Article Per Year (5 Year)
p-Index From 2019 - 2024
2.177
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Informatika InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Indonesian Journal on Software Engineering (IJSE) Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Komtika (Komputasi dan Informatika) Jurnal Teknoinfo Infotek : Jurnal Informatika dan Teknologi Indonesian Journal Computer Science (ijcs) CHAIN: Journal of Computer Technology, Computer Engineering and Informatics
Annida Purnamawati
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Prediksi Klasifikasi Pembangunan Merek Kosmetik Dengan Metode Enbag K-Logres Berdasarkan Keterlibatan Pengguna Facebook Fajar Sarasati; Lia Dwi Cahyanti; Annida Purnamawati; Riyan Latifahul Hasanah
Indonesian Journal on Software Engineering (IJSE) Vol 6, No 1 (2020): IJSE 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v6i1.8107

Abstract

Abstract: Building a brand new company that starts a business by conducting market research is intended to introduce new products and maintain existing businesses. But the market survey actually requires quite a lot of costs for transportation costs, brochure printing costs, more employee salaries and so forth. Surveys conducted offline also reach a less extensive market, less maximum results and less detail, and require more time. Based on the description above, the researchers conducted a study using Facebook performance metric data that assessed the construction of cosmetics brands using the K-Nearest Neighbor and Logistics Regression (SVM) algorithm by classifying which posts were the most desirable and less desirable by consumers, as well as measuring by the EnBag method K-LoGres of the two algorithms to improve the performance of the two proposed algorithms. Bagging technique was chosen because it has the advantage of being able to improve the measurement results and improve the accuracy of classification measurements by combining two or more algorithms. Based on the measurement results of Facebook metric data which assesses the development of cosmetic brands with the K-NN algorithm it gets an accuracy of 68.67% and a Logistic Regression (SVM) of 72.67% then the two algorithms are processed using the EnBag K-LoGres method getting an accuracy of 73.91%. Based on the results of measurements with the EnBag K-LoGres method the results increased by 1.24%.Keywords: Brand Development, Cosmetics, K-Nearest-Neighbour, Logistic (SVM), EnBag K-LogresAbstrak: Membangun merek perusahaan yang baru memulai usaha dengan melakukan riset pasar dimaksudkan untuk memperkenalkan produk baru serta mempertahankan usaha yang sudah ada. Namun survei pasar justru membutuhkan biaya yang cukup banyak untuk biaya transportasi, biaya cetak brosur, gaji karyawan lebih banyak dan lain sebagainya. Survei yang dilakukan secara offline juga menjangkau pasar kurang luas, hasil kurang maksimal dan kurang merinci, serta membutuhkan waktu yang lebih lama. Berdasarkan uraian diatas maka peneliti melakukan penelitian dengan memanfaatkan data metrik kinerja facebook yang menilai pembangunan merk kosmetik dengan menggunakan algoritma K-Nearest Neighbourdan Logistic Regreesion (SVM) dengan mengklasifikasikan postingan mana yang paling diminati dan kurang diminati oleh konsumen, serta melakukan pengukuran dengan metode EnBag K-LoGres dari kedua algoritma untuk meningkatkan kinerja kedua algoritma yang diusulkan. Teknik bagging dipilih karena memiliki kelebihan dapat memperbaiki hasil pengukuran serta meningkatkan akurasi dari pengukuran klasifikasi dengan menggabungkan dua atau lebih algoritma. Berdasarkan hasil pengukuran data metrik facebook yang menilai pembangunan merek kosmetik denganalgoritma K-NN memperoleh akurasi sebesar 68.67% dan Logistic Regression (SVM) sebesar 72.67% selanjutnya kedua algoritma diproses dengan metode EnBag K-LoGres mendapat akurasi sebesar 73.91%. Berdasarkan hasil pengukuran dengan metode EnBag K-LoGreshasilnya mengalami kenaikan sebesar 1.24 %.Kata kunci: Pembangunan Merek, Kosmetik, K-Nearest Neighbour, Logistic Regression (SVM), EnBag K-LoGres
Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN Annida Purnamawati; Wawan Nugroho; Destiana Putri; Wahyutama Fitri Hidayat
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 5, No 1 (2020): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v5i1.2934

