Article Per Year (5 Year)
p-Index From 2019 - 2024
2.33
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Nasional Komputasi dan Teknologi Informasi INFORMASI (Jurnal Informatika dan Sistem Informasi) Jurnal Computer Science and Information Technology (CoSciTech)
Elvia Budianita
Universitas Islam Negeri Sultan Syarif Kasim Riau
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
SISTEM PENENTUAN PENCERAMAH MASJID PARIPURNA KOTA PEKANBARU MENGGUNAKAN ALGORITMA PENGKLASTERAN K-MEANS Silfia Silfia; Rahmad Kurniawan; Nazruddin Safaat Harahap; Elvia Budianita; Fadhilah Syafria; Iwan Iskandar
JURNAL TEKNIK INFORMATIKA Vol 14, No 2 (2021): JURNAL TEKNIK INFORMATIKA
Publisher : Department of Informatics, Universitas Islam Negeri Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jti.v14i2.23750

Abstract

There are 903 mosques in Pekanbaru City, Riau Province. In 2016, the Pekanbaru City Government formed a Paripurna Mosque program which the Pekanbaru Paripurna Mosque Management Agency manages. Each mosque holds religious activities which a preacher fills. The mosque has a regular schedule of lectures with a short transition period for each type of religious activity held. Based on observations, the mosque management did not get complete information regarding the profile of the preacher. Furthermore, many preachers have canceled lecture schedules due to distance issues and the suitability of the lecturer's profile with the congregations. Therefore, a recommendation system using the K-means algorithm is necessary based on coordinate points, location access, and appropriate types of religious activities for the Pekanbaru Paripurna Mosque. This study also employed one hot encoding technique for non-numeric data. Based on the experimental testing results on the five clusters, the silhouette coefficient value is 0.945. Based on the results, it can be concluded that the system for determining the preachers of the Pekanbaru City Paripurna Mosque has the potential to be used.
Penerapan Algoritma Canny Dan LVQ 3 Untuk Klasifikasi Jenis Tanaman Mangga Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1389.558 KB)

