Article Per Year (5 Year)
p-Index From 2019 - 2024
1.182
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electrical Engineering and Informatics (IJEEI) CESS (Journal of Computer Engineering, System and Science) Jurnal Sistem informasi dan informatika (SIMIKA) JUKI : Jurnal Komputer dan Informatika Malcom: Indonesian Journal of Machine Learning and Computer Science SATIN - Sains dan Teknologi Informasi
Lola Oktavia
Universitas Islam Negeri Sultan Syarif Kasim Riau
Computer Science & IT Electrical & Electronics Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
KLASIFIKASI STATUS GIZI BAYI POSYANDU KECAMATAN BANGUN PURBA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Emir Ramon; Alwis Nazir; Novriyanto Novriyanto; Yusra Yusra; Lola Oktavia
Jurnal Sistem Informasi dan Informatika (Simika) Vol 5 No 2 (2022): Jurnal Sistem Informasi dan Informatika (Simika)
Publisher : Program Studi Sistem Informasi, Universitas Banten Jaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/simika.v5i2.2185

Abstract

This research was conducted to apply the Support Vector Machine algorithm in the process of classifying the nutritional status of infants under five. The nutritional status of early childhood can determine what kind of human resources as successors of a nation in the future. Good nutritional status plays an important role in determining the success or failure of efforts to increase human resources, so that data on the nutritional status of toddlers such as at the Posyandu, Bangun Purba District can be classified using Data Mining techniques using the Support Vector Machine algorithm. The results of this study using 80% of the data as training data and 20% of the data as training data are f1 score 0.865, accuracy 0.876, precision score 0.871, and recall score 0.876. The results showed that from a total of 347 data on the nutritional status of infants, there were 284 infants with good nutrition, 15 infants with poor nutrition, 23 infants with less nutrition, 8 infants with excess nutrition, 6 infants with obesity, and 11 infants at risk of overnutrition. Based on these results, there were 304 baby nutrition data that were classified correctly from a total of 347 baby data that were used as testing data. From this research, it can be concluded that the Support Vector Machine algorithm can classify infant nutrition data at the Posyandu, Bangun Purba District, well.
Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga BBM dengan Metode K-NN Tiara Dwi Arista; Yusra Yusra; Muhammad Fikry; Lola Oktavia
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

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

Abstract

Kenaikan harga Bahan Bakar Minyak (BBM) di Indonesia merupakan isu besar yang menjadi topik utama hingga saat ini. Kenaikan harga BBM di Indonesia telah belangsung sejak awal September 2022. Kebijakan pemerintah menaikkan harga BBM kemudian menimbulkan banyak opini dari kalangan masyarakat. Opini masyarakat terkait kebijakan pemerintah adanya sentimen positif dan negatif yang dapat dilihat melalui media sosial, seperti Twitter. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen masyarakat terhadap kenaikan harga BBM di Twitter. Jumlah data yang digunakan adalah 3000 tweet yang dikumpulkan berdasarkan kata kunci yaitu “Kenaikan BBM” dan “BBM naik”. Menerapkan metode K-Nearest Neighbor (K-NN), Feature Weighting (TF-IDF), dan Feature Selection (Threshold) akan dilakukan implementasi dengan menggunakan tools yaitu Google Collab . Berdasarkan hasil pengujian metode K-NN menggunakan matriks konfusi pada 10 nilai K yang berbeda (3,5,7,9,11,13,15,17,19,21) dengan mekanisme perbandingan yang digunakan 70:30, 80:20, dan 90:10 diperoleh akurasi paling tinggi sebesar 83,3% pada K=13 dan K=15 untuk perbandingan data training dan testing 90:10.
Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga Bahan Bakar Minyak dengan Metode Modified K-Nearest Neighbor Sofiah; Yusra; Muhammad Fikry; Lola Oktavia
SATIN - Sains dan Teknologi Informasi Vol 9 No 1 (2023): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (963.796 KB) | DOI: 10.33372/stn.v9i1.988

Abstract

Kenaikan harga Bahan Bakar Minyak menjadi salah satu tranding topic di kalangan masyarakat Indonesia, baik di dunia nyata maupun dunia maya khususnya di media sosial Twitter. Perkembangan teknologi informasi yang sangat pesat memudahkan masyarakat dalam menyebarkan informasi di sosial media. Naiknya harga BBM memunculkan opini masyarakat yang mengandung sentimen positif dan negatif. Penelitian ini dilakukan untuk mengetahui sentimen publik terkait kebijakan pemerintah yang menaikkan harga BBM serta menerapkan metode Modified K-Nearest Neighbor dalam pengklasifikasian sentimen pengguna Twitter terhadap kenaikan harga BBM. Modified K-Nearest Neighbor merupakan salah satu metode klasifikasi berdasarkan kemunculan kelas terbanyak pada data latih. Data yang digunakan adalah tweet dalam bahasa Indonesia berdasarkan kata kunci “kenaikan BBM” dengan jumlah dataset sebanyak 3.000 tweet. Pembobotan kata dengan menggunakan TF-IDF untuk melakukan klasifikasi sentimen ke dalam dua kelas positif dan negatif. Hasil dari penelitian ini adalah klasifikasi sentimen terhadap kenaikan harga BBM. Akurasi tertinggi didapat 83.33% pada data opini menggunakan perbandingan 90:10 dan K=3.
Application of K-Means Algorithm on Clustering Recipients of Non-Cash Food Assistance (NCFA) Said Nanda Saputra; Elin Haerani; Jasril Jasril; Lola Oktavia; Fadhilah Syafria
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.48026

