Article Per Year (5 Year)
p-Index From 2019 - 2024
3.852
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Nasional Komputasi dan Teknologi Informasi INTEK: Informatika dan Teknologi Informasi JIKA (Jurnal Informatika) Jurnal Infortech Jurnal Responsif : Riset Sains dan Informatika Journal of Practical Computer Science (JPCS)
Sari Susanti
Universitas Adhirajasa Reswara Sanjaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Library & Information Science Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Klasifikasi Kemampuan Perawatan Diri Anak dengan Disabilitas Menggunakan SMOTE Berbasis Neural Network Sari Susanti
Jurnal Informatika Vol 6, No 2 (2019): September 2019
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (967.16 KB) | DOI: 10.31294/ji.v6i2.5798

Abstract

AbstrakPenyandang disabilitas merupakan kelompok minoritas terbesar didunia, dengan anak-anak menempati  sepertiga dari jumlah keseluruhan penyandang disabilitas. Pada penerapannya proses diagnosis dan klasifikasi dimensi disabilitas membutuhkan ahli terapis okupasi. Jumlah terapis okupasi yang terbatas mengakibatkan penanganan penyandang disabilitas menjadi tertunda. Teknik data mining digunakan untuk membantu proses diagnosis yang bertujuan untuk menghindari kesalahan dalam diagnosis. Penelitian ini menggunakan dataset Scadi yang merepresentasikan masalah kemampuan perawatan diri anak dengan disabilitas. Dataset Scadi merupakan dataset baru yang belum banyak diteliti. Pada dataset Scadi terdapat permasalahan yaitu, ketidakseimbangan kelas (imbalanced class). Masalah tersebut menyebabkan rendahnya nilai akurasi klasifikasi. Algoritma yang diusulkan yaitu neural network untuk klasifikasi kemampuan perawatan diri anak dengan disabilitas, Selain neural network digunakan algoritma Smote untuk mengatasi masalah ketidakseimbangan kelas (imbalanced class) pada level data. Hasil penelitian menunjukan bahwa metode yang diusulkan telah meningkatan kinerja algoritma klasifikasi neural network, dengan meningkatkan nilai akurasi secara signifikan sebesar 90.4762 % dibandingkan hasil yang dilaporkan pada penelitian sebelumnya yaitu 83,1%. Kata kunci: Perawatan Diri, Disabilitas, ICF-CY, Neural network, Smote, Ketidakseimbangan Kelas.AbstractPersons with disabilities are the majority group in the world, with children determined one third of the total number of persons with disabilities. In its application, the process of diagnosis and classification of occupational therapist needs. The number of occupational therapists who are limited to handling persons with disabilities is delayed. Data mining techniques are used to help the diagnosis process that helps to avoid errors in diagnosis. This study uses the Scadi dataset which presents the problem of self-care ability of children with disabilities. Dataset Scadi is a new dataset that has not yet been collected. The Scadi dataset is related, that is, class imbalances (unbalanced classes). This problem causes a low value. The proposed algorithm is a neural network for the classification of self-care abilities of children with disabilities. In addition to the neural network, the Smote algorithm is used to overcome the problem of class imbalances (unbalanced levels) at the data level. The results showed that the proposed method had improved the results of neural network classification analysis, by increasing the assessment value by 90.4762% compared to the results obtained in the previous study, namely 83.1%. Keywords: Self-care, Disability, ICF-CY, Neural network, Smote, imbalanced class.  
ANALISIS KEPUASAN PENGGUNA LAYANAN GOOGLE-FORMS SEBAGAI MEDIA SURVEY ONLINE MENGGUNAKAN DELONE & MCLEAN Ade Mubarok; Noneng Tia Aprilia; Sari Susanti
Jurnal Informatika Vol 7, No 2 (2020): September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (241.751 KB) | DOI: 10.31294/ji.v7i2.7967