Abstract

Pertanian sebagai salah satu sektor industri menjadi bagian pekerjaan yang menunjang pemenuhan kebutuhan makanan pokok masyarakat seperti tanaman pangan. Tanaman padi merupakan tanaman pangan yang rentan terserang hama. Pengenalan terhadap jenis hama yang menyerang merupakan langkah awal yang sangat penting untuk menunjang keberhasilan dalam usaha pengendaliannya. Hama tanaman padi tersebut dapat menjadi kendala bagi petani untuk bisa meningkatkan produksi. karena hama tersebut dapat merusak tanaman padi hingga membuat gagal panen. Oleh sebab itu perlu dilakukan deteksi klasifikasi pada hama daun padi untuk mencari akurasi dengan menggunakan perbandingan berbagai macam metode algoritma yaitu dengan Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN. Sehingga diharapkan mampu menangani hama secara tepat, agar tidak terjadi kerusakan dan gagal panen. Dengan menggunakan dataset Rice Leaf Diseases Detection untuk Deteksi dan Klasifikasi Penyakit Padi. Dataset ini memiliki tiga kelas/penyakit yang diantaranya yaitu: Bakteri daun busuk, bercak coklat, dan daun api, masing-masing memiliki 40 gambar dengan format gambar jpg. Dari perbandingan ke lima metode algoritma tersebut dapat dihasilkan 3 macam model yaitu Model Overfit (Random Forest, Decission Tree dan Naive Bayes), Model Underfit (SVM) dan Good Models (KNN). Jadi metode terbaik diantara kelima tersebut yaitu metode KNN dengan nilai akurasi 87%, karna model ini konsisten baik pada kedua evaluasi. KNN tidak terbukti memiliki masalah overfiting karena secra konsisten berkinerja baik pada data train dan data test.Agriculture as one of the industrial sectors has become a part of the work that supplies people's basic food needs, such as food crops, rice is a food that is susceptible to pests. Identifying the host of pests is a vital first step toward promoting success in its control. The pest of the rice plant can pose a challenge for farmers to increase production. Because such pests can damage the crops to the point of failure. It is therefore necessary to assess the classification of rice leaf pests for accuracy by using a variety of algorithm-based methods of decision tree, random forest, naive bayes, SVM and KNN in the hope that farmers will soon discover the type of rice pests and their ferocity levels. And so it is expected to be able to handle eve properly, lest the damage and failure of the harvest, by using datassets Rice leaf diseases diseases diseases to detect and classification rice diseases. This datasset has three classes The underlying diseases: leaf rot, chocolate patches, and fire leaves produce 40 images each with JPG in their format. In comparison to the five possible methods of the algorithm, the three types of models are the overfit models (Random Forest, Decission Tree dan Naive Bayes), Model Underfit (SVM) dan Good Models (KNN). So the fifth prime method, however, is the KNN method with an accuracy of 87%, because it is consistent with both evaluations. KNN has no evidence of overfiting problems because it consistently performs well on train data and test data.
PREDIKSI TINGKAT KESUKSESAN PROMOSI BANK DENGAN ALGORITMA DNN Oscar Oscar; Nurlaelatul Maulidah; Annida Purnamawati; Destiana Putri; Hilman F Pardede
Jurnal Informatika Vol 21, No 1 (2021): Jurnal Informatika
Publisher : IIB Darmajaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30873/ji.v21i1.2866