Abstract

Tanaman Mangga merupakan jenis tanaman buah dengan nama ilmiah Mangifera Indica yang termasuk dalam marga Mangifera, mangga terdiri dari 35-40 anggota dan termasuk dalam suku Anacardiaceae. Identifikasi morfologi daun hasil persilangan antar jenis (intraspesifik) maupun antar sifat baru  yang  berbeda dari kedua tetuanya akan lebih memperkaya keragaman genetik tanaman mangga, sehingga sulit membedakan antar spesies mangga karena setiap jenis memiliki kemiripan satu dengan lainnya. Oleh karena itu, untuk dapat membedakan jenis tanaman mangga lokal dan mangga setelah dilakukan persilangan dibutuhkan suatu sistem informasi.  Pengambilan data  dilakukan melalui 2 tahapan yaitu menggunakan scanner dan kamera hp.  Metode yang digunakan untuk proses deteksi tepi dan ekstraksi ciri adalah algoritma canny dan Gray Level Co-occurence (GLCM). Proses klasifikasi menggunakan metode Learning Vector Quantization 3. Berdasarkan 2 bentuk citra dilakukan 3 kali pengujian , yaitu pengujian Learning Rate, window dan pembagian data. Berdasarkan hasil pengujian, didapatkan hasil akurasi tertinggi pada citra menggunakan kamera hp daun tampak depan yaitu 57 % pada pembagian data latih 70% dan data uji 30%.  Kata kunci: Mangga, LVQ 3, GLCM, Learning Rate, Window
Penerapan Algoritma Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Jumlah Jamaah Pendaftar Haji Provinsi Riau Elvia Budianita; Ihlal Hanafi Harahap; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Indonesia merupakan negara yang berpenduduk mayoritas muslim terbanyak dan terbesar di Asia Tenggara, dari jumlah total penduduk Indonesia tersebut 229 juta jiwa atau sekitar 87,2 % yang menganut agama Islam. kantor wilayah kementerian agama Provinsi Riau ini memiliki bidang penyelenggaraan haji dan umrah yang mempunyai tugas sebagai pelaksana dan pemberi layanan ibadah haji terhadap masyarakat yang meliputi pelayanan teknis. Di daerah Riau setiap bulannya jumlah pendaftar haji mengalami kenaikan dan penurunan yang signifikan. Penelitian ini bertujuan untuk melakukan prediksi terhadap jumlah jamaah pendaftar haji provinsi Riau. Data yang digunakan yaitu data primer yang di kumpulkan dan diolah dari Kantor Wilayah Kementerian agama Provinsi Riau. Data yang digunakan yaitu jumlah jamaah pendaftar haji perbulan dari tahun 2008 sampai dengan tahun 2021. Data tersebut akan di olah menggunakan metode backpropagation. Metode backpropagation adalah metode sistematika yang di pergunakan untuk melakukan peramalan atau prediksi tentang karakteristik atau kuantitas. Dari penelitian yang telah dilakukan menghasilkan aplikasi untuk memprediksi jumlah Jamaah pendaftar haji provinsi Riau dengan menggunakan time series data dan metode backpropagation. Hasil dari penelitian ini dengan learning rate 0.9, maks epoch 600 dengan arsitektur jaringan syaraf tiruan 12-12-1 dan pembagian data 90% : 10% menghasilkan akurasi MSE pengujian terkecil yaitu 0.03264. Hasil prediksi pada 3 bulan kedepan tahun 2021 terdapat beberapa kabupaten yang mengalami kenaikan jumlah pendaftar haji yang signifikan dan ada juga yang tidak mengalami kenaikan seperti pada bulan Agustus pada kabupaten siak. Sedangkan bulan agustus pada kabupaten kampar jumlah penumpang justru mengalami penurunan.Indonesia merupakan negara yang berpenduduk mayoritas muslim terbanyak dan terbesar di Asia Tenggara, dari jumlah total penduduk Indonesia tersebut 229 juta jiwa atau sekitar 87,2 % yang menganut agama Islam. kantor wilayah kementerian agama Provinsi Riau ini memiliki bidang penyelenggaraan haji dan umrah yang mempunyai tugas sebagai pelaksana dan pemberi layanan ibadah haji terhadap masyarakat yang meliputi pelayanan teknis. Di daerah Riau setiap bulannya jumlah pendaftar haji mengalami kenaikan dan penurunan yang signifikan. Penelitian ini bertujuan untuk melakukan prediksi terhadap jumlah jamaah pendaftar haji provinsi Riau. Data yang digunakan yaitu data primer yang di kumpulkan dan diolah dari Kantor Wilayah Kementerian agama Provinsi Riau. Data yang digunakan yaitu jumlah jamaah pendaftar haji perbulan dari tahun 2008 sampai dengan tahun 2021. Data tersebut akan di olah menggunakan metode backpropagation. Metode backpropagation adalah metode sistematika yang di pergunakan untuk melakukan peramalan atau prediksi tentang karakteristik atau kuantitas. Dari penelitian yang telah dilakukan menghasilkan aplikasi untuk memprediksi jumlah Jamaah pendaftar haji provinsi Riau dengan menggunakan time series data dan metode backpropagation. Hasil dari penelitian ini dengan learning rate 0.9, maks epoch 600 dengan arsitektur jaringan syaraf tiruan 12-12-1 dan pembagian data 90% : 10% menghasilkan akurasi MSE pengujian terkecil yaitu 0.03264. Hasil prediksi pada 3 bulan kedepan tahun 2021 terdapat beberapa kabupaten yang mengalami kenaikan jumlah pendaftar haji yang signifikan dan ada juga yang tidak mengalami kenaikan seperti pada bulan Agustus pada kabupaten siak. Sedangkan bulan agustus pada kabupaten kampar jumlah penumpang justru mengalami penurunan.
Optimasi Pada Radial Basis Function Menggunakan Tabu Search Untuk Menentukan Jenis Serangan Pada Jaringan Iwan Iskandar; Iis Afrianty; Elvia Budianita; suwanto sanjaya
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (515.372 KB)

