Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

0.408

P-Index

This Author published in this journals

All Journal Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jurnal Teknik Komputer AMIK BSI Jurnal Sistem Informasi

Hilda Amalia

AMIK BSI Jakarta

Author-ID : 2543424

Computer Science & IT Economics, Econometrics & Finance Social Sciences

Published : 5 Documents Claim Missing Document

Claim Missing Document

Articles

PENERAPAN NAÏVE BAYES BERBASIS GENETIC ALGORITHM UNTUK PENENTUAN KLASIFIKASI DONOR DARAH Hilda Amalia
JURNAL TEKNIK KOMPUTER Vol 2, No 2 (2016): Jurnal Teknik Komputer AMIK BSI
Publisher : Universitas Bina Sarana Informatika

Donor Darah merupakan suatu kegiatan yang penting dilakukan oleh setiap manusia. Donor darah kegiatan yang mulia dan dapat berdampak baik bagi sipendonor itu sendiri dan orang lain. Banyak hal yang dapat mengakibatkan seseorang memerlukan pertolongan orang lain dalam hal ini adalah darah seperti kecelakaan, operasi dan lain-lain. Pemenuhan kebutuhan darah harus dikelola dengan baik, hal ini bertujuan untuk mempermudah masyarakat yang memerlukan darah. Pengolahan data pendonor dan melakukan pengelolaan yang baik terhadap data-data donor darah menjadi penting. Menemukan pola perilaku para pendonor sehingga dapat diperoleh stok darah yang memenuhi. Untuk itu penting dilakukan penilaian mengenai kemungkinan seseorang mendonorkan darahnya kembali sehingga menghasilkan klasifikasi donor darah. Dalam penelitian ini akan dilakukan peningkatan akurasi naïve bayes dengan menggunakan genetic algorithm. Dari penelitian ini diperoleh bahwa nilai akurasi yang dihasilkan oleh metode naïve bayes yaitu 74,07%, dan akurasi yang dihasilkan oleh metode peningkatan akurasi yaitu genetic algoritm dengan naïve bayes yaitu sebanyak 76,48%

Rancang Bangun Sistem Informasi Akademik Sekolah Menengah Pertama Bakti Idhata Erna Yuliani; Y Yunita; Hilda Amalia
Bianglala Informatika Vol 6, No 1 (2018): Bianglala Informatika 2018
Publisher : LPPM Universitas Bina Sarana Informatika

Abstrak - Sekolah adalah lembaga pendidikan yang bertujuan menghasilkan sumber daya manusia yang dapat bersaing dalam dunia industri dan bisnis. Dalam menjalankan kegiatan sehari-harinya sekolah menggunakan sistem manual dalam penyampaian informasi untuk mengelola nilai dan pengolahan data nilai proses. Sehingga menghambat komunikasi dan kelancaran operasional manajemen sekolah yang mengakibatkan juga proses belajar mengajar. Proses mengajar dan belajar di sekolah harus dilaksanakan dengan baik sehingga output yang diharapkan dari sekolah yang kompetensi siswa dapat diperoleh. Hasil dari penelitian ini adalah Sekolah Sistem Informasi Akademik yang telah dirancang untuk meningkatkan kualitas informasi yang dihasilkan dan meningkatkan kualitas penyampaian informasi kepada siswa dan orang tua atau wali. Sistem Informasi Akademik ini juga meningkatkan kinerja operasional sekolah dan memfasilitasi pemrosesan data nilai Kata Kunci : Sekolah, Sistem Informasi Akademik, Pengolahan Nilai Abstract – School is an educational institution that aims to produce human resources that can compete in the world of industry and business. In carrying out its daily activities the school uses a manual system in the delivery of information to manage value and process value data processing. Thus hindering the communication and smooth operation of school management that resulted also to the teaching and learning process. The process of teaching and learning in schools must be implemented well so that the expected output of the school that is student competence can be obtained. The result of this research is School of Academic Information System that has been designed to improve the quality of information produced and improve the quality of information delivery to students and parents or guardians. This Academic Information System also improves school operational performance and facilitates the processing of value data Keyword: School, Academic Information System, Value Processing

Prediksi Resiko Kesehatan Ibu Hamil Dengan Menggunakan Metode Decision Tree Hilda Amalia; Riana Rahmadanti; Akhmad Syaiin; Shafa Salsabila4; Yunita Yunita; Sriyadi Sriyadi
Swabumi Vol 11, No 1 (2023): Volume 11 Nomor 1 Tahun 2023
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v11i1.15270