Abstract

Kegiatan melakukan survei atau membagikan formulir, biasanya dihadapkan dengan banyaknya data yang harus diolah dengan berbagai cara atau metode, besarnya jumlah data yang didapatkan membuat pengolahan data memakan biaya dan waktu yang sangat lama. Dengan hadirnya layanan Google Forms diharapkan dapat memudahkan para pengguna yang sedang melakukan kegiatan survei online. Tujuan Penelitian ini untuk melihat hubungan antara variabel-variabel terhadap kepuasan pengguna layanan Google Forms di Kota Bandung menggunakan model DeLone & McLean. Model DeLone & McLean sendiri mempunyai enam variabel yaitu: Kualitas Sistem (System Quality), Kualitas Informasi (Information Quality), Kulalitas Layanan (Service Quality), Penggunaan (Use), Kepuasan Pengguna (User Satisfaction), dan Manfaat Bersih (Net Benefit), namun pada penelitian ini peneliti hanya menggunakan 5 variabel saja yaitu, Kualitas Sistem (System Quality), Kualitas Informasi (Information Quality), Kulalitas Layanan (Service Quality), Penggunaan (Use), dan Kepuasan Pengguna (User Satisfaction). Teknik pengambilan sampel yang digunakan adalah pendekatan convinience sampling. Hasil penelitian yang diperoleh adalah variabel Kualitas Sistem (System Quality) (X1), Kualitas Informasi (Information Quality) (X2), Kualitas Layanan (Service Quality) (X3), dan Penggunaan(Use) (X4) secara bersama-sama atau simultan berpengaruh terhadap Kepuasan Pengguna (User satisfaction) (Y).
Klasifikasi Kemampuan Perawatan Diri Anak dengan Disabilitas Menggunakan Neural Network dan Greedy Stepwise Sebagai Seleksi Fitur Sari Susanti
Jurnal Informatika Vol 8, No 1 (2021): April 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (413.205 KB) | DOI: 10.31294/ji.v8i1.8986

Abstract

Disabilitas merupakan gangguan, keterbatasan aktivitas dan pembatasan partisipasi. Disabilitas disebut juga interaksi antara individu dengan kondisi kesehatan seperti (Cerebral palsy, sindrom Down dan depresi), faktor pribadi dan lingkungan seperti sikap negatif. Disabilitas dapat mengganggu perkembangan alami tubuh tergantung pada jenis kelamin, usia dan lingkungan. Penderita disabilitas merupakan kelompok minoritas terbesar didunia, 80% penderita berasal dari negara-negara berkembang. Selain itu Anak-anak menempati  menyandang disabilitas dengan jumlah sepertiga dari jumlah keseluruhan penyandang disabilitas di dunia. Pada penerapannya proses diagnosis dan klasifikasi dimensi disabilitas membutuhkan ahli terapis okupasi. Teknik data mining dapat digunakan untuk membantu proses diagnosis yang bertujuan untuk menghindari kesalahan dalam diagnosis. Tujuan penelitian ini adalah untuk mengklasifikasikan masalah kemampuan perawatan diri anak disabilitas menjadi 7 kelas. Penelitian ini menggunakan dataset yang merepresentasikan masalah kemampuan perawatan diri anak dengan disabilitas. Dataset yang akan digunakan memiliki permasalahan multidimensional dataset dimana dataset memiliki fitur yang lebih banyak dibandingkan dengan jumlah datanya. Multidimensional dataset dilihat dari Jumlah fitur yang dimiliki yaitu 205 fitur dan 1 label dengan jumlah data sebanyak 70. Metode yang diusulkan pada penelitian ini yaitu greedy stepwise sebagai metode untuk mengatasi masalah multidimensional dataset dengan menyeleksi fitur bertujuan memilih fitur yang paling relevan. Selain greedy stepwise diterapkan juga metode neural network yang digunakan sebagai algoritme klasifikasi. Hasil penelitian menunjukan bahwa metode seleksi fitur greedy stepwise dengan penerapan neural network memperoleh nilai akurasi sebesar 84.2857% yang bisa disimpulkan hasil akurasinya baik.
PENERAPAN TEOREMA BAYES UNTUK DIAGNOSIS PENYAKIT PADA IBU HAMIL BERBASIS ANDROID Nadya Paramitha; Erfian Junianto; Sari Susanti
Jurnal Informatika Vol 6, No 1 (2019): April 2019
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (839.579 KB) | DOI: 10.31294/ji.v6i1.4693