Abstract

Serangan jaringan komputer semakin berkembang dan rentan dalam pembobolan sehingga merugikan pengguna jaringan. Keamanan jaringan merupakan hal yang sangat penting dalam perkembangan teknologi informasi dan dapat menimbulkan banyak masalah yang cukup serius terhadap keamanan suatu sistem jaringan komputer. Namun dengan banyaknya jenis serangan dapat dicegah secara dini. Pada penelitian ini dibuat sebuah aplikasi yang dapat membantu dalam mengklasifikasi jenis serangan pada jaringan komputer. Aplikasi ini menerapkan metode Radial Basis Function (RBF) yang telah dioptimasi menggunakan algoritma Tabu Search. Algoritma Tabu Search digunakan sebagai perbaikan bobot awal pada metode RBF. Data yang digunakan sebanyak 1000 data dari data KDD CUP 1999. Terdapat lima kelas jenis serangan yaitu normal, DoS, U2R, U2L dan probes. Pada pengujian data dibagi menjadi data latih 70%, 80%, 90% dan data uji 30%, 20%, 10%. Nilai spread yang digunakan bervariasi, diantaranya yaitu 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2 dan menggunakan epoch 1000. Hasil dari penelitian ini diperoleh target akurasi tertinggi mencapai 99% pada spread 1.2. Kesimpulan akhir penelitian ini telah berhasil menerapkan metode radial basis function yang telah dioptimasi menggunakan algoritma tabu search.
Klasifikasi Kepribadian Big Five Pengguna Twitter dengan Metode Naïve Bayes Yusra Yusra; Muhammad Fikry; Rinaldi Syarfianto; Reski Mai Candra; Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (258.681 KB)

Abstract

Untuk dapat memahami kepribadian seseorang, postingannya di media sosial dapat digunakan sebagai sumber informasi. Pada penelitian ini, metode Naïve Bayes digunakan untuk mengklasifikasikan kepribadian pengguna Twitter ke dalam salah satu dari lima kelas, yaitu Openness, Conscientiousness, Extraversion, Agreeableness, dan Neuroticism. Tweet diunduh dari 15 akun Twitter dengan menggunakan Twitter API, dengan total keseluruhan sebanyak 1.500 tweet. Setiap akun ditetapkan sifat kepribadian dominannya berdasarkan hasil kuesioner kepribadian yang diinterpretasikan oleh seorang pakar psikologi. Setiap tweet dipraproses menjadi huruf kecil, dibersihkan, ditokenisasi menjadi kata, ditemukan kata dasarnya, kemudian dihilangkan kata-kata yang tidak penting. Setiap kata dibobot berdasarkan frekuensinya. Dataset dibagi menjadi data latih dan uji dengan perbandingan 60:40, 70:30, 80:20 dan 90:10. Setelah dilakukan pengujian, diperoleh akurasi tertinggi pada perbandingan data latih dan uji 70:30 sebesar 86,66%
Implementasi Algoritma Canny Dan Backpropagation Untuk Mengklasifikasi Jenis Tanaman Mangga Elvia Budianita; Febi Yanto
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1397.384 KB)

