Claim Missing Document
Check
Articles

PENERAPAN ANALYTICAL HIERARCHY PROCESS (AHP) UNTUK MENDUKUNG KEPUTUSAN PEMILIHAN DESRINASI TEMPAT WISATA DAERAH ISTIMEWA YOGYAKARTA UNTUK PARA WISATAWAN MANCANEGARA NON ASIA Prasetyaningrum, Putri Taqwa; Sari, Artika
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 2 (2019): JURNAL SIMETRIS VOLUME 10 NO 2 TAHUN 2019
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1478.944 KB) | DOI: 10.24176/simet.v10i2.3158

Abstract

Daerah Istimewa Yogyakarta merupakan provinsi ke dua di Indonesia yang memiliki banyak tempat wisata selain Bali. Berdasarkan data yang diperoleh dari Dinas Pariwisata Kota Yogyakarta pada setiap bulan desember terdapat hampir 99.776 wisatawan asing yang datang ke Kota Yogyakarta. Tak jarang mereka meminta bantuan untuk mendapatkan informasi dengan mendatangi instansi keperintahan seperti Tourism Information Center (TIC) yang berada di Dinas Pariwisata Kota Yogyakarta. Namun pihak TIC hanya membantu memberikan informasi dengan menggunakan perantara brosur tempat wisata yang sudah disediakan, sehingga hasil rekomendasi tempat wisata tidak akurat dan sesuai dengan yang diinginkan oleh wisatawan mancanegara non Asia. Dengan majunya era teknologi saat ini, diperlukan sebuah perantara seperti sistem atau aplikasi yang dapat membantu pihak TIC untuk mempermudah memberikan rekomendasi tempat wisata pada para wisatawan mancanegara non Asia khususnya untuk menentukan tempat wisata yang mereka inginkan sesuai dengan kriteria yang ada. Sistem pendukung keputusan menentukan pemilihan destinasi tempat wisata Yogyakarta untuk wisatawan mancanegara non Asia menggunakan metode Analytical Hierarchy Process (AHP) dalam proses perhitungannya. Berdasarkan Hasil dari penelitian yang sudah dilakukan terhadap 5 sampel data tempat wisata, dapat disimpulkan dengan metode AHP dapat digunakan untuk proses pemilihan tempat wisata kota Yogyakarta dengan tingkat akurasi 60%.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BUAH MERAH TERBAIK MENGGUNAKAN METODE MULTI-OBJECTIVE OPTIMIZATION BY RATIO ANALYSIS (MOORA) Nanda, Tietan Geovanka; Prasetyaningrum, Putri Taqwa
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 14, No 1 (2021): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) FEBRUARI 2021
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v14i1.2385