Abstract

Telemarketing is one effective way for promoting products. However, it is often difficult to measure the success of telemarketing. Therefore, a way to predict the success rate of telemarketing, and hence strategies could be planned to increase the success rate. In this study, we evaluate several implementations of machine learning for prediction the success of telemarketing. The evaluated methods are Deep Neural Network (DNN), Random Forest, and K-nearest neighbor (K-NN). We validate our experiments using 10-fold cross validation and our experiments show that DNN with 3 hidden layers outperforms other methods. Accuracy of 90% is achieved with the DNN. It is better than Random Forest and KNN that achieve accuracies of algorithm and 88% and 89%.Keywords— Bank Marketing, DNN, KNN, Random Forest.
ANALISIS CART (CLASSIFICATION AND REGRESSION TREES) UNTUK PREDIKSI PENGGUNA SEPEDA BERDASARKAN CUACA Annida Purnamawati; Monikka Nur Winnarto; Mely Mailasari
Jurnal Teknoinfo Vol 16, No 1 (2022): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i1.1478

Abstract

Penelitian ini menyajikan model klasifikasi berbasis aturan untuk prediksi pengguna sepea berdasarkan cuaca. Pengguna sepeda sangat populer karena kenyamanan dan kelestarian lingkungan menjadi meningkat. Data yang digunakan  merupakan data publik dari Bike Sharing Dataset yang diambil dari Kaggle. Data tersebut memiliki data pengguna sepeda setiap jam. Dengan dataset tersebut penulis berhasil menemukan akurasi dari metode CART yang menjelaskan hasil akurasinya mencapai 96%. Hasil dari penelitian tersebut dengan menunjukkan arsitektur perkiraan distribusi di bawah berbagai sepeda dengan spatiotemporal variable, pendistribusian penggunaan dan waktu termasuk di merupakan variabl yang paling berpengaruh dalam prediksi pengguna sepeda tersebut.
IMPLEMENTATION OF THE SCRUM MODEL IN THE DEVELOPMENT OF ONLINE SALES SYSTEMS OF MSMEs DURING THE COVID-19 PANDEMIC Wahyutama Fitri Hidayat; Annida Purnamawati; Fajar Sarasati
Techno Nusa Mandiri: Journal of Computing and Information Technology Vol 18 No 1 (2021): TECHNO Period of March 2021
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/techno.v18i1.1896

Abstract

A global pandemic or epidemic indicates a covid-19 infection that is very fast spreading throughout the world, including Indonesia. This has an impact on several sectors, one of which is the economic sector. There are various things that have caused the economic sector to be touched by the impact of the covid-19 virus, including government policies at both the central and regional levels that issued several regulations relating to restrictions on community mobility. Indirectly, things related to mobility restrictions or what is currently known as Pembatasan Sosial Berskala Besar (PSBB) have an impact on consumer behavior to switch to making purchases online. To address this, the online sales system is considered to be a solution for MSMEs to continue the buying and selling process. Using the Scrum model as a more efficient system development, feedback between users and developers who can work better to create a more interactive system. The results of this study are a website that can be used by UMKM as a means of selling their business products amid the Covid-19 pandemic.
SISTEM INFORMASI AKADEMIK PADA SMPIT TAMBUN ISLAMIC SCHOOL BEKASI DENGAN METODE WATERFALL Mely Mailasari; Monikka Nur Winnarto; Annida Purnamawati
Jurnal Teknoinfo Vol 16, No 2 (2022): Juli
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i2.2005

