Article Per Year (5 Year)
p-Index From 2019 - 2024
2.698
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Bulletin of Electrical Engineering and Informatics Jurnal Teknologi Informasi dan Ilmu Komputer Bulletin of Electrical Engineering and Informatics INTEGER: Journal of Information Technology Network Engineering Research Operation [NERO] JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Prosiding Seminar Nasional Sains dan Teknologi Terapan Journal of Applied Sciences, Management and Engineering Technology (JASMET) Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
Dian Puspita Hapsari
Institut Teknologi Adhi Tama Surabaya
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Penerapan Metode Clustering K-Medoids untuk Pengelompokan Abstrak Skripsi Berbasis Web Ruly Adi Permana; Dian Puspita Hapsari; Rani Rotul Muhima
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2022: SNESTIK II
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (318.464 KB) | DOI: 10.31284/p.snestik.2022.2812

Abstract

Karya ilmiah yang ditulis mahasiswa program S1 atau yang disebut skripsi ditulis berdasarkan hasil kajian pustaka, hasil penelitian lapangan, ataupun hasil pengembangan uji coba atau eksperimen. Kegiatan pencarian karya ilmiah skripsi di Jurusan Teknik Informatika ITATS saat ini hanya berdasarkan judul. Penelitian ini bertujuan untuk membangun aplikasi pencarian yang mampu mengelompokkan dokumen skripsi secara otomatis menggunakan algoritma clustering k-medoids berdasarkan abstrak yang ada dalam dokumen tersebut. Kelompok data berupa 105 data text abstrak skripsi di Jurusan Teknik Informatika ITATS dengan rentang waktu tiga tahun. Hasil simulasi pengelompokan abstrak skripsi diperoleh nilai K yang lebih optimal pada saat berada di K=4. Pengujian kepercayaan dari cluster yang berbentuk menggunakan metode Silhouette Coefficient. Diperoleh nilai Silhouette Coefficient sebesar -0,028975.
Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, k-Nearest Neighbor dan Logistic Regression pada Dataset Multiclass WR Wahyudi; SA Adriko; MI Firdaust; MHA Harits; Dian Puspita Hapsari
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4157

Abstract

Penelitian ini membandingkan kinerja tiga algoritma klasifikasi: Naive Bayes, k- Nearest Neighbor, dan Logistic Regression pada dataset multiclass. Kinerja masing-masing algoritma dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-skor. Hasil penelitian menunjukkan bahwa kinerja ketiga algoritma tersebut variatif tergantung pada dataset spesifik yang digunakan. Secara keseluruhan, algoritma regresi logistik yang memiliki kinerja terbaik, diikuti oleh k-Nearest Neighbor dan Naive Bayes. Hasil penelitian ini memberikan wawasan yang bermanfaat bagi para peneliti dan praktisi yang ingin memilih algoritma yang sesuai untuk masalah klasifikasi multiclass.
Penentuan Keakuratan Kelompok Data Gambar pada Proses Segmentasi Menggunakan Algoritma Random Forest Salma N. Aini; Dian Puspita Hapsari; Aeri Rachman
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4156

Abstract

Abstrak. Sebagian besar metode segmentasi tradisional didasarkan pada intensitas dan hubungan spasial piksel, atau model terbatas yang ditemukan melalui pengoptimalan. Meskipun demikian, manusia menggunakan lebih banyak pengetahuan saat melakukan segmentasi manual. Oleh karena itu, dalam beberapa tahun terakhir, metode pembelajaran mesin yang dapat dilatih telah muncul sebagai alat yang ampuh untuk menyertakan sebagian dari pengetahuan tersebut dalam proses segmentasi dan meningkatkan akurasi wilayah berlabel. Pada paper ini dilakukan analisis untuk melihat seberapa akurat segmentasi gambar dengan menggunakan algoritma random forest. Dalam makalah ini akan diulas tentang hasil perbandingan kinerja algoritma random forest dengan algoritma J48, Naïve bayes, dan Logistic regression. Hasil perbandingan dari beberapa algoritma tersebut Random Forest memiliki keakuratan tertinggi 97.7%.
HOSPITAL LENGTH OF STAY PREDICTION WITH ENSEMBLE LEARNING METHODE Dian Puspita Hapsari; Waras Lumandi; Arief Rachman
Journal of Applied Sciences, Management and Engineering Technology Vol 4, No 1 (2023)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jasmet.2023.v4i1.4437

Abstract

The hospital length of stay (LoS) is the number of days an inpatient will stay in the hospital. LoS is used as a measure of hospital performance so they can improve the quality of service to patients better. However, making an accurate estimate of LoS can be difficult due to the many factors that influence it. The research conducted aims to predict LoS for treated patients (ICU and non-ICU) with cases of brain vessel injuries by using the ensemble learning method. The Random Forest algorithm is one of the ensembles learning methods used to predict LoS in this study. The dataset used in this study is primary data at PHC Surabaya Hospital. From the results of the simulations performed, the random forest algorithm is able to predict LoS in a dataset of treated patients (ICU and non-ICU) with cases of brain vessel injuries. And the simulation results show a type II error value of 0.10 while the value of type I error is 0.16.
Co-Authors Abd. Rasyid Syamsuri Aeri Rachman Andy Rachman Arief Rachman Birdyne Yanuar Melani Chanafi, Moch Irfan Enggar Alfianto Fandi Arianto Fitri Sofia Nur Khamidah Hendro Nugroho Hendro Nugroho, Hendro Imam Utoyo Khamidah, Fitri Sofia Nur M Tsalits Nururrohman Maftahatul Hakimah Maftahatul Hakimah, Maftahatul Melani, Birdyne Yanuar MHA Harits MI Firdaust Moch Irfan Chanafi Muhamad Imron Wazirudin Muhammad Fahrur Rozi Muhima, Rani Rotul Nanang Fakhrur Rozi Nururrohman, M Tsalits Rachman Arief Rachman Arief, Rachman Reza Uttungga Rinci Kembang Hapsari Rinci Kembang Hapsari Ruly Adi Permana SA Adriko Salma N. Aini Santi Wulan Purnami Septiyawan Rosetya Wardhana Siti Agustini, Siti Tukadi Tukadi, Tukadi Tutuk Indriyani Utoyo, Imam Uttungga, Reza Wachid Ismail Amrullah Wahyu S. Pambudi Waras Lumandi Wardhana, Septiyawan Rosetya Wazirudin, Muhamad Imron WR Wahyudi