Abstract

Angka kematian ibu di Indonesia, sebagian besar disebabkan oleh kurangnya pengetahuan mengenai kehamilan, terlambatnya penanganan di rumah sakit, kurangnya tenaga medis maupun fasilitas yang memadai dan mahalnya biaya untuk konsultasi membuat para ibu enggan untuk ke dokter ahli. Sistem pakar diagnosa pada ibu hamil ini diharapkan dapat memberikan pengetahuan mengenai diagnosa penyakit gangguan kehamilan pada ibu hamil, memberikan sarana media konsultasi mengenai penyakit pada kehamilan serta mengurangi banyaknya biaya konsultasi ke dokter ahli. Sistem pakar adalah sistem yang mampu menggambarkan penalaran seorang pakar agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli atau pakar. Teorema Bayes adalah cara untuk mengetahui probabilitas bersyarat. Probabilitas bersyarat adalah probabilitas dari suatu peristiwa yang terjadi, mengingat bahwa itu memiliki beberapa hubungan dengan satu atau lebih peristiwa lainnya. Aplikasi sistem pakar ini memakai Android sebagai sistem operasinya. Sistem operasi berbasis Android merupakan sistem operasi yang bersifat open source sehingga mudah dikembangkan dan dioptimalkan. Hasil dari penelitian ini yaitu aplikasi sistem pakar yang dapat memberikan pengetahuan mengenai diagnosa penyakit gangguan kehamilan, menjadi media untuk berkonsultasi mengenai penyakit pada masa kehamilan.
Penerapan Algoritma Neural Network Untuk Klasifikasi Kardiotokografi Yudi Ramdhani; Sari Susanti; Miftah Farid Adiwisastra; Salman Topiq
Jurnal Informatika Vol 5, No 1 (2018): Jurnal INFORMATIKA
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (193.517 KB) | DOI: 10.31294/ji.v5i1.2832

Abstract

Abstrak Kardiotokografi adalah metode investigasi yang paling disukai, dalam pemerhati penggunaan kesejahteraan janin yang praktis. Informasi yang diperoleh dari kardiotokografi, digunakan untuk mengidentifikasi awal keadaan patologis (gangguan pada janin, perkembangan penyakit pada janin atau hipoksia dan lain-lain). Organisasi Kesehatan Dunia atau WHO (World Health Organization) memperkirakan sekitar 15% dari seluruh wanita hamil akan berkembang menjadi komplikasi yang berkaitan dengan kehamilannya dan dapat mengakibatkan kematian ibu dan janin. Teknologi data mining merupakan salah satu alat bantu untuk mengoptimalkan data pada basis data yang berukuran besar, Data mining medis memiliki potensi besar untuk dipelajari pola-pola yang tersembunyi dalam kumpulan data utama medis. Dataset Kardiotokografi memiliki fitur/atribut sebanyak 36 dan diklasifikasikan menjadi 3 kelas yaitu : kelas Normal, kelas Suspect, dan kelas Pathologic dengan record sebanyak 2126. Metode Neural network dapat mengklasifikasi kardiotokografi dengan baik dibuktikan dengan nilai akurasi yang tinggi yaitu sebesar 99,15%, serta dapat membantu user untuk mengambil keputusan selanjutnya pada Karditokografi tersebut. Kata kunci: Kardiotokografi, Data Mining, Neural network Absract Kardiotokografi is the most preferred method of investigation, in the use of fetal well being observers. Information obtained from kardiotokografi, used to identify the initial state of the pathological (disorders of the fetus, the development of fetal disease or hypoxia and others). World Health Organization estimates approximately 15% of all pregnant women will develop into complications related to her pregnancy and can lead to the death of the mother and the fetus. The technology of data mining is one of the tools for optimizing the data in the data base of large-sized medical. Data mining, has great potential to learn the patterns that are hidden in the main medical data sets. Kardiotokografi DataSet features/attributes as much as 36 and are classified into three classes as follows: Normal class, class Suspect and Pathologic class with the record as much as 2126. Neural network method of classifying kardiotokografi can properly evidenced by high accuracy value of 99,15%, and can help the user to take decisions on the Karditokografi. Keywords: Kardiotokografi, Data Mining, Neural network
Analisis Penerimaan Pengguna DANA Sebagai Media Pembayaran Pada Marketplace Lazada Menggunakan TAM Sari Susanti; Suci Fitrami
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 6, No 2 (2021): IJCIT November 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (194.555 KB) | DOI: 10.31294/ijcit.v6i2.9477

