adalah learnability, effesiency, memorability, error, dan saticfaction yang disusun menggunakan kuisoner. Respondennya terdiri dari masyarakat umum yang dipilih secara acak yang terdiri dari 30 responden. Uji usability menggunakan skala likert yang terdiri dari 14 pertanyaan, dengan teknik perhitunggan menggunakan rata-rata sederhana.  Hasil dari pengujian menunjukan bahwa nilai usability dari aplikasi jalur terpendek adalah 78,5%, hal ini menujukan bahwa aplikasi jalur terpendek bernilai baik. Artinya bahwa responden merasa puas dengan adanya aplikasi ini dan terbantu dalam menentukan bengkel terdekat.
Tinjauan Kasus Model Speech Recognition: Hidden Markov Model Jollyta, Deny; Oktarina, Dwi; Johan, Johan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 2 (2020): Volume 6 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i2.39231

Abstract

Teknologi pengenal suara (speech recognition) merupakan teknologi yang berkembang pesat dalam bidang kecerdasan buatan (artificial intelligent). Saat ini, teknologi pengenal suara menjadi hal yang komersil melalui berbagai media teknologi seperti smartphone dan komputer. Salah satu pembentuk struktur pengenal suara agar dapat bekerja pada perangkat tersebut adalah model statistik pengenal suara Hidden Markov Model (HMM). Penerapan HMM pada berbagai kasus menunjukkan bahwa model ini cocok dengan berbagai macam data. Tulisan ini merupakan sebuah tinjauan untuk model HMM yang bertujuan untuk memberikan gambaran dan pemahaman terhadap kinerja HMM melalui rangkuman sejumlah penelitian yang digunakan dalam berbagai data. Penerapan HMM tersebut menunjukkan optimalisasi kinerja HMM dan tinjauan terhadap sejumlah penelitian menunjukkan bahwa tingkat keberhasilan HMM dalam mengenali data mencapai 71.43%.
Co-Authors Des Suryani Dwi Oktarina Gusrianty, Gusrianty Johan Johan Marlim, Yulvia Nora Sabna, Eka Saputra, Fandri Sukrianto, Darmanta Taslim Taslim Toresa, Dafwen