Kehamilan adalah suatu kondisi yang dialami oleh seroang ibu yang kemudian dilanjutkan dengan melahirkan. Kesehatan ibu hamil merupakan hal penting yang harus diperhatikan. Kondisi yang tidak baik bagi ibu hamil akan mempengaruhi kesehatan janin. Akibat fatal dari kondisi kesehatan ibu hamil yang buruk adalah kematian ibu dan anak. Untuk itu perlu dilakukan pengolahan data kesehatan ibu hamil. Decision tree adalah salah satu metode data mining yang mampu menghasilkan pohon keputusan yang dapat dijadikan aturan atau dasar untuk pembuatan prediksi kesehatan ibu hamil. Dalam penelitian ini dilakukan pengolahan data kesehatan ibu hamil dengan menggunakan metode data mining decision tree. Hasil penelitian ini diperoleh nilai kinerja metode decision tree untuk pengolahan data kesehatan ibu hamil yaitu nilai akurasi yaitu 61,54%.Tujuan penelitian ini adalah pohon keputusan dari metode decision tree yang dapat digunakan sebagai penunjang keputusan dalam penentuan klasifikasi resiko kesehatan ibu hamil

KOMPARASI METODE DATA MINING UNTUK PENENTUAN PROSES PERSALINAN IBU MELAHIRKAN Hilda amalia; Evicienna Evicienna
Jurnal Sistem Informasi Vol. 13 No. 2 (2017): Jurnal Sistem Informasi (Journal of Information System)
Publisher : Faculty of Computer Science Universitas Indonesia

Proses Persalinan merupakan hal yang dinanti oleh setiap ibu yang sedang melahirkan. Dalam proses persalinan terdapat dua jenis proses persalinan yaitu secara normal atau sesar. Dalam proses per-salinan terdapat resiko persalinan yang dihadapi yaitu komplikasi ibu melahirkan yang dapat mem-perburuk kondisi ibu melahirkan. Resiko terburuk yang dapat saja terjadi adalah kematian ibu dan/ atau bayi yang baru dilahirkan. Data mining merupakan metode yang populer digunakan untuk menggali pola atau ilmu pengetahuan dari tumpukan data yang besar. Dalam penelitian ini dilakukan komparasi metode data mining untuk pengolahan data ibu melahirkan dengan menggunakan algo-ritma C4.5, naive bayes dan neural network. Dari penelitian diketahui nilai akurasi untuk pengolahan data ibu melahirkan untuk penentuan proses persalinan dengan metode naive bayes yaitu 94%, neural network 936%, dan algoritma C4.5 yaitu 90%.

Peningkatan Kinerja Metode Naive Bayes Dengan Particle Swarm Object Untuk Dataset Pemilihan Metode Melahirkan Hilda Amalia; Rafi Zuhud Agungsyah; Fenny Ayu Lestari; Ade Fitria Lestari; Ari Puspita; Sriyadi Sriyadi
SWABUMI (Suara Wawasan Sukabumi): Ilmu Komputer, Manajemen, dan Sosial Vol 11, No 2 (2023): Volume 11 Nomor 2 Tahun 2023
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v11i2.17138

Melahirkan merupakan fase terakhir yang harus dilalui seorang ibu untuk bertemu dengan bayi yang dikandungnya selama kurang lebih 38 minggu. Pemilihan proses persalinan yang tepat akan mempengaruhi keselamatan ibu dan bayinya. Secara umum proses melahirkan dapat dilakukan dengan dua cara, yaitu secara normal atau melalui operasi yang lebih dikenal dengan operasi caesar. Dalam praktiknya, pemilihan proses penyampaian tidak selalu berjalan sesuai rencana. Bila seorang ibu ingin melahirkan secara normal, namun beberapa faktor dan kondisi tidak memungkinkan untuk dilakukan proses tersebut, maka akan dilakukan operasi caesar. Dalam hal ini digunakan ilmu data mining dengan metode Naive Bayes untuk mengambil keputusan mengenai pemilihan proses pengiriman yang tepat. Pengolahan data menggunakan metode naïve Bayes akan meningkatkan kinerjanya dengan menggunakan algoritma Particle Swarm Optimization (PSO). hasil penelitian adalah nilai akurasi metode naïve bayes sebesar 70,83% sebagai prediksi pilihan melahirkan. Dan hasil penggunaan metode optimasi PSO pada metode naïve Bayes memperoleh nilai akurasi sebesar 91,77%. Childbirth is the final phase that a mother must go through to meet the baby she has been carrying for approximately 38 weeks. Choosing the right delivery process will affect the safety of the mother and baby. In general, the process of giving birth can be done in two ways, namely normally or through surgery, which is better known as a cesarean section. In practice, the choice of delivery process does not always go according to plan. When a mother wants to give birth normally, but several factors and conditions do not allow the process to be carried out, it will be done by caesarean section. In this case data mining science is used with the Naive Bayes method to make decisions regarding the selection of the right delivery process. Data processing using the naïve Bayes method will improve its performance using the Particle Swarm Optimization (PSO) algorithm. the results of the research are the accuracy value of the naïve Bayes method of 70.83% as a prediction of the choice of giving birth. And the results of using the PSO optimization method on the naïve Bayes method obtained an accuracy value of 91.77%.

Co-Authors Ade Fitria Lestari Akhmad Syaiin Ari Puspita Erna Yuliani Evicienna Evicienna Fenny Ayu Lestari Rafi Zuhud Agungsyah Riana Rahmadanti Shafa Salsabila4 Sriyadi Sriyadi Sriyadi Sriyadi Y Yunita Yunita Yunita

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search