Abstract

Persoalan Kemiskinan pada berbagai daerah Indonesia menjadi fokus perhatian. Program BPNT (Bantuan Pangan Non Tunai) bermaksud memangkas biaya pangan dan membagikan gizi yang sepadan terhadap KPM (Keluarga Penerima Manfaat). Penelitian ini menerapkan algoritma K-Means untuk menganalisis pola karakteristik penerima BPNT di Pekanbaru. Data yang digunakan berasal dari penelitian sebelumnya oleh Firza Syahputra dan dari Dinas Sosial Kota Pekanbaru tahun 2020-2021 dengan 732 data dan 41 parameter. Penerapan K-Means dilakukan melalui Google Colab. Melalui data mining dan metode clustering, ditemukan dua klaster dengan 666 data dalam klaster 1 dan 16 data dalam klaster 2. Evaluasi menggunakan Silhouette Score menunjukkan hasil yang baik, dengan nilai 0.9169796594018274. Penelitian ini berpotensi membantu pemerintah dalam mengambil keputusan yang efektif selama penyebaran bantuan pangan non tunai kepada rakyat yang membutuhkan. Dengan demikian, algoritma K-Means Clustering dapat mengidentifikasi pola karakteristik penerima BPNT dan membedakan kelompok yang layak dan tidak layak menerima bantuan.Poverty issues in various parts of Indonesia are the focus of attention. The NCFA (Non-Cash Food Assistance) program's purpose are to lower food consumption and give Beneficiary Families (BF) a healthy diet. The k-means technique use in this study to assess the distinctive patterns of NCFA grantees in Pekanbaru. The data used comes from previous research by Firza Syahputra and from Social Affairs Office Pekanbaru in 2020-2021 with 732 data and 41 parameters. The application of k-means is done through Google Colab. Through data mining and clustering methods, two clusters were found with 666 data in cluster 1 and 16 data in cluster 2. Evaluation using Silhouette Score showed good results, with a value of 0.9169796594018274. This research has the potential to assist the government in making effective decisions in distributing non-cash food help people in need. For the result, the k-means Clustering technique is able to recognize the traits of NCFA recipients and identify groups that are and are not eligible for aid.
The Success Factors in Measuring the Millennial Generation’s Energy-Saving Behavior Toward the Smart Campus Lola Oktavia; Okfalisa Okfalisa; Pizaini Pizaini; Rahmad Abdillah; Saktioto Saktioto
Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Vol 11, No 3: September 2023
Publisher : IAES Indonesian Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52549/ijeei.v11i3.4885

Abstract

The millennial generation has a pivotal role in leading the industrial digital revolution. Energy-saving behavior and millennials’ awareness of energy consumption for educational context become crucial in performing a smart campus. This study tries to identify the success factors in measuring the millennial generation’s energy-saving Behavior toward the smart campus. The measurement model considers two significant constructs, including energy-saving attitudes with energy-saving education (organizational saving climate); energy-saving education and environment knowledge (personal saving climate); and energy-saving information publicity as sub-indicators, and construct energy-saving Behavior viz sub-indicators Behavior regarding energy and behavior control. In order to determine the preference level of each indicator and sub-indicator, the Fuzzy Analytical Hierarchy Process (Fuzzy-AHP) approach was executed by disseminating the questionnaire to 100 respondents from energy practitioners, students, and academicians in Indonesia. The calculation reveals that the energy-saving behavior construct has a higher priority value (0.94) than the energy-saving attitude (0.06). Meanwhile, energy-saving education and environment knowledge (personal saving climate) have been analyzed at the cutting-edge sub-indicator, followed by energy-saving information publicity and education (organizational saving climate). In addition, the sub-indicator for behaviors regarding energy becomes more demanding compared to behavioral control. As a novelty, the priority analysis of this Model aids the management of the campus and government in developing smart campus policies and governance. This Model can be used as a guideline for the management level to execute the smart campus practices. Thus, the effectiveness and optimization of smart campus transformation can be cultivated and accelerated. Besides, the potential coming of risks can be avoidable.
Analisis Manajemen Risiko Teknologi Informasi pada KPU Menggunakan Cobit 5 Domain APO12: Analysis of Information Technology Risk Management at KPU Using Cobit 5 Domain APO12 Muhammad Aldi Wirayudha; Novriyanto Novriyanto; Teddie Darmizal; Lola Oktavia
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1225

Abstract

Komisi Pemilihan Umum adalah lembaga negara yang menyelenggarakan pemilihan umum di Indonesia. Sebagai penyelenggara