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) Jurnal Sains dan Informatika Petir
Rizqia Lestika Atimi .
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Model Penilaian Perangkat Lunak E-Government untuk Rekomendasi Pemeliharaan (Studi Kasus: BKPSDM Ketapang) Atimi, Rizqia Lestika; Pradasari, Novi Indah
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.v6i2.37986

Abstract

Agar perangkat lunak e-Government dapat digunakan dalam menunjang kinerja organisasi dalam waktu yang relatif lama maka perlu dilakukan pemeliharaan perangkat lunak. Namun, berdasarkan hasil observasi pada organisasi perangkat daerah di Kabupaten Ketapang diketahui bahwa belum ada sebuah model atau standar yang dapat memberikan rekomendasi pemeliharaan secara objektif dan akurat. Penelitian ini mengusulkan sebuah model penilaian perangkat lunak untuk rekomendasi pemeliharaan dengan mengintegrasikan nilai bisnis dan nilai teknis. Identifikasi aset perangkat lunak, penilaian perangkat lunak, dan rekomendasi pemeliharaan adalah tiga tahap yang diusulkan dalam model ini. Kuesioner dengan skala Likert dan task analysis digunakan untuk menilai perangkat lunak berdasarkan nilai bisnis dan nilai teknis. Hasil validasi model melalui implementasi studi kasus di BKPSDM Ketapang diketahui bahwa model berhasil memberikan rekomendasi pemeliharaan untuk aplikasi SIMPAD adalah ordinary maintenance dan BAPERJAKAT adalah freeze.
Implementasi Forward Chaining Method untuk Analisis Klasifikasi Mineralogi Batuan Beku Atimi, MT., Rizqia Lestika; Sartika, Sartika
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.52374

Abstract

Kabupaten Ketapang dikaruniai potensi besar sumber daya alam di sektor tambang, terutama biji bauksit yang kaya akan kandungan mineral felspar dan alumina. Potensi besar pada sektor pertambangan di Kabupaten Ketapang perlu diimbangi dengan potensialnya sumber daya manusia dalam ilmu petrologi untuk menjaga keberlanjutan sumber tambang baru. Penelitian ini mengembangkan sebuah sistem pendukung pembelajaran yang dapat membantu proses identifikasi jenis batuan beku melalui implementasi forward chaining method untuk klasifikasi minerologi batuan. Forward chaining method adalah algoritma sistem pakar yang menggunakan dan menyajikan data berbasis pengetahuan. Forward chaining method bekerja menggunakan aturan inferensi untuk menemukan antecedent (klausa IF-THEN) yang benar sehingga mesin pengambil keputusan dapat membuat kesimpulan. Dari hasil pengujian blackbox testing diketahui bahwa implementasi forward chaining method pada sistem berhasil mengidentifikasi 13 jenis batuan beku sesuai dengan basis pengetahuan yang dikembangkan. Sistem dievaluasi dengan menggunakan evaluasi usability untuk menilai ketergunaan dan kepuasan pengguna terhadap sistem yang dikembangkan dengan lima indikator penilaian yaitu learnability, memorability, errors, efficiency, dan satisfaction. Hasil evaluasi usability dengan skor rata-rata sebesar 4,3 menunjukkan bahwa sistem berguna sebagai sarana pendukung pembelajaran bagi peserta didik dalam mempelajari dan mengidentifikasi jenis batuan beku. Sistem yang dikembangkan memberikan manfaat, minim kegagalan, dan memberikan kepuasan bagi pengguna.
Pemodelan Bayesian Network untuk Prediksi Penyakit Saluran Pernapasan Novi Indah Pradasari; Rizqia Lestika Atimi
PETIR Vol 12 No 2 (2019): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (476.906 KB) | DOI: 10.33322/petir.v12i2.637

Abstract

This Bayesian network model was developed by analyzing the correlation between the cause of disease symptom variables and disease variables. The Bayesian network is a method that can depict causality between variables in a system. In this research, the Bayesian network was developed with a scoring based method and it was implemented using a hill-climbing algorithm with scoring BIC score function approach. There were 18 variables and 31 arcs representing the interconnection between symptom variable and respiratory tract disease. In the testing phase, the inference process using approximate inference was carried out and the accuracy was nearly 100% for all testing scenarios. The application of this method could result in a representative Bayesian network. Its resulted structure was affected so much by data condition, thus data cleaning was important to do before the training and testing phase.
Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia Rizqia Lestika Atimi; Enda Esyudha Pratama
Jurnal Sains dan Informatika Vol. 8 No. 1 (2022): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v8i1.419

Abstract

Ulasan produk pada e-commerce adalah bentuk electronic word of mouth communicationyang membantu calon konsumen untuk mendapatkan informasi mengenai layanan penjualdan/atau manfaat produk yang akhirnya dapat memengaruhi apakah calon konsumen akan membeli produk atau tidak. Review produk yang diberikan oleh konsumen adalah opini tekstual yang dapat dianalisis. Analisis sentimen dapat membantu bisnis e-commerce untuk memahami feedback konsumen. Jumlah review produk pada sebuah platform e-commerce berjumlah sangat banyak dengan volume data yang besar, akan sulit untuk dapat membaca review secara keseluruhan dan memahami informasinya secara tepat dan efisien. Penelitian ini mengembangkan model klasifikasi sentimen dengan algoritma Multinomial Naïve Bayes dan mengimplementasikannya pada review produk Lazada Indonesia. Algoritma Multinomial Naïve Bayes menghitung frekuensi kemunculan kata dari sebuah dokumen (term frequency). Model dikembangkan melalui tahapan data collecting, data preprocessing, vectorize, model developing, dan model implementation. Hasil evaluasi model menggunakan confussion matrix diketahui bahwa algoritma Multinomial Naïve Bayes memiliki kinerja yang baik dalam klasifikasi dengan hasil nilai paramater accuracy, precision, recall, dan f1-score di atas 90%. Model yang dikembangkan dapat mengklasifikasikan semua data review produk Lazada Indonesia ke kelas yang sudah ditentukan yaitu, 116 positif, 101 negatif, dan 96 netral.
Co-Authors Enda Esyudha Pratama Novi Indah Pradasari Pradasari, Novi Indah Sartika Sartika