Article Per Year (5 Year)
p-Index From 2019 - 2024
1.168
P-Index
This Author published in this journals
All Journal Jifosi
Yuniar Purbasari, Intan
Unknown Affiliation
Computer Science & IT

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
IMPLEMENTASI ALGORITMA FIREFLY DALAM MENYELESAIKAN PENGOPTIMALAN PRODUKSI SEPATU Rahel Widya Arianti; Vita Via, Yisti; Yuniar Purbasari, Intan
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (530.736 KB)

Abstract

Munculya industri-industri kecil di masyarakat membuat persaingan industri saat ini menjadi semakin ketat. Dengan demikian diperlukan adanya strategi produksi yang baik, agar industri dapat mencapai keuntungan maksimum yang didapatkan sehingga mampu bersaing. Dengan dilakukannya penelitian ini, diharapkan suatu industri dapat menaikan keuntungan dengan cara mengoptimalkan proses produksinya, yakni menentukan jumlah produk optimal yang diproduksi agar dapat menghasilkan keuntungan yang maksimal dan waktu produksi minimal, dengan mempertimbangkan keterbatasan bahan yang ada. Dalam mengatasi permasalahan tersebut, penulis mengimplementasikan algoritma Firefly untuk pengoptimalan produksi. Dimana dalam memproduksi barang perlu disesuaikan dengan persediaan bahan. Hal tersebut dapat menggunakan perhitungan program linear untuk mencari batas solusi optimal yang akan direkomendasikan. Sehingga dengan algoritma Firefly, dapat dibentuk solusi optimal jumlah barang yang dapat diproduksi sesuai dengan persediaan bahan. Dari penelitian dan uji coba yang telah dilakukan oleh penulis, didapatkan hasil presentase kenaikan total keuntungan sebesar 0,16% jika dibandingan produksi industri biasanya.  Selain itu, dengan solusi yang diberikan dapat diketahui jumlah barang, keuntungan, waktu pembuatan, serta sisa persediaan bahan dari suatu proses produksi. Pada uji coba dengan variasi parameter algoritma Firefly, didapatkan parameter terbaik yang digunakan pada permasalahan ini yaitu ?=0,8; ?=0,25; ?=0,001.
IMPLEMENTASI CASE BASED REASONING PADA SISTEM PREDIKSI MASA STUDI DAN PREDIKAT KELULUSAN MAHASISWA (STUDI KASUS : FAKULTAS ILMU KOMPUTER, UPN “VETERAN” JAWA TIMUR) Jannatul Firdaus; Yuniar Purbasari, Intan; Hanindia Prami Swari, Made
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (512.088 KB)