Abstract

Pengolahan data akademik siswa pada SMPIT Tambun Islamic School Bekasi saat ini masih menggunakan Microsoft Excel sehingga masih terjadi kekeliruan dalam memproses data nilai, data kelas, data guru dan sata siswa serta jadwal pelajaran. Selain itu dibutuhkan waktu yang lama dalam pembuatan laporan serta orang tua siswa harus datang ke sekolah untuk mendapatkan informasi akademik anak-anaknya. Dari permasalahan tersebut diperlukan suatu sistem informasi berbasis web untuk mempermudah pengolahan data menjadi cepat dan tepat. Sistem informasi akademik SMPIT Tambun Islamic School Bekasi menggunakan metode pengembangan perangkat lunak waterfall yang memiliki tahapan terstruktur terdiri dari analisis kebutuhan, desain, pengkodean, pengujian dan pemeliharaan. Hasil akhir penelitian ini adalah sebuah web sistem informasi akademik yang dapat diakses oleh guru untuk melihat data siswa, menginput nilai dan dapat diakses oleh siswa untuk melihat jadwal pelajaran serta hasil nilai pembelajarannya sehingga orang tua bisa melihat hasil nilai pembelajaran putra putrinya dimana saja kapan saja tanpa harus datang ke sekolah.
Sistem Informasi Penjualan Dan Pelelangan Pada Cv Java Ombus Dengan Metode Waterfall Annida Purnamawati; Rizki Tri Prasetio
Indonesian Journal Computer Science Vol. 1 No. 1 (2022): April 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (761.771 KB) | DOI: 10.31294/ijcs.v1i1.1105

Abstract

Teknologi informasi dari jaman kejaman akan terus berkembang seriing dengan perkembangan pakar computer yang selau berusaha untuk memberikan solusi pada berbagai bidang. Perkembangan teknologi salah satunya yaitu teknologi informasi yang bisa memberikan solusi untuk dapat meningkatkan efektifitas dan efisiensi dalam penjualan terutama. Ketika dilakukan survei pada CV Java Ombus, ditemukan permasalahan yaitu pengolahan data penjualan masih konvensional jadi terdapat keterlambatan dalam menyampaikan informasi kepada konsumen. Penjualan yang dari tahun ke tahun belum ada kenaikan sefignikan. Jadi dari pengumpulan data yang dilaukan dengan observasi dan awaancara yaitu dihasilkan sitem informasi website ini yang berfungsi untuk pengembangan perangkat lunak yang telah dipelajari dengan metode waterfall. Sistem penjualan dan pelelangan telah dibuat dengan website dengan menggunakan Bahasa pemrograman html, css, php serta dibantu dengan MySQL sebagai databasenya. Darisitu dapat dihasilkan system infotmasi penjualan dan pelelangan untuk membantu CV Java Ombus dalam melakukan kegiatannya dan dapat mempermudah pengelolaan data. Selain itu kelebihannya yaitu dengan membantu pembeli yang tertarik dengan pelelangan barang dapat dengan mudah menemukan informasi.
KLASIFIKASI JENIS TUMOR OTAK MENGGUNAKAN ARSITEKTURE MOBILENET V2 Monikka Nur Winnarto; Mely Mailasari; Annida Purnamawati
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 13, No 2 (2022): JURNAL SIMETRIS VOLUME 13 NO 2 TAHUN 2022
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v13i2.8821

Abstract

Tumor Otak merupakan penyakit mematikan yang menempati urutan ke-10 sebagai penyebab kematian baik pada pria maupun wanita. Angka mortalitas (jumlah kematian) akibat tumor otak adalah 4,25 per 100.000 penduduk per tahun.  Tumor pada otak dapat dideteksi melalui pemeriksaan Magnetic Resonance Imaging (MRI). Dengan mengolah citra yang dihasilkan oleh alat MRI dapat dikembangkan metode pendeteksian tumor otak yang mampu mendeteksi dan mengklasifikasika jenis tumor otak. Klasifikasi jenis tumor otak sangat penting bagi pasien dalam peningkatan perawatan. Dengan perawatan yang tepat, perencanaan, dan diagnosa yang akurat akan dapat meningkatkan harapan hidup pasien Tumor Otak. Klasifikasi menggunakan pemrosesan gambar tradisional telah secara bertahap digantikan oleh Deep Learning salah satunya adalah Convolutional Neural Network. Convolutional Neural Network (CNN) menggunakan arsitektur CNN MobileNetV2. MobilenetV2 memiliki score akurasi cukup tinggi, jumlah training parameters dan model size yang kecil namun memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi dan implementasi. Arsitektur MobileNetV2 mampu melakukan klasifikasi jenis tumor otak dengan baik yang dibuktikan dengan hasil akurasi sebesar 88.64%, nilai loss 0.3424, pada Confusion Matrik yang menunjukkan hasil klasifikasi yang benar lebih banyak daripada hasil klasifikasi yang salah dan dari 32 citra sample yang terlihat sejumlah 28 citra terdeteksi sesuai (benar).
Analisis Sentimen Aplikasi TikTok menggunakan Metode BM25 dan Improved K-NN Fitur Chi-Square Annida Purnamawati; Monikka Nur Winarto; Mely Mailasari
Jurnal Komtika (Komputasi dan Informatika) Vol 7 No 1 (2023)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v7i1.8938