Abstract

Indonesia merupakan negara yang banyak memiliki keanekaragaman jenis tanaman, salah satunya adalah tanaman mangga. Tanaman mangga banyak sekali di jumpai di Indonesia serta tanaman mangga memiliki banyak jenis diantaranya yaitu mangga golek, mangga apel dan lainnya. Meskipun tanaman ini banyak ditanam oleh orang, pengenalan jenis tanaman mangga juga masih kurang optimal. Pengenalan sebuah tanaman bisa dilihat dari bagian daun, karena setiap jenis tanaman mangga memiliki bentuk yang berbeda-beda.. Penelitian ini bertujuan untuk mengidentifikasi citra daun mangga menggunakan deteksi tepi Canny dan ekstraksi ciri tekstur GLCM (Grey Level Co-occurent Matrix) serta menggunakan metode klasifikasi Backpropagation. Pada penelitian ini menggunakan 2 tahapan pengambilan data yaitu menggunakan scanner dan kamera hp. Tanaman manggga yang digunakan terdiri dari 10 jenis untuk data scanner dan 5 jenis data kamera hp. Akurasi tertinggi didapat pada pengujian data scanner menggunakan 450 citra data dengan perbandingan 90% data latih :10% data uji yaitu sebesar 49% dengan menggunakan 1 hidden layer yang terdiri dari 1000 neuron dengan learning rate 0.01. Akurasi terendah pada pengujian perbandingan 90% data latih :10% data uji yaitu sebesar 31% menggunakan learning rate 0.001.
Klasifikasi Sentimen Terhadap Vaksin Covid-19 Menggunakan Algoritma C4.5 Pada Media Sosial Instagram Elvia Budianita; Muhammad Affandes
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Covid-19 (Corona Virus Disease 2019) merupakan virus baru yang ditemukan pada akhir tahun 2019 di China. Virus ini menyebar luas di dunia dan menyebabkan kerugian banyak hal. Salah satu cara yang dapat mencegah penyebaran virus ini adalah dengan vaksinasi. Banyak dari masyarakat yang memberikan tanggapan terhadap vaksinasi ini dari berbagai hal, salah satunya media sosial Instagram. Tanggapan masyarakat ini dapat dijadikan sebuah penelitian mengenai klasifikasi sentimen masyarakat terhadap vaksin menggunakan algoritma C4.5. Melakukan analisis sentimen bertujuan untuk mengetahui pendapat atau opini negatif atau positif terhadap sebuah masalah atau objek. Penelitian dilakukan dengan menggunakan data berjumlah 1200, dimana 600 merupakan data positif dan 600 data tidak positif. Algoritma C4.5 telah diuji menggunakan confusion matrix dengan perbandingan 70:30, 80:20, 90:10 dan memperoleh hasil akurasi terbaik 90%. Berdasarkan hasil pengujian menggunakan tahapan text processing dan algoritma C4.5 terhadap komentar mengenai vaksinasi diperoleh bahwa komentar tidak positif (negatif) lebih banyak dikenali sebagai komentar positif.
Penerapan Decision Tree dan Neural Network pada Penentuan Status Gizi Balita Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Beberapa penelitian tentang gizi telah banyak dilakukan. Diantaranya adalah masalah gizi dapat disebabkan oleh beberapa faktor. Meliputi pengetahuan ibu terhadap gizi anak, tingkat ekonomi, pekerjaan keluarga, bahkan lingkungan sekitar yang kurang baik. Pada penelitian ini, penentuan status gizi balita berdasarkan faktor pendidikan ibu, status ekonomi keluarga dan pekerjaan ayah dilakukan dengan pendekatan metode data mining decision tree C4.5 dan Neural Network menggunakan data Hasil Penimbangan Massal Balita Puskesmas Rimbo Data Kecamatan Pangkalan Koto Baru Kabupaten Lima Puluh Kota. Pada C4.5 memberikan hasil pohon keputusan dengan root adalah berat badan dan sebagai leaf adalah umur dan pendidikan ibu. Sedangkan tinggi badan, status ekonomi keluarga dan pekerjaan ayah tidak sebagai leaf pada pohon keputusan. Sedangkan pada Neural Network diperoleh hasil akurasi mencapai 97,27% yang menunjukan semua variable yang digunakan mempengaruhi hasil klasifikasi
Penerapan Learning Vector Quantization 3 Dalam Menentukan Bakat Anak Agung Syaiful Rahman; Elvia Budianita; Reski Mai Candra; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4398

Abstract

Abstrak - Banyaknya bakat anak yang tidak diketahui oleh sebagian besar Orang tua di Indonesia dikarenakan sedikitnya ahli anak sebagai tempat untuk konsultasi yang menjadi faktor utama dalam perMasalahan ini. Tujuan dari penelitian ini ialah agar para Orang tua dapat mempermudah dalam menggali potensi dalam diri anak mereka masing-masing, yakni dengan menggunakan jaringan saraf tiruan. Ada beberapa metode dalam jaringan saraf tiruan,  learning vector quantization 3 merupakan saah satu dari bagian tersebut. Bakat anak yang diambil merupakan bakat anak yang berdasarkan standar United State of Education America. Anak yang diteliti merupakan murid dari Sekolah Dasar Negeri 011 Titian Resak dengan rentang usia 10-12 tahun. Penelitian ini menunjukkan bahwa learning vector quantization 3 membutuhkan sedikitnya 5 kriteria dengan 30 variabel bakat anak sebagai dasar dari penelitian ini. Berdasarkan hasil yang didapatkan, sistem ini berhasil mengidentifikasi bakat anak dengan rentang pembagian 90% data latih dan 10% data uji dan parameter window (0.1,0.2,0.3), epsilon (0.1,0.2,0.3), alpha (0.1) sebesar 81.82%.Kata kunci : Bakat Anak, Learning Vector Quantization 3, Jaringan Saraf Tiruan Abstract - The number of children's taents that are not known by most parents in Indonesia is due to the lack of child experts as a place for consultation which is the main factor in this problem. The purpose of this research is that parents can make it easier to explore the potentia in their respective children, namely by using artificia neura networks. There are severa methods in artificia neura networks, learning vector quantization 3 is one of them. The taent of the child taken is the child's taent based on the standards of the United State of Education America. The children studied were students from the 011 Titian Resak State Elementary School with an age range of 10-12 years. This study shows that learning vector quantization 3 requires at least 5 criteria with 30 variables of children's taents as the basis of this research. Based on the results obtained, this system succeeded in identifying children's taents with a distribution range of 90% of training data and 10% of test data and parameters window (0.1.0.2.0.3), epsilon (0.1.0.2.0.3), apha (0.1) of 81.82% .Keyword : Child Talent, Learning Vector Quantization 3, Artificia Neura Network
Analisa Pola Makan Mahasiswa Penderita Gastritis (Maag) Dengan Menerapkan Metode Frequent Pattern-Growth (FP-Growth) Fitri Astuti; Elvia Budianita; Alwis Nazir; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4447