Abstract

AbstrakDANA yaitu Dompet Digital Indonesia yang didesain untuk menjadikan setiap transaksi nontunai secara digital baik online dapat berjalan dengan cepat, praktis dan tetap terjamin keamanannya. DANA merupakan salah satu metode pembayaran non tunai. Penelitian ini dilakukan untuk menganalisis penerimaan pengguna aplikasi DANA sebagai media pembayaran pada Marketplace Lazada. Penelitian ini menggunakan metode Technology Acceptance Model (TAM) dengan lima variabel yaitu Perceived Usefulness (X1), Perceived Ease Of Use (X2), Attitude Toward Using (X3), Behavior Intention To Use (X4) dan Actual Use (Y). Dari hasil penelitian tersebut diperoleh hasil analisis bahwa variabel (X1), (X2), (X3), (X4) dan Y memiliki nilai korelasi sebesar 0,201. Sehingga dapat disimpulkan variabel independen dan dependen dalam penelitian ini memiliki hubungan yang kuat, nilai F hitung sebesar 0,473 nilai R Square (R2) sebesar 0,4%. Dengan demikian menyatakan bahwa variabel (X1), (X2), (X3), (X4), secara simultan berpengaruh positif terhadap (Y) dapat diterima. Kata Kunci: aplikasi DANA, analisis penerimaan, technology acceptance modelAbstractDANA is an Indonesian Digital Wallet that is designed to make every non-cash transaction digitally both online run fast, practical and still guaranteed security. DANA is a non-cash payment method. This research was conducted to analyze user acceptance of the DANA application as a payment medium on the Lazada Marketplace. This study uses the Technology Acceptance Model (TAM) method with five variables, namely Perceived Usefulness (X1), Perceived Ease Of Use (X2), Attitude Toward Using (X3), Behavior Intention To Use (X4) and Actual Use (Y). From the results of the study, it was found that the variables (X1), (X2), (X3), (X4) and Y had a correlation value of 0.201. So it can be concluded that the independent and dependent variables in this study have a strong relationship, the calculated F value of 0.473, the value of R Square (R2) is 0.4%. Thus states that the variables (X1), (X2), (X3), (X4), simultaneously have a positive effect on (Y) can be accepted.Keywords: DANA application, acceptance analysis, technology acceptance model
Implementasi Pencarian Fulltext Menggunakan Algolia Pada E-Commerce Sari Susanti
Jurnal Responsif : Riset Sains dan Informatika Vol 1 No 1 (2019): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v1i1.61

Abstract

Informasi saat ini sangat mudah didapatkan. Informasi mudah didapatkan karena perkembangan teknologi yang semakin cepat. Internet sebagai sarana pengirim informasi sangat mendukung terjadinya pengiriman informasi dengan cepat. Internet telah menjadi media informasi yang digunakan masyarakat dengan banyak kepentingan. Kemudahan mengakses inilah sehingga banyak orang menggunakan internet untuk kehidupan sehari-hari. Salah satu isu penting di era big data adalah membangun sistem informasi yang informatif dan terpercaya yang mampu memenuhi tuntutan pengguna. Sistem informasi yang ada menyediakan layanan pencarian sebagian besar berdasarkan kueri. Pencarian semantik menunjukan kinerja yang lebih baik. Namun, sistem informasi yang ada termasuk sistem semantik tingkat lanjut memiliki kesulitan dalam mempresentasikan dan menentukan data pencarian karena terjadi decay effect. Mesin pencari pada sebuah perusahaan sangat penting karena dengan menggunakan mesin pencari, perusahaan seperti perusahaan e-commerce dapat meningkatan efektifitas calon pembeli untuk mencari sesuatu yang dia butuhkan.Untuk itu dibutuhkan mesin pencari yang dapat digunakan untuk perusahaan. Aplikasi ini dibuat menggunakan model waterfall yang mencakup : analisis, desain, pengkodean dan pengujian. pada website ini menggunakan Algolia sebagai mesin pencari. Pembuatan web ini menggunakan framework laravel sebagai bahasa pemrograman PHP dan penyimpanan basis data MySQL. Dari hasil penelitian yang dilakukan diperoleh kesimpulan bahwa mesin pencari merupakan solusi untuk masalah pencarian pada perusahaan.
Analisis Kepuasan Pengguna Youtube Sebagai Media Pendidikan Menggunakan Model DeLone Dan McLean Bambang Sukajie; Fajar Aziz Laksono; Ade Mubarok; Sari Susanti; Adang Kurniawan
Jurnal Responsif : Riset Sains dan Informatika Vol 1 No 1 (2019): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v1i1.64