Abstract

Mahasiswa dan lulusan merupakan salah satu komponen penting dalam penilaian akreditasi kampus khusunya prodi yang mencangkup rata-rata masa studi dan IPK lulusan. Pada Fakultas Ilmu Komputer belum terdapat sistem prediksi masa studi dan predikat kelulusan mahasiswa. Dengan adanya sistem prediksi masa studi mahasiswa diharapkan dapat membantu memprediksi awal masa studi mahasiswa yang memiliki kemungkinan lulus tidak tepat waktu dan dapat diberi arahan lebih awal. Pada penelitian ini menggunakan penerapan Case Based Reasoning (CBR) dengan menggunakan Metode Cosine Similarity untuk membuat sistem prediksi berdasarkan kemiripan dengan kasus terdahulu.  Kasus yang digunakan dalam penelitian ini yaitu data mahasiswa tahun 2015 dan 2016 yang telah lulus pada Fakultas Imu Komputer, UPN ?Veteran? Jawa Timur. Sistem ini akan memberikan hasil prediksi masa studi mahasiswa berupa prediksi semester tempuh, ketepatan waktu dan predikat kelulusan mahasiswa. Prediksi dilakukan dengan menginputkan kriteria tiap mahasiswa yang akan dihitung nilai similarity dengan metode cosine similarity pada tahap retrieve. Hasil dari prediksi akan digunakan sebagai solusi (reuse). Proses revise dilakukan jika nilai similarity dibawah threshold. Hasil penelitian menunjukkan sistem dapat digunakan untuk memprediksi masa studi mahasiswa.Dari hasil pengujian sistem menggunakan 10-fold cross validation dengan 141 data menunjukkan nilai rata-rata akurasi sistem dalam memprediksi masa studi berdasarkan ketepatan waktu sebesar 68.85%, rata-rata sensitivitas 77.2% dan rata-rata presisi 83.82%. Untuk hasil pengujian berdasarkan semester tempuh yaitu nilai rata-rata akurasi sebesar 45.47%, rata-rata sensitivitas 32.74% dan rata-rata presisi 35.6%. Untuk hasil prediksi predikat kelulusan mahasiswa dalam masa studi menghasilkan nilai rata-rata akurasi 88%, rata-rata sensitivitas 95.12% dan rata-rata presisi 89.18%. Kata kunci: Case Based Reasoning, Cosine Similarity, Sistem Prediksi, Akurasi, Sensitivitas dan Presisi  
Deteksi Objek Mobil dan Motor pada Lalu Lintas Berbasis Deep Learning BAGUS ADHI WICAKSONO; Yuniar Purbasari, Intan; Vita Via, Yisti
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Wilayah pemerintah atau kota yang memiliki aturan masing - masing untuk membina penduduknya, terutama dalam hal berkendara atau beraktifitas di jalan raya. Pemerintah harus siaga kondisi atau keadaan di suatu wilayah tertentu dalam aturan yang diberlakukan oleh anggota. Oleh karena itu, diperlukan sistem yang dapat digunakan untuk membantu membantu dan melihat kondisi atau keadaan wilayah tertentu. Hal tersebut dapat dilakukan dengan memanfaatkan salah satu bidang pada computer vision dan Artificial Intellegence yaitu Deteksi Objek . Penelitian ini dilakukan untuk menerapkan sistem deteksi objek pada kendaraan mobil dan motor dengan menggunakan Algoritma Convolutional Neural Network (CNN) padaYou Only Look Once (Yolov3) menggunakan jaringan syaraf konvolusional untuk melakukan deteksi pada objek. Drone berfungsi sebagai alat bantu untuk mengambil citra pada suatu wilayah, yang selanjutnya di proses menggunakan algoritma Convolutional Neural Network (CNN) pada komputer. Hasil penelitian menunjukkan bahwa pemanfaatan Convolutional Neural Network (CNN) pada You Only Look Once (YOLOv3) untuk mendeteksi kendaraan dengan cukup baik. Hasil penguji menggunakan 50 citra yang dibagi menjadi 2 berdasarkan lokasi penguji pada masing - masing ambang batas menghasilkan nilai rata - rata presisi sebesar 0,945, nilai recall sebesar 0,95, dan f1-scoresebesar 0,95, serta nilai mean Average Precicison (mAP) sebesar 97,315%. Kata Kunci : Deteksi Objek, Convolutional Neural Network (CNN), You Only Look Once (YOLO)
Penerapan Case Based Reasoning Dalam Mendiagnosa Penyakit Pada Kucing Hartanti, Syafrida Maulina; Tri Anggraeny, Fetty; Yuniar Purbasari, Intan
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Case Based Reasoning adalah asumsi berbasis pengetahuan yang didapatkan dari kasus sebelumnya. Dengan mengandalkan kasus yang sudah terjadi, Case Based Reasoning akan membantu memberikan solusi sesuai dengan hasil yang memiliki kemiripan dengan kasus lama. Tujuan penelitian ini adalah membuat sistem diagnosa dimana isinya untuk mendiagnosa awal penyakit yang terdapat pada kucing. pada sistem ini akan dibangun sistem yang menerapkan konsep Case Based Reasoning dengan menggunakan perhitungan algoritma Euclidean Distance. Data kasus lama yang digunakan dalam sistem ini berasal dari data rekam medis Rumah Sakit Hewan Disnak Provinsi Jawa Timur. Data-data yang ada didalam sistem ini terdapat 5 jenis data penyakit, dan 32 data gejala. Penelitian ini dilakukan dengan menginputkan gejala yang terjadi pada kucing yang nantinya akan dihitung nilai kemiripannya menggunakan algoritma yaitu Euclidean Distance pada tahap Retrieve. Hasil yang muncul dengan nilai kemiripan paling tinggi akan digunakan sebagai solusi pada tahap Reuse. Jika nilai kemiripan kurang dari nilai threshold, maka kasus tersebut akan masuk ke dalam tahap Revise. Setelah peninjauan kembali terhadap revise kasus, nantinya kasus akan dimasukkan ke dalam data kasus lama melalu tahap Retain. Dari hasil pengujian yang dilakukan menggunakan confusion matrix pada 10 data kasus testing dan 90 data kasus training meghasilkan nilai akurasi sebesar 100%.
