Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Susana, Heliyanti
Unknown Affiliation
Computer Science & IT

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

Found 4 Documents
Search

 1 
ANALISIS SEGMENTASI PUSKESMAS DI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA PARTITIONING AROUND MEDOID BERDASARKAN INDIKATOR PENYEBAB STUNTING Komalasari, Cahyaningrum; Faqih, Ahmad; Dikananda, Fatihanursari; Sulaeman, Muhamad; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8189

Abstract

Stunting merupakan keadaan dimana seseorang mengalami kekurangan gizi. Namun, hingga saat ini, belum terdapat segmentasi Puskesmas terkait stunting berdasarkan indikatornya menggunakan data mining di Kabupaten Cirebon. Pada penelitin ini bertujuan untuk menganalisis segmentasi puskesmas terkait stunting dengan indikatornya guna memberikan rekomendasi pencegahan dan penyuluhan terkait stunting menggunakan Algoritma Partitioning Around Medoid (PAM). Data bersumber dari website opendata.jabarprov.go.id dan opendata.cirebonkab.go.id dan observasi langsung ke dinas Kesehatan kab. Cirebon. Variabel yang digunakan Jumlah Ibu Hamil yang mengalami KEK (Kekurangan Energi Kronik), Jumlah stunting, Jumlah Ahli Gizi dan Jumlah Puskesmas aktif yang ada di kabupaten Cirebon pada tahun 2022. Proses pengolahan data menggunakan metode KDD (Knowledge Discovery in Database). Implementasi k-medoids dilakukan dengan inisiasi nilai centroid secara acak dalam iterasi. Hasil menunjukkan medoid sementara sebesar 7122,045634, dan medoid awal 6348,966306, dengan selisih 773,0793279 hasil yang signifikan mengakibatkan penghentian iterasi pada tahap pertama. Evaluasi manual dengan rumus SSW (Sum of Square Within Cluster) dan SSB (Sum of Square Between) menghasilkan rasio cluster 0,8470604, mendekati 0, menunjukkan hasil yang baik dan Evaluasi cluster menggunakan Davies-Bouldin Index (DBI) menggunakan RapidMiner menghasilkan nilai 0,569. Cluster 1 (19 puskesmas) memiliki kasus stunting tertinggi, sedangkan Cluster 2 (41 puskesmas) memiliki kasus stunting rendah, memberikan dasar rekomendasi pencegahan serta penyuluhan yang lebih terarah.
PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DIAGNOSA TUMOR OTAK Azhar, Azhar; Siswoyo, Bambang; Pratama, Denni; Anam, Khaerul; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8242

Abstract

Penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) dalam klasifikasi tumor otak dari citra medis, membedakan empat kelas utama: Glioma, Meningioma, Pituitary, dan NonTumor. Masalah utama yang diatasi adalah kebutuhan akan diagnosis yang cepat dan akurat dalam penanganan kanker otak, yang seringkali terhambat oleh keterbatasan metode tradisional. Dengan mengumpulkan dataset yang komprehensif, dilakukan pemrosesan dan augmentasi data sebelum melatih model CNN, penelitian ini berhasil mencapai akurasi yang tinggi dalam mengklasifikasikan tumor otak. Hasilnya menunjukkan bahwa pendekatan ini memiliki potensi untuk meningkatkan diagnosis dan penanganan kanker otak dengan lebih efisien dan akurat, berkontribusi pada kemajuan dalam bidang medis dan teknologi.
PENERAPAN ALGORTIMA NAÏVE BAYES DALAM KLASIFIKASI HARGA PONSEL Saputra, Bayu; Anwar, Saeful; Tohidi, Edi; Susana, Heliyanti; Pratama, Denni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8281