Abstract

Youtube adalah situs web untuk menonton dan berbagi macam-macam video, dengan banyak pengguna di semua negara yang setia untuk mengakses situs Youtube. Youtube semakin berkembang dari segi pengguna, fasilias, fungsionalitas dan konten. Youtube tidak hanya menyediakan video untuk hiburan tapi banyak pengguna juga membuat konten edukasi untuk membantu belajar pengguna lainnya. Edukasi adalah kegiatan oleh pengguna untuk melakukan proses pembelajaran atau mengajar yang bertujuan untuk menambah, mengembangkan atau memberikan pengetahuan, keterampilan, potensi dan lain sebagainya. Dan banyak orang di dunia menggunkan Youtube sebagai media edukasi mereka. Model yang digunakan dalam penelitian ini yaitu model kesuksesan DeLone dan McLean. Tujuan penelitian ini yaitu untuk mengetahui dan menjelaskan pengaruh kualitas informasi (information quality), kualitas sistem (system quality), kualitas layanan (service quality) terhadap kepuasan pengguna (user satisfaction) dari pengguna Youtube di Indonesia yang menggunakan Youtube sebagai media edukasi, dan ditentukan 100 orang sebagai sampel penelitian. Dari hasil analisis regresi linier berganda dapat disimpulkan bahwa variabel kualitas informasi (information quality) dan kualitas layanan (service quaity) tidak berpengaruh positif terhadap kepuasan pengguna (user satisfaction), dan hanya variabel kualitas sistem yang berpengaruh positif terhadap kepuasan pengguna (user satisfaction) dengan pengaruh (koefisien determinasi) sebesar 70.9% dan nilai korelasi (R) yaitu sebesar 0,842 yang dikategorikan sangat kuat.
Prediksi Harapan Hidup Pasien Kanker Paru Pasca Operasi Bedah Toraks Menggunakan Boosted k-Nearest Neighbor Rizki Tri Prasetio; Sari Susanti
Jurnal Responsif : Riset Sains dan Informatika Vol 1 No 1 (2019): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v1i1.66

Abstract

Kanker paru-paru menempati peringkat enam dari sepuluh penyakit penyebab kematian terbanyak di Indonesia. Faktor penyebab kanker paru-paru didominasi oleh asap rokok. Operasi bedah toraks menjadi salah satu solusi utama untuk kanker paru-paru. Akan tetapi, terdapat banyak resiko dan komplikasi pasca operasi bedah toraks hingga berujung pada kematian. Pada penelitian ini, akan di prediksi harapan hidup pasien kanker paru-paru setelah menjalani kehidupan satu tahun pasca operasi bedah toraks menggunakan computer aided diagnosis (CAD). Prediksi ini dilakukan dengan menganalisa kondisi pasien sebelum dan sesudah operasi. Data yang digunakan pada penelitian ini merupakan data sekunder yang berisi 470 data dengan sebaran 400 data pasien yang hidup (survival) dan 70 data pasien yang meninggal (die). Adaptive Boost digunakan sebagai optimasi level algoritma pada algoritma k-nearest neighbor. Hasil penelitian menunjukan bahwa metode yang diusulkan menghasilkan akurasi prediksi harapan hidup sebesar 85.11% menggunakan validasi 10 fold cross validation dengan parameter k pada algoritma k-nearest neighbor bernilai 5.
Aplikasi Sistem Pakar Diagnosis Gangguan Gizi Pada Anak Menggunakan Metode Dempster Shafer Ade Mubarok; Sari Susanti; Novi Imelia
Jurnal RESPONSIF: Riset Sains & Informatika Vol 2 No 1 (2020): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v2i1.203

