Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

1.037

P-Index

This Author published in this journals

All Journal JIKO (Jurnal Informatika dan Komputer) JRST (Jurnal Riset Sains dan Teknologi) KOMPUTIKA - Jurnal Sistem Komputer PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Jurnal Pengabdian Masyarakat Intimas (Jurnal INTIMAS): Inovasi Teknologi Informasi Dan Komputer Untuk Masyarakat

Novianti Puspitasari

Unknown Affiliation

Author-ID : 2226326

Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 5 Documents Claim Missing Document

Claim Missing Document

Articles

PERAMALAN PELAYANAN SERVICE MOBIL (AFTER SALE) MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK (BPNN) Novianti Puspitasari; Haviluddin Haviluddin; Arinda Mulawardani Kustiawan; Hario Jati Setyadi; Gubtha Mahendra Putra
JURNAL INFORMATIKA DAN KOMPUTER Vol 5, No 2 (2021): Februari 2021
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Mobil adalah salah satu alat transportasi darat yang penting, karena mobil dapat membantu manusia dalam beaktivitas khususnya untuk pergi dari satu tempat ke tempat lain. Hal ini membuat para produsen mobil berlomba-lomba untuk menciptakan mobil dengan kelebihan dan keunggulan, sehingga jumlah mobil dipasaran sangat banyak dan bervariasi. Seiring dengan meningkatkan jumlah mobil maka Agen Tunggal Pemegang Merk (ATPM) berlomba-lomba untuk memberikan pelayanan after-sale (service mobile). Namun, pihak perusahaan mengalami kesulitan dalam mengetahui laju pertumbuhan jumlah service mobile yang ditangani, sehingga memberikan kerugian yang berdampak pada sumber pendapatan. Oleh karena itu diperlukan sebuah metode baku dalam menentukan peramalan jumlah service mobil di tahun berikutnya. Penelitian ini mengimplementasikan metode Backpropagation Neural Network (BPNN) dalam peramalan pelayanan service mobil (after-sale) dan Mean Square Error (MSE) untuk metode pengujian akurasi hasil peramalan yang terbentuk. Adapun data yang digunakan pada penelitian ini adalah data pelayanan service mobil (after-sale) selama lima tahun terakhir. Hasil penelitian menunjukkan bahwa arsitektur terbaik untuk peramalan pelayanan after-sale menggunakan BPNN adalah model arsitektur 5-10-5-1 dengan learning rate sebesar 0,2 dan fungsi pembelajaran yaitu trainlm serta MSE sebesar 0,00045581. Hal ini membuktikan bahwa metode BPNN mampu memprediksi pelayanan service mobile (after-sale) dengan nilai akurasi peramalan yang baik.

Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto Novianti Puspitasari; Andi Tejawati; Friendy Prakoso
JRST (Jurnal Riset Sains dan Teknologi) Volume 3 N0. 1 Maret 2019: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Bahan bakar merupakan salah satu kebutuhan yang saat ini tidak bisa dilepaskan dari masyarakat. Bahan bakar cair terutama bensin atau premium, pertalite, pertamax, dan solar merupakan bahan bakar yang digunakan pada alat transportasi. Semakin banyak alat transportasi yang dimiliki masyarakat dapat memungkinkan tidak tersedianya stok bahan bakar di salah satu SPBU (Stasiun Pengisian Bahan Bakar Umum) tertentu. Dengan tidak tersedianya stok persediaan bahan bakar di SPBU, hal ini dapat menimbulkan beberapa masalah, seperti antrian yang panjang pada salah satu SPBU, serta kurangnya kebutuhan bahan bakar pada masyarakat. Salah satu metode untuk memecahkan masalah tersebut adalah menggunakan metode Fuzzy Tsukamoto. Fuzzy Tsukamoto merupakan salah satu metode yang termasuk ke dalam sistem inferensi fuzzy. Metode ini dapat menentukan jumlah produksi, sehingga jumlah produksi sebuah barang dapat diprediksi. Hasil penelitian menunjukkan bahwa metode Tsukamoto mampu memprediksi jumlah penerimaan stok bahan bakar yang seharusnya diterima oleh SPBU pada periode berikutnya. Dimana, hasil pengujian ketepatan prediksi diukur dengan menggunakan metode MAPE (Mean Absolute Percentage Error) dengan nilai persentase error yang didapatkan adalah sebesar 16 %, sehingga kinerja sistem dalam memprediksi stok bahan bakar dapat dikatakan bagus.

Pengelompokan Kualitas Kinerja Pegawai Menggunakan Metode K-Means Clustering Anindita Septiarini; Ibnu Amri Thaher; Novianti Puspitasari
Komputika : Jurnal Sistem Komputer Vol 11 No 2 (2022): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v11i2.5518