Abstract

Buah merah adalah tanaman tradisional Indonesia yang tumbuh di daerah sub-tropis. Buah merah adalah sejenis buah tradisional dari papua. Masyarakat Wamena ( Papua), biasa menyebut buah ini dengan sebutan kuansu. Nama ilmiahnya Pandanus Conoideus karena tanaman Buah Merah termasuk tanaman keluarga pandan-pandanan dengan pohon menyerupai pandan, Penelitian tentang khasiat pengobatan Buah Merah pertama kali dilakukan oleh peneliti dosen Universitas Cendrawasih (UNCEN) di Jayapura yaitu Drs. I Made Budi M.S. sebagai ahli gizi di Universitas Cendrawasih (UNCEN). Sistem pendukung keputusan adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis  pengetahuan). Yang dipakai untuk mendukung pengambilan keputusan dalam suatu sistem yang bersifat semiterstruktur. Untuk mendapatkan kualitas yang terbaik maka costumer membutuhkan sebuah sistem pendukung keputusan. Pada penelitian ini penulis menerapkan metode Multi Objective Optimization On The Basic Of Ratio Analysis (MOORA) sebagai metode yang akan diterapkan di dalam sistem pendukung keputusan.Salah satu metode dalam pemilihan keputusan adalah metode Multi-Objective Optimization by Ratio Analysis Atau biasa disingkat dengan metode MOORA.  DOI : https://doi.org/10.33005/sibc.v14i1.2385
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN TINGKAT RISIKO KLAIM ASURANSI INDUSTRIAL ALL RISK DI PT. ASURANSI ASPAN DENGAN METODE ANALITICAL HIERARCHY PROCESS (AHP) Prasetyaningrum, Putri Taqwa
Jurnal VOI (Voice Of Informatics) Vol 9, No 2 (2020)
Publisher : STMIK Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Asuransi Industrial All Risk adalah asuransi yang menjamin semua risiko kerugian pada property atau bangunan yang dipertanggungan, dalam proses klaim asuransi sangat perlu dilakukan anialisa risiko mengenai kondisi dari property yang akan diasuransikan,   Maka dari itu dibuatlah sistem informasi yang dapat mendukung pengambilan keputusan dalam menentukan tingkat risiko dari klaim asuransi tersebut. Sistem pendukung keputusan menentukan tingkat risiko klaim Asuransi Industrial All Risk di PT. Asuransi Aspan Cabang Yogyakarta ini menggunakan metode Analytical Hierarchy Process (AHP). dalam proses perhitungannya. Dengan metode ini dari setiap kriteria yang ada akan dibuat matriks perbandingan antara alternatif perusahaan yang disediakan. Diharapkan dengan adanya sistem ini dapat membantu pengambilan keputusan dalam menentukan tingkat risiko yang sesuai dengan kriteria yang diinginkan. Berdasarakan dari penelitian yang sudah dilakukan terhadap 5 sampel perusahaan, dapat disimpulkan dengan metode Analytical Hierarchy Process (AHP) dapat digunakan untuk proses menentukan tingkat risiko klaim asuransi industrial all riks dengan tingkat akurasi 68%.Kata kunci— Asuransi, Risiko, Sistem Pendukung Keputusan, Analytical Hierarchy Process, Kriteria, Alternatif
PENERAPAN METODE NAIVE BAYES CLASSIFIER PADA SISTEM PAKAR DIAGNOSA PENYAKIT LAMBUNG Setiyani, Santi; Prasetyaningrum, Putri Taqwa
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 14, No 2 (2021): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) AGUSTUS 2021
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v14i2.2631

Abstract

Dalam perkembangan dunia farmasi penyakit pada organ dalam seperti lambung setiap tahunnya semakin berkembang, baik dari jumlah penderita maupun perkembangan jenis penyakitnya. Lambung adalah salah satu organ penting bagi tubuh manusia, karena menjadi salah satu organ yang berfungsi untuk mencerna minuman dan makanan, namun masih banyak msyarakat yang kurang mengetahui gejala-gejala dari penyakit lambung karena kurangnya informasi dan pengetahuan. Penelitian ini dilakukan berdasarkan latar belakang kebutuhan dengan mengambil case study dari Puskesmas Depok III. Metode yang digunakan dalam tahap pembuatan sistem ini adalah metode Naïve Bayes Classifier, dengan motodologi pengembangan SDLC (system development life cycle) kemudian memasukan kedalam sistem melalui proses pengkodean untuk merealisasikannya. Tujuan dari pembuatan sistem pakar diagnosa penyakit lambung ini adalah untuk membangun sistem pakar yang berfungsi mendiagnosa awal penyakit lambung dengan menerapkan metode Naive Bayes Classifier dan memanfaatkan sistem pakar untuk dapat digunakan petugas non-ahli untuk melakukan diagnosa jenis penyakit lambung di Puskesmas Depok III. Berdasarkan dari 20 data pasien dari puskesmas depok III yang telah diuji oleh  sistem pakar diagnosa jenis penyakit lambung dengan menerapkan metode Naïve Bayes Classifier didapatkan tingkat akurasi sistem sesuai (90%) dan tidak sesuai (10%).  DOI : https://doi.org/10.33005/sibc.v14i2.2631
PERANCANGAN E-BUSSINES PADA USAHATANI RAKYAT BERWAWASAN KERAJINAN LIMBAH AKAR WANGI (Vetiveria zizanioides (L.) Nash) GARUT JAWA BARAT dewi, Ine shinta; Latifah, Retno; Prasetyaningrum, Putri Taqwa
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 13, No 1 (2020): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) FEBRUARI 2020
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v13i1.1721

Abstract

Fragrant root is a plant that can produce fragrant root oil through the distillation process. Indonesia is one of the largest producers of fragrant root oil in the world, the center of producing fragrant root oil in Indonesia is in Garut Regency. From the results of the study, in addition to producing pure oil, fragrant root waste can also be processed into handicrafts of secondary needs such as bags and souvenirs by weaving   DOI : https://doi.org/10.33005/sibc.v13i1.1721
PENERAPAN METODE DEMPSTER SHAFER UNTUK MENDIAGNOSA PENYAKIT AUTISME PADA ANAK Okta, Sri; Prasetyaningrum, Putri Taqwa
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 15, No 1 (2022): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) FEBRUARI 2022
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v15i1.2629

