Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Sistem Informasi dan Sains Teknologi
Melisa Winda Pertiwi
UNIVERSITAS NUSA MANDIRI
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Naïve Bayes Classification Model for the Producer Price Index Prediction Melisa Winda Pertiwi; Mira Kusmira; Rezkiani Rezkiani; Bambang Kelana Simpony; Yanti Apriyani; Iqbal Dzulfiqar Iskandar; Taufik Wibisono; Imam Amirulloh
Sistemasi: Jurnal Sistem Informasi Vol 11, No 1 (2022): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1910.824 KB) | DOI: 10.32520/stmsi.v11i1.1669

Abstract

Producer Price Index is an index number that describes the level of price change at the producer level. Data users can take advantage of the development of producer prices as an early indicator of wholesale and retail prices. In addition, it can also be used to assist in the preparation of the economic balance, distribution of goods, trade margins, and so on. Every year the Badan Pusat Statistika (BPS) updates data on the producer price index to facilitate producer price standards, including rice and grain producers. To determine the Price Prediction Index, a prediction algorithm is needed, namely Naive Bayes based on data from Quarters I and II of 2021. The Naïve Bayes Algorithm, can be used to predict the Producer Price Index. This prediction is made to provide an overview of Quarter III, considering that in 1 year BPS updates the Producer Price Index’s data up to Quarter IV in 1 year. The prediction obtained is an increase for Quarter III with a maximum value between 0.961 – 0.980 based on data from Quarters I and II.
Sistem Informasi Retrieval Antara Hadis Arbain dan Alquran dengan Vector Space Model Imam Amirulloh; Taufik Wibisono; Yanti Apriyani; Melisa Winda Pertiwi; Mira Kusmira
Progresif: Jurnal Ilmiah Komputer Vol 19, No 1: Februari 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i1.1175

Abstract

The Alquran and Hadith have complementary relationships and explain each other. On this basis, in explaining the contents of the Hadith, it is necessary to look into the contents of the Alquran and vice versa. However, the large amount of Alquran and Al-Hadith data impacts the execution time of data searching from the two sources, especially searching Alquran verses based on Hadith which requires much time and accuracy. Regarding this problem, we propose information retrieval system research as a solution. One part of the information retrieval system is Pre-Processing using Vector Space Model (VSM) and classification using Cosine Similarity, Dice, and Jaccard methods. That method can assist in finding search results with a great degree of accuracy. Based on the results of this study Cosine, Dice and Jaccard have the same results based on the average recall, precision, and overall accuracy, with a recall value of 44.27%, 1.8% precision, and 94% accuracy. Kata kunci: Alquran; Hadith; System Information Retrieval; Vector Space Model Abstrak. Alquran dan Hadis mempunyai keterkaitan saling melengkapi dan menjelaskan satu sama lain. Atas dasar tersebut dalam menjelaskan isi Hadis perlu di lihat juga dari pandangan isi Alquran begitu juga sebaliknya. Namun dengan jumlah data Alquran dan Hadis yang sangat besar berdampak pada lamanya eksekusi pencarian data dari kedua kitab tersebut terutama pencarian dari Ayat Alquran ke Hadis yang membutuhkan waktu yang lama dan ketepatan dalam pencarian. Untuk memecahkan permasalahan ini, ilmu penelitian sistem informasi retreival bisa menjadi solusi, salah satu bagian dari ilmu sistem informasi retrieval adalah PreProcessing dengan Model Vector Space Model (VSM) dan untuk pengklasifikasian menggunakan metode Cosine Similarity, Dice dan Jaccard sehingga dapat membantu dalam menemukan hasil pencarian dengan tingkat ketepatan yang baik. Berdasarkan hasil penelitian tersebut Cosine, Dice Dan Jaccard mempunyai hasil yang sama berdasarkan rata-rata recall, precision dan accuracy secara keseluruhan yaitu dengan nilai recall 44,27 %, precision 1,8 %, dan accurracy 94 %.Kata kunci: Alquran; Hadis; Sistem Informasi Retrieval; Vector Space Model
SISTEM INFORMASI RETRIEVAL KETERKAITAN ANTARA HADITS ARBAIN DAN ALQURAN (TERJEMAHAN INDONESIA) Imam Amirulloh; Yanti Apriyani; Taufik Wibisono; Melisa Winda Pertiwi; Mira Kusmira
Jurnal Sistem Informasi dan Sains Teknologi Vol 5, No 1 (2023): Jurnal SIstem Informasi dan Sains Teknologi
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v5i1.1559

Abstract

Al-Quran dan Al-Hadits mempunyai keterkaitan saling melengkapi dan menjelaskan satu sama lain. Atas dasar tersebut dalam menjelaskan isi Al-hadits perlu di lihat juga dari pandangan isi Al-Quran begitu juga sebaliknya. Namun dengan jumlah data Al-Quran dan Al-Hadits yang sangat besar berdampak pada lamanya eksekusi pencarian data dari kedua kitab tersebut terutama pencarian dari Ayat Al-Quran ke Hadits yang membutuhkan waktu yang lama dan ketepatan dalam pencarian. Untuk memecahkan permasalahan ini, ilmu penelitian sistem informasi retreival bisa menjadi solusi, salah satu bagian dari ilmu sistem informasi retrieval adalah Pre-Processing dengan Model Vector Space Model (VSM) dan untuk pengklasifikasian menggunakan metode Cosine Similarity, Dice dan Jaccard sehingga dapat membantu dalam menemukan hasil pencarian dengan tingkat ketepatan yang baik. Berdasarkan hasil penelitian tersebut Cosine, Dice Dan Jaccard mempunyai hasil yang sama berdasarkan rata-rata recall, precision dan accuracy secara keseluruhan yaitu dengan nilai recall 44,27 %, precision 1,8 %, dan accurracy 94 %.
Co-Authors Bambang Kelana Simpony Imam Amirulloh Iskandar, Iqbal Dzulfiqar Mira Kusmira Rezkiani Rezkiani Taufik Wibisono Yanti Apriyani