Abstract

Abstract— Gastritis is an inflammation that occurs in the walls of the stomach. Young and mature age belongs to the category of productive age, where the productive age is more at risk of developing gastritis. This study aims to find the diet of students of Sultan Syarif Kasim Riau Islamic University by applying the fp-growth algorithm. This study used 502 records of data obtained from interviews with several students of the Sultan Syarif Kasim Riau Islamic University. The attributes used are faculty, semester, gender, place to live, busy college schedule solutions, the habit of consuming staple foods, snacks, instant noodles, fast food, spicy food, coffee, soft drinks, and snacks. Based on the results of the implementation of the application that was built and tested using the RapidMiner tools with a minimum support of 6%, and a minimum confidence of 100%, 4 patterns were found with a lift ratio of 1.88. From the 4 association patterns produced, it can be concluded that students with gastritis who have the habit of consuming staple food 2 x / day, spicy food and fast food 2-3 x / week or 4-5 x / week, consume coffee sometimes or 1 x / week, and endure hunger as a solution to a busy college schedule, the student is a student who lives in a boarding house / rented.Keywords : Data Mining, Pattern Association, FP-Growth, Gastritis Disease Abstrak— Gastritis adalah peradangan yang terjadi pada dinding lambung. Usia muda dan dewasa termasuk dalam kategori usia produktif, dimana usia produktif lebih berisiko terkena gastritis. Penelitian ini bertujuan untuk menemukan pola makan mahasiswa Universitas Islam Sultan Syarif Kasim Riau dengan menerapkan algoritma fp-growth. Penelitian ini menggunakan 502 records data yang diperoleh dari hasil wawancara terhadap beberapa mahasiswa Universitas Islam Sultan Syarif Kasim Riau. Atribut yang digunakan adalah fakultas, semester, jenis kelamin, tempat tinggal,  solusi jadwal kuliah padat, kebiasaan mengkonsumsi makanan pokok, makanan ringan, mie instan, fast food, makanan pedas, kopi, minuman bersoda, dan jajanan. Berdasarkan hasil implementasi aplikasi yang dibangun dan pengujian menggunakan tools RapidMiner dengan minimum support 6% dan minimun confidence 100% ditemukan 4 pola dengan lift ratio 1,88. Berdasarkan 4 pola asosiasi yang dihasilkan dapat disimpulkan bahwa bahwa Mahasiswa penderita gastritis yang memiliki kebiasaan mengkonsumsi makanan pokok 2 x/hari, makanan pedas dan fast food  2-3 x/minggu atau 4-5 x/minggu, mengkonsumsi kopi kadang – kadang atau 1 x/minggu, serta menahan lapar sebagai solusi jadwal kuliah yang padat maka mahasiswa tersebut merupakan mahasiswa yang tinggal di kos/kontrakanKata kunci : Data Mining, Pola Asosiasi, FP-Growth, Penyakit Gastritis
Co-Authors Agung Syaiful Rahman Alwis Nazir Ammar Muhammad Damayanti, Elok Desra Rizki Riyandi Eka Pandu Cynthia Elin Haerani Fadhilah Syafria Febi Yanto Fitri Astuti Ihlal Hanafi Harahap Iis Afrianty Iwan Iskandar Jeki Dwi Arisandi Muhammad Affandes Muhammad Fikry Nanda Sepriadi Nazruddin Safaat Harahap Pizaini Rahmad Kurniawan Reski Mai Candra Rinaldi Syarfianto Silfia Silfia Suwanto Sanjaya Yusra, Yusra Zulkarnain Zulkarnain