Abstract

Autisme adalah salah satu gangguan perkembangan yang mengakibatkan hambatan dalam bersosialisasi, komunikasi, dan juga perilaku. Gangguan yang pada umumnya memberikan gejala sebelum anak berusia sekitar 3 tahun. Oleh karena itu indikasi autisme sering kali tidak dapat dikenali secara pas dikarenakan kurangnya faktor seorang pakar yang bisa memberikan informasi mengenai autisme dengan tepat. Pengenalan secara visual memiliki kekurangan yaitu sulit membedakan apakah benar anak tersebut terindikasi autisme atau tidak, sehingga berdampak pada kurang akurat nya terhadap informasi tersebut. Pada penelitian ini, dibangun suatu sistem yang dapat mendiagnosa penyakit autisme pada anak menggunakan metode dempster shafer menggunakan model perancangan prototyping. Tahap pengujian ini dilakukan dengan cara menguji tingkat kebenaran sistem dalam proses penentuan diagnosa sesuai dengan nilai bobot dan aturan yang sudah ditentukan sebelumnya. Pengujian dilakukan menggunakan 23 data yang telah diujikan terhadap pakar dan sistem, untuk anak yang terkena autisme dan sesuai dengan validasi pakar dan sistem adalah 21 anak dan yang tidak sesuai adalah 2 anak. Sehingga untuk tingkat kesesuaian berdasarkan hasil validasi pakar (dokter) dan sistem, diperoleh dengan persentase sebesar 91.30%.Kata kunci: Autisme, Sistem Pakar, Dempster Shafer.  DOI : https://doi.org/10.33005/sibc.v15i1.2629
IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KOMENTAR APLIKASI TANDA TANGAN DIGITAL Oktafani, Mita; Prasetyaningrum, Putri Taqwa
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 15, No 1 (2022): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) FEBRUARI 2022
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v15i1.2697

Abstract

Ulasan atau review pengguna diolah untuk memahami keluhan pengguna terhadap aplikasi agar tersampaikan kepada pihak pengembang untuk dapat memelihara aplikasi. Dari ulasan diperoleh banyak informasi seperti bug report yang menjelaskan kelemahan dan kekurangan dari aplikasi dan juga masukan dari pengguna dari apa yang kurang dalam aplikasi yang digunakan. Dari ulasan pengguna dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam proses pengklasifikasiannya karena ulasan pengguna yang berjumlah banyak bahkan bertambah setiap saat. Oleh karena itu, dibutuhkannya sistem otomasi analisa sentimen ulasan aplikasi. Sistem ini menerapkan algoritma Support Vector Machine (SVM) sebagai metode untuk menentukan sebuah ulasan mempunyai sentimen positif atau negatif. Analisis dilakukan dengan membandingkan fungsi kernel Radial Basis Function (RBF) dan kernel Linear yang dikombinasikan dengan eksperimen penambahan fiture selection, parameter, dan n-gram. Kesimpulannya adalah penyetelan parameter, dan fitur-fitur n-gram mampu meningkatkan nilai akurasi. Dari hasil percobaan dihasilkan kelas negatif sebanyak 4.137 dan kelas positif sebanyak 1.816 pada kernel RBF. Sedangkan pada kernel Linear diperoleh kelas negatif sebanyak 4.049 dan kelas positif sebanyak 1.904 data. DOi : https://doi.org/10.33005/sibc.v15i1.2697
PENERAPAN SIMPLE ADDITIVE WEIGTHING PEMILIHAN KAYU UNTUK PEMBUATAN GITAR Putri Taqwa Prasetyaningrum; Rias Ilham Agung Nugroho
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 5 No 1 (2020): JUSIM (Jurnal Sistem Informasi Musirawas) JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (968.639 KB)