Abstract

Gizi merupakan faktor penentu kualitas sumber daya manusia di masa mendatang, selain itu status gizi yang baik dan asupan makanan yang sehat seimbang mempunyai peranan penting dalam menentukan kesehatan dan kecerdasan seseorang. Usia anak prasekolah lebih beresiko mengalami gangguan gizi seperti gizi kurang dan gizi lebih akibatnya dapat menimbulkan penyakit. Kurangnya kepedulian terhadap gizi anak serta terbatasnya pengetahuan mengenai berbagai penyakit akibat gangguan gizi membuat orang tua kesulitan untuk mendiagnosis penyakit yang akan menyerang anak mereka. Maka dalam penelitian ini dibuatkan sebuah alat bantu berupa sistem pakar berbasis android untuk mendiagnosis penyakit akibat gangguan gizi menggunakan metode Dempster Shafer beserta cara penanganannya, menentukan status gizi berdasarkan berat badan menurut usia (BB/U), serta mengetahui berat badan ideal anak dan saran asupan makanannya. Sistem ini bekerja dengan melakukan perhitungan berdasarkan gejala-gejala penyakit yang dirasakan. Hasil pengujian menunjukan perbandingan antara hasil diagnosis yang dilakukan oleh pakar dan sistem, menghasilkan keluaran yang sama sehingga aplikasi ini dapat digunakan untuk mendiagnosis gangguan gizi serta mendapatkan informasi seputar gizi anak. Kata Kunci: Sistem Pakar, Gangguan Gizi, Anak Prasekolah, Dempster Shafer. ABSTRACT Nutrition is a determining factor in the quality of human resources in the future, besides that good nutritional status and balanced healthy food intake have an important role in determining one's health and intelligence. The age of preschool children is more at risk of experiencing nutritional disorders such as malnutrition and more nutrition can consequently cause disease. Lack of concern for children's nutrition and limited knowledge about various diseases due to nutritional disorders makes it difficult for parents to diagnose diseases that will attack their children. So in this study a tool was made in the form of an android-based expert system to diagnose diseases due to nutritional disorders using the Dempster Shafer method and how to handle it, determine nutritional status based on body weight according to age (BB/U), and find out the child's ideal body weight and intake advice the food. This system works by calculating based on the symptoms of the disease that is felt. The test results show a comparison between the results of diagnoses made by experts and systems, producing the same output so that this application can be used to diagnose nutritional disorders and obtain information about child nutrition. Keywords: Expert System, Nutritional Disorders, Preschooler, Dempster Shafer.
Co-Authors Abdul Hafidh Anas Adang Kurniawan Ade Mubarok Adi Rahmansyah Agustinur Bentar Arya Raspati Ahmad Surya Al Huda Ramadhan Annisa Eka Pratiwi arvand alfarizki pratama Arya Rizki Febriansyah Asri Novitasari Bambang Tri Rahmat Doni Bangbang Supriadi Darmawi Darmawi Erfian Junianto Fajar Aziz Laksono Galih Repor Nawangsit Gilang Barlian Hamdun Sulaiman Irfan Muhammad Ghufron Isminarni Rahayu jauhar ma'ruf M.Revin Reginal Miftah Farid Adiwisastra Mokhamad Gustiawan Muhammad Ma’ruf Holid Junaedi Mustofa Mustofa Nadya Paramitha Noneng Tia Aprilia Novi Imelia Putri Gustriyani Suryono Rahmaniza M Ristu Juli Yudianto Rizal Rachman, Rizal Rizki Tri Prasetio Rollando Govintdes Salman Topiq sarifudin hanafi Suci Fitrami Sukajie, Bambang Yudi Ramdhani