Implementasi Case Based Reasoning Pada Sistem Diagnosis Penyakit Kulit Anjing Daniella, Cherry; Yuniar Purbasari, Intan; Rahmat, Basuki
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Anjing merupakan salah satu hewan yang sering dijadikan hewan peliharaan bagi manusia. Seringkali pemilik tidak mengetahui penyakit kulit yang diderita oleh anjing peliharaan yang dapat menyebabkan menjadi parah ataupun kesalahan fatal bahkan kematian pada anjing peliharaan. Adanya sistem ini diharapkan dapat membantu pemilik dan dokter hewan untuk mengetahui mengenai diagnosa awal terhadap penyakit kulit yang diderita oleh anjing peliharaanya sehingga mendapatkan penanganan yang tepat setelahnya. Penelitian ini akan menerapkan Case Based Reasoning pada sistem diagnosis penyakit kulit anjing dengan menerapkan metode Jaccard Coefficient (JC) dan Simple Matching Coefficient (SMC). Kedua metode digunakan untuk membandingkan diantara kedua metode ini, hasil akurasi mana yang mendekati sempurna akan digunakan untuk mendapat hasil terbaik dalam pengambilan keputusan. Data yang digunakan berupa gejala-gejala dari penyakit yang ada. Hasil diagnosa didapatkan dari gejala yang telah dimasukkan oleh pengguna yang akan mencari kemiripannya dengan kasus lama dengan menghitung nilai similaritas menggunakan metode Jaccard Coefficient dan Simple Matching Coefficient. Nilai similaritas yang paling mendekati 1 akan dijadikan sebagai solusi dari kasus baru. Apabila nilai similaritas < treshold, maka kasus baru akan dievaluasi kembali untuk mendapatkan solusi. Setelah proses tersebut, kasus baru akan dimasukkan kedalam basis pengetahuan untuk digunakan lagi sebagai pembanding dalam proses diagnosa selanjutnya. Hasil pengujian sistem mendapatkan nilai akurasi sebesar 93,75%, nilai precision sebesar 93,75%, dan nilai recall sebesar 100%. Sementara itu untuk perbandingan metode, dibuktikan bahwa metode Simple Matching Coefficient lebih baik dengan perbandingan akurasi yang mana metode Simple Matching Coefficient mendapat nilai akurasi 93,75%, sementara metode Jaccard Coefficient mendapat nilai akurasi sebesar 87,5%.
Implementasi Metode Decision Tree Pada Identifikasi Status Gizi Balita Firdausia Ismi Nurhayati; Nugroho, Budi; Yuniar Purbasari, Intan
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Balita merupakan usia emas atau acuan dalam proses pertumbuhan dan perkembangan manusia, faktor penentu pertumbuhan individu pada periode pertumbuhan berikutnya. Beberapa faktor yang umumnya mempengaruhi status gizi balita, diantaranya berat badan, tinggi badan balita, faktor penghasilan keluarga, faktor intensitas ASI, jumlah anak dalam satu keluarga, pendidikan dan pengetahuan ibu mengenai pertumbuhan balita, serta akses kesehatan dapat juga mempengaruhi status gizi balita. Sebuah sistem dapat dibangun untuk menciptakan sebuah aturan keputusan yang dapat digunakan untuk mengidentifikasi status gizi pada balita. Dengan melalui beberapa tahapan, diantaranya dimulai dari pengumpulan data, perhitungan data latih untuk memilih atribut akar atau parent node, selanjutnya membuat cabang untuk masingmasing kategori, sehingga menghasilkan suatu pohon keputusan yang sesuai. Pohon keputusan yang dibangun memiliki tingkat akurasi sebesar 0,85, nilai precision sebesar 0,2982456 serta nilai recall didapatkan sebesar 0.3146. Namun hasil tersebut dapat berubah dalam setiap pemilihan data uji dan data latih. Dalam artian data uji dan data latih yang akan digunakan dalam sistem ini mempengaruhi hasil dari pengukuran kinerja algoritma dan hasil uji coba sistem.
Penentuan Penggunaan Lulur Dan Masker Organik Sesuai Dengan Diagnosa Jenis Kulit Wajah Menggunakan Metode Decision Tree Algoritma C4.5 Prameswari Reksa Agami; Yuniar Purbasari, Intan; Rahmat, Basuki
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perawatan kulit atau skincare merupakan salah satu upaya untuk mendukung kesehatan dan kebersihan kulit, memelihara, merawat dan mempertahankan kondisi kulit, dengan melakukan perawatan kulit maka kebersihan dan kesehatan kulit dapat terjaga. Saat ini masih banyak wanita yang belum mengenali jenis kulitnya sendiri sehingga memiliki resiko kesalahan dalam pemilihan perawatan wajah yang sesuai untuk jenis kulit wajah. Maka dari itu diperlukan adanya sistem pendukung keputusan untuk mengenali jenis kulit yang dimiliki sehingga peluang kesalahan dalam memilih produk perawatan kulit bisa diminimalisir. Metode yang diterapkan pada penelitian ini adalah decision tree dengan menggunakan algoritma C4.5. Metode tersebut diterapkan untuk memperoleh keputusan akhir yang didapatkan dari pohon keputusan. yang digunakan sebagai acuan untuk mengetahui dan menentukan jenis kulit wajah yang dimiliki. Dari penelitian yang dilakukan dapat diketahui bahwa terdapat 5 output jenis kulit wajah dan 8 jenis produk perawatan yang mana hasil pada setiap orang akan berbeda sesuai dengan ciri-ciri yang dimiliki. Sistem ini memiliki nilai akurasi 100% dan evaluasi nilai presisi dan recall pada algoritma C4.5 yang diterapkan bernilai 1.
Co-Authors BAGUS ADHI WICAKSONO Basuki Rahmat Daniella, Cherry Firdausia Ismi Nurhayati Hartanti, Syafrida Maulina I Nyoman Sujana Jannatul Firdaus Made Hanindia Prami Swari Prameswari Reksa Agami Rahel Widya Arianti Tri Anggraeny, Fetty Vita Via, Yisti