Abstract

Wood is the main material for making guitars, if the wood selected is not suitable, then the guitars produced may not be perfect wood selection is not yet optimal if it only relies on one criterion, there must be a systematic and accurate calculation when selecting wood in order that the guitar produced can be perfect, when the guitar was sold, there would be no more complaints about it, such as inferior sound, fragile body, etc. One of the means to assist calculation is the Simple Additive Weighting (SAW) method,which can calculation the value of wood, criteria of wood, and value of each sub-criteria of wood, so that the wood chosen after the calculation would be suitable for marketing. After going through the stages of wood data testing from’fajar musik’, and the calculation also used predetermined criteria, namely sound quality, wood age, wood physique, and wood texture/pattern. Keywords - guitar, wood, selection decision support, simple additive weighting
Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Di DIY Agung Supoyo; Putri Taqwa Prasetyaningrum
Bianglala Informatika Vol 10, No 1 (2022): Bianglala Informatika 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (893.517 KB) | DOI: 10.31294/bi.v10i1.11890

Abstract

Masih tingginya kasus Covid-19 di DIY pada awal tahun 2021 ditambah dengan sulitnya mencari ruang perawatan rumah sakit, sehingga diperlukan analisis prediksi waktu perawatan. Hasil analisis sebagai pendukung keputusan Pemerintah dalam mengambil kebijakan ketersediaan kamar rumah sakit dan penerapan PPKM. Selain itu juga diperlukan analisis terhadap atribut-atribut yang paling mempengaruhi lama perawatan pasien. Penelitian menggunakan dataset yang diperoleh dari Dinas Kominfo DIY untuk kasus periode Maret sampai dengan September 2020. Diperlukan preprocessing (data reduction, data cleaning dan data integration) sebelum dilakukan analisis data mining. Preprocessing menghasilkan dataset sejumlah 271 record data dengan 31 kolom. Analisis data mining menggunakan algoritma Random Forest, k-NN dan Deep Learning menghasilkan performance model dengan RMSE masing-masing sebesar 4,949; 6,349 dan 5,436. Setelah dilakukan seleksi atribut untuk optimalisasi dihasilkan nilai RMSE sebesar 4.817 pada algoritma Random Forest dengan menggunakan 23 atribut. Hasil analisis belum cukup baik jika dibandingkan dengan rata-rata lama perawatan sebesar 15.339 hari karena menghasilkan NRMSE sebesar 31,40%. Nilai performance model dipengaruhi oleh pemilihan atribut yang digunakan. Lima atribut yang paling berpengaruh terhadap lama perawatan pasien adalah usia, jenis kelamin, kecamatan, batuk. Untuk meningkatkan performance model diperlukan penelitian lanjutan menggunakan record data yang lebih banyak dengan tambahan atribut lain seperti rumah sakit perawatan dan tindakan medis.
IMPLEMENTASI DATA MINING DALAM KLASIFIKASI KUNJUNGAN WISATAWAN DI KOTA YOGYAKARTA MENGGUNAKAN ALGORITMA K-MEANS Bambang Setio Purnomo; Putri Taqwa Prasetyaningrum
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol 2 No 1 (2020): Juni 2020
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v2i1.23

Abstract

Abstrak— Banyaknya data kunjungan wisatawan pada setiap bulan dan tahunnya sehingga sangat sulit untuk mengetahui banyaknya jumlah wisatawan yang terjadi pada setiap bulannya. Pada saat peneliti melakukan kerja praktek di Dinas Pariwisata problem seperti ini yang masih menjadi PR bagi Dinas Pariwisata untuk mengolah data jumlah kunjungan wisatawan. Dari pemikiran di atas maka, dilakukan peneliti tentang klasifikasi Kunjungan Wisatawan Di Kota Yogyakarta menggunakan metode K-Means. Tujuannya adalah untuk mengetahui objek wisata yang memiliki potensi yang paling rendah dalam kunjungan wisatawan sampai yang paling tinggi. Klasifikasi tersebut dapat menggunakan metode Algoritma K-Means karena metode ini sangat mudah di implementasikan serta menggunakan prinsip yang sederhana dan dapat di jelaskan dalam non-statistik dan Algoritma K-Means ini sangat cocok untuk penelitian yang bersifat unsupervised (tanpa arahan). Dari data yang diinputkan dan telah di proses melalui metode Algoritma K-Means bahwa telah melakukan iterasi sebanyak 5 kali dengan memilih cluster 1, cluster 2, cluster 3 secara acak (random) dengan cluster 1 memiliki 24 data dengan persentase sebesar (50%), cluster 2 memiliki 11 data dengan persentase sebesar (23%), dan cluster 3 memiliki 13 data dengan persentase sebesar (27%).