Abstract

Di jaman sekarang digital saat ini bidang teknologi berkembang pesat terutama terkait dengan beragamnya fitur yang ada pada ponsel dan tingkat spesifikasi ponsel yang semakin dinamis. Fitur ponsel semakin terus maju berkembang seperti penyimpanan memori, resolusi layar amoled, kapasitas baterai yang tahan lama menjadi aspek penentu harga ponsel. Spesifikasi ponsel semakin meningkat banyak fitur canggih yang dimiliki ponsel, maka dalam harga pun meningkat. Harga yang merupakan proses nilai tukar sangat penting digunakan dalam peluang ekonomi dan bisnis. Harga menjadi acuan pertama dalam jual beli. Penelitian ini bertujuan untuk menentukan keakuratan hasil nilai dan kinerja model klasifikasi harga ponsel yang menggunakan algoritma naïve bayes. Klasifikasi merupakan proses cara menemukan sebuah atribut serupa dalam sekumpulan objek dalam data yang dapat mengklasifikasikannya ke setiap kelas berbeda pada model klasifikasi yang telah ditentukan. Salah satu algoritma teknologi klasifikasi yang mudah diimplementasikan dan memiliki kecepatan mekanisme yang cepat disebut metode algoritma Naive Bayes. Pemodelan statistik dapat menggunakan metode Naïve Bayes dalam proses klasifikasi data. Menghitung suatu nilai probabilitas, metode ini dapat melatih data uji berdasarkan peristiwa data yang telah terjadi. Penelitian ini akan memanfaatkan klasifikasi yaitu Naïve Bayes. Pada artikel kali ini telah melakukan penelitian dengan penerapan algoritma Naïve Bayes dalam mengklasifikasikan harga ponsel dapat memperoleh nilai akurasi 85.50%.
KOMPARASI ALGORITMA APRIORI DAN FP-GROWTH UNTUK MEMBERIKAN STRATEGI DISKON Lorentiana Wijayanti, Rima; Kurniawan, Rudi; Mulyawan, Mulyawan; Herdiana, Ruli; Susana, Heliyanti
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8935

Abstract

PT Menara Intermode memiliki data yang besar terkait penjualan tas brand En-ji Collection secara offline. Data ini dapat memberikan informasi atau pola terkait penjualan. Penulis menemukan permasalahan dalam mengidentifikasi pola pembelian transaksi karena terbatasnya menganalisis data tersebut. PT Menara Intermode memerlukan strategi pemasaran yang tepat. Kebiasaan belanja pelanggan dapat dicari pola nya dengan menggunakan teknik data mining. Dengan menggunakan teknik data mining penulis mempunyai tujuan untuk memberikan strategi diskon kepada konsumen. Tahap pertama dimulai dengan pengumpulan data, data yang yang telah dikumpulkan sebanyak 2.343 data transaksi, kemudian dilakukan data selection yang dimana melakukan pemilihan atribut yang penting sehingga memiliki hasil. Setelah data selection, dilakukan preprocessing pada data yang dimana untuk mengecek kerangkapan data dan menggunakan data sesuai kebutuhan. Setelah data preprocessing, dilakukan data transformasi yaitu dilakukan penyesuaian format data dalam bentuk tabular untuk proses data mining. Pada tahap data mining diterapkan menggunakan algoritma Apriori dan FP-Growth melalui pengujian RapidMiner. Hasil dari penelitian ini Algoritma Apriori menghasilkan 2 rules sedangkan algoritma FP-Growth menghasilkan 19 rules dengan minimum support 0,1 atau 10% dan minimum confidence 0,4 atau 40% yang dapat digunakan untuk memberikan strategi diskon kepada konsumen.
Co-Authors Ahmad Faqih Azhar Azhar Bambang Siswoyo Bayu Saputra Dikananda, Fatihanursari Herdiana, Ruli Khaerul Anam Komalasari, Cahyaningrum Lorentiana Wijayanti, Rima Mulyawan, Mulyawan Pratama, Denni Rudi Kurniawan Saeful Anwar, Saeful Sulaeman, Muhamad Tohidi, Edi