Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial
Erni Ermawati
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
RANCANG BANGUN WEB E-LEARNING UNTUK PENGELOLAAN MATA PELAJARAN TIK PADA SMPIT ADZKIA SUKABUMI Ramdhan Saepul Rohman; Erni Ermawati; Yusti Farlina; Rifa Nurafifah Syabaniah
Swabumi Vol 6, No 1 (2018): Volume 6 Nomor 1 Tahun 2018
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v6i1.3320

Abstract

Abstrak Sekolah merupakan dunia pendidikan yang syarat akan kegiatan belajar mengajar. Banyak cara yang dapat dilakukan untuk kegiatan belajar mengajar ini, mulai dari cara yang paling mudah sampai dengan cara yang cukup sulit untuk dilakukan. E-learning ini sendiri merupakan alternatif yang dapat mempermudah kegiatan belajar mengajar antar guru dan siswa tanpa harus bertatap muka antara keduanya. Itulah kenapa kegiatan ini dikatakan sebagai kegiatan yang mudah dan dapat dilakukan dimanapun dan kapanpun. Pada setiap kegiatan belajar di sekolah selalu diselingi dengan adanya ujian. Maka dari itu, demi terlaksananya ujian dengan lancar dan agar siswa tidak salah dalam menjawab soal, maka dibuatlah soal latihan serta ulasan materi yang ditampikan dalam sebuah halaman web. Hal ini bertujuan untuk menguji kemampuan siswa dan juga sebagai acuan bagi siswa dalam menjawab soal-soal ujian yang mungkin tidak jauh berbeda dengan soal latihan serta materi dari matapelajaran yang diberikan. Disamping guru dan siswa dapat melakukan aktivitas masing-masing, mereka juga dapat saling berkomunikasi antara satu sama lain melalui forum diskusi yang telah disediakan ketika siswa mengalami kesulitan dalam mengakses web. Kata Kunci : E-Learning, Sekolah, Siswa, Website Abstract School is the world of education that the requirement of teaching and learning activities. Many ways can be done for this learning activity, ranging from the easiest way to the way that is quite difficult to do. E-learning itself is an alternative that can facilitate teaching and learning activities between teachers and students without having face to face between the two. That's why this activity is said to be an easy activity and can be done anywhere and anytime. In every learning activity in school is always interspersed with the test. Therefore, for the implementation of the exam smoothly and so that students are not wrong in answering the matter, then made a matter of exercise and material reviews are displayed in a web page. It aims to test the ability of students and also as a reference for students in answering test questions that may not be much different from the exercise questions and materials from the given lesson. In addition to teachers and students can do their respective activities, they can also communicate with each other through discussion forums that have been provided when students have difficulty in accessing the web. Keywords: E-Learning, School, Studen, Website
KOMPARASI METODE ANN-PSO DAN ANN-GA DALAM PREDIKSI PENYAKIT TUBERKULOSIS Erika Mutiara; Elah Nurlelah; Erni Ermawati; Muhammad Rifqi Firdaus
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.462

Abstract

Tuberculosis (TB) can attack various organs, especially the lungs caused by the bacteria Mycobacterium tuberculosis. Tuberculosis (TB) is one of the infectious diseases that can infect all groups ranging from infants, children, adolescents to the elderly and disease and death of more than 1 million people every year. According to WHO data (2015), Indonesia is the country with the second most pulmonary tuberculosis sufferers in the world, which is 10% of the total cases of pulmonary tuberculosis in the world. There have been many studies that discuss Tuberculosis (TB) in this study, a comparison of the Artificial Neural Network method with Particle Swarm Optimization (PSO) and the Artificial Neural Network method with Genetic Algorithm (GA) was carried out to eliminate input attributes in the neural network algorithm method in order to improve tuberculosis prediction accuracy. Testing using Neural Network Algorithm by adding Particle Swarm Optimization (PSO) and Genetic Algortihm (GA) proved to get better results. The accuracy value obtained only by adding PSO is 95.66%. Meanwhile, by adding GA, the accuracy get even higher, namely 96.55%, compared to only using the Neural Network without other optimizations, the accuracy rate is 94.51%. Keywords:  Tuberculosis, Artificial Neural Network, Particle Swarm Optimization, Genetic Algorithm Penyakit Tuberkulosis (TBC) dapat menyerang berbagai organ, terutama paru-paru yang disebabkan oleh kuman mycobacterium tuberculosis. Tuberkulosis (TBC) ini merupakan salah satu penyakit menular yang dapat menginfeksi semua kalangan mulai dari bayi, anak-anak, remaja sampai lansia dan menimbulkan kesakitan dan kematian lebih dari 1 juta orang setiap tahun. Menurut data WHO (2015) menyatakan Indonesia sebagai negara dengan penderita tuberkulosis paru terbanyak kedua di dunia yaitu sebanyak 10% dari total global kasus tuberkulosis paru di dunia. Sudah banyak penelitian yang membahas tentang penyakit Tuberkulosis (TBC) pada penelitian kali ini dilakukan komparasi metode Artificial Neural Network dengan Particle Swarm Optimization (PSO) dan metode Artificial Neural Network dengan Genetic Algorithm (GA) untuk mengeliminasi atribut input pada metode Algoritma neural network agar meningkatkan akurasi prediksi penyakit tuberculosis. Pengujian menggunakan Algoritma Neural Network dengan menambahkan Particle Swarm Optimization (PSO) dan Genetic Algortihm (GA) terbukti mendapatkan hasil yang lebih baik. Nilai akurasi yang didapatkan hanya dengan menambahkan PSO sebesar 95,66%. Sementara dengan menambahkan GA mendapat akurasi yang lebih tinggi lagi yakni 96,55%, dibandingkan hanya menggunakan Neural Network saja tanpa optimasi lain, tingkat akurasinya sebesar 94,51%.Kata kunci: Tuberkulosis, Artificial Neural Network, Particle Swarm Optimization,Genetic Algorithm
Co-Authors Elah Nurlelah Erika Mutiara Muhammad Rifqi Firdaus Ramdhan Saepul Rohman Rifa Nurafifah Syabaniah Yusti Farlina