Abstract

Saat ini kemajuan teknologi sangat pesat, begitu juga halnya penggunaan internet semakin meningkat. Perubahan tersebut didukung dengan berkembangnya media komunikasi yang membuat jumlah penggunaan internet meningkat dan mendorong persebaran informasi sangat cepat melalui aplikasi sosial media. Aplikasi TikTok merupakan salah satu sosial media di Indonesia yang sangat popular saat ini. Aplikasi TikTok memberikan wadah untuk membuat video dengan durasi 60 detik dan mempunyai banyak fitur seperti menambahkan musik, mengubah suara, memberikan filter, menambahkan efek dan stiker. Pengguna aplikasi tersebut dari anak dibawah umur sampai dengan yang sudah tua maka tidak sedikit pengguna memberikan ulasan positif maupun negatif. Maka dari itu pada penelitian ini membantu pengguna untuk menganalisis data ulasan tersebut dengan melakukan eksperimen menggunakan teknik klasifikasi sentimen menggunakan metode BM25 sebagai pembobotan kata, dan Improved K-NN sebagai penentu dalam memilih sentimen dengan menambahkan fitur Chi-Square guna untuk mengurangi jumlah kata dalam klasifikasi. Pengujian menggunakan 5 kali pengujian rasio fitur kemudian di dapatkan hasil terbaik dari rasio fitur 50% dan k = 20 sehingga memperoleh hasil terbaik yaitu nilai precision 70,03%, recall 67,22%, accuracy 83,33% dan f-measure 66,26%. Dapat disimpulkan untuk penambahan fitur seleksi dapat membantu meningkatkan hasil recall, f-measure, precision, dan accuracy.
Sistem Pendukung Keputusan Penentuan Produk Terbaik Menggunakan Metode Preference Selection Index Annida Purnamawati; Monikka Nur Winarto; Daniati Uki Eka Saputri
CHAIN: Journal of Computer Technology, Computer Engineering, and Informatics Vol. 1 No. 2 (2023): Volume 1 Number 2 April 2023
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/chain.v1i2.28

Abstract

The purpose of this research is to assist the company in determining the best product to use based on production results so that it can increase customer satisfaction in using and consuming products sold using the preference selection index method. The application of the preference selection index method in determining the best product will result in a comparison of the values of all product data produced in the 1st quarter period. So that the developed decision support system can determine the best product according to predetermined criteria. The calculation of determining the best product using the preference selection index shows that the results of calculating the final value of the 1st best product get a final score of 0.9495 obtained for the Original Banana Chips product, the 2nd best product gets a final score of 0.8969 obtained for the Banana Chips product Balado Hijau and the 3rd best product with a final score of 0.8783 was obtained for the Milk Banana Chips product.
Co-Authors Daniati Uki Eka Saputri Destiana Putri Destiana Putri Fajar Sarasati Fajar Sarasati Hilman F Pardede Lia Dwi Cahyanti Mely Mailasari Monikka Nur Winnarto Nurlaelatul Maulidah Oscar Oscar Riyan Latifahul Hasanah Rizki Tri Prasetio Wahyutama Fitri Hidayat Wawan Nugroho