Penelitian ini dilakukan untuk mengelompokkan kualitas kinerja pegawai yang hasilnya dapat dimanfaatkan pihak Badan Pusat Statistika Kota Samarinda untuk mengetahui kelompok (cluster) dari setiap pegawainya. Penilaian kualitas kinerja pegawai tersebut dilakukan setiap tahunnya. Hasil penilaian tersebut dikelompokkan menjadi beberapa cluster sebagai bahan pertimbangan bagi pemimpin untuk memberikan rekomendasi jabatan kepada pegawainya. Pengelompokan tersebut dilakukan dengan menggunakan metode clustering dengan algoritme k-means. Pengelompokan data dilakukan berdasarkan jarak terdekat ke pusat cluster. Pada penelitian ini diterapkan tiga algoritme untuk menentukan jarak ke pusat centeroid untuk melihat perbandingannya. Sampel data yang digunakan sebanyak 25 pegawai dengan lima atribut yang terdiri dari professional, integritas, amanh, capaian kinerja pegawai, dan absensi. Data dikelompokan menjadi 3 cluster yang merupakan jumlah cluster paling optimal berdasarkan hasil pengujian Sum of Square dengan nilai sebesar 3,55 yang merupakan nilai dengan selisih terbesar. Hasil penerapan metode clustering diperoleh sebanyak 12 karyawan berada pada cluster satu, 10 karyawan berada pada cluster kedua, dan 3 karyawan berada pada cluster ketiga. Berdasarkan nilai pusat centeroid pada iterasi terakhir disimpulkan bahwa pegawai pada cluster pertama merupakan pegawai yang memiliki nilai terbaik, cluster kedua merupakan pegawai dengan nilai sedang, dan cluster ketiga merupakan pegawai dengan nilai terendah.

PELATIHAN APLIKASI CANVA UNTUK MENDUKUNG KREATIVITAS KEMAMPUAN DESAIN BAGI SISWA SMAN 4 SAMARINDA Anindita Septiarini; Novianti Puspitasari; Yanuar Satria Gotama; Satria Bagus Eka Chandra; Gempar Panggih Dwi; Daffa Putra Mahardika; Risky Kurniawan
Intimas Vol 2 No 2 (2022)
Publisher : Fakultas Teknologi Informasi dan Industri Unisbank

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk memberikan pengenalan dan pemahaman tentang penggunaan aplikasi Canva kepada siswa SMAN 4 Samarinda. Hal ini dilakukan dalam rangka mendukung kreativitas desain para siswa. Aplikasi Canva merupakan aplikasi desain yang cocok digunakan untuk para pemula pembuat desain grafis, karena aplikasi ini mudah digunakan dan juga gratis. Pada pelaksanaanya, pengetahuan tentang desain grafis maupun tentang penggunaan aplikasi canva bagi siswa SMAN 4 Samarinda masih kurang. Oleh karena itu melalui kegiatan ini dilakukan sosialisasi dan juga pelatihan desain grafis untuk memberikan pengetahuan kepada siswa bahwa dunia desain tidak sesulit yang dibayangkan dan memberikan edukasi tentang pentingnya desain grafis untuk media penyampaian informasi maupun sebagai media promosi. Serta memberi informasi tentang manfaat aplikasi Canva bagi para pemula.

METODE K-NEAREST NEIGHBOR DAN FITUR WARNA UNTUK KLASIFIKASI DAUN SIRIH BERDASARKAN CITRA DIGITAL Novianti Puspitasari; Anindita Septiarini; Abdul Razak Aliudin
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 10 No. 2 (2023): Prosisko Vol. 10 No. 2 September 2023
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v10i2.6924

Sirih (Piper betle L.) merupakan spesies dalam genus Piper yang sangat dikenal masyarakat. Sirih terdiri dari beberapa jenis yaitu sirih merah, sirih wulung, sirih hijau, sirih emas, dan sirih hitam. Namun, masyarakat masih memerlukan bantuan untuk membedakan berbagai jenis sirih. Penelitian ini menerapkan teknik image processing untuk mendeteksi daun sirih yang berbeda menggunakan teknik klasifikasi dengan tahapan segmentasi dan ekstraksi ciri. Metode klasifikasi yang digunakan adalah metode K-Nearest Neighbor (KNN) yang dilakukan pada objek daun sirih untuk menentukan jenis daun sirih. Metode ini terdiri dari 5 tahap yaitu deteksi Region of Interest (ROI), preprocessing, segmentasi, ekstraksi fitur orde 1, dan klasifikasi. Data citra yang digunakan sebanyak 360, terbagi menjadi 300 data latih dan 60 data uji. Hasil klasifikasi kemudian dibagi menjadi tiga jenis sirih yaitu sirih merah, sirih hijau, dan sirih hitam. Tingkat akurasi hasil klasifikasi jenis daun sirih dideteksi menggunakan Confusion Matrix Multi Class berdasarkan kedekatan karakteristik statistik. Hasil penelitian menunjukkan bahwa fitur Orde 1 yang digunakan dalam penelitian ini sesuai dengan sistem klasifikasi daun sirih. Hasil uji klasifikasi menggunakan Confusion Matrix Multi yang mencapai nilai akurasi sebesar 97,77%. Hasil penelitian menunjukkan bahwa fitur Orde 1 yang digunakan dalam penelitian ini sesuai dengan sistem klasifikasi daun sirih. Hasil uji klasifikasi menggunakan Confusion Matrix Multi yang mencapai nilai akurasi sebesar 97,77%. Hasil penelitian menunjukkan bahwa fitur Orde 1 yang digunakan dalam penelitian ini sesuai dengan sistem klasifikasi daun sirih. Hasil uji klasifikasi menggunakan Confusion Matrix Multi yang mencapai nilai akurasi sebesar 97,77%.

Co-Authors Abdul Razak Aliudin Anindita Septiarini, Anindita Arinda Mulawardani Kustiawan Daffa Putra Mahardika Friendy Prakoso Gempar Panggih Dwi Gubtha Mahendra Putra Haviluddin Haviluddin Ibnu Amri Thaher Risky Kurniawan Satria Bagus Eka Chandra Setyadi, Hario Jati Tejawati, Andi Yanuar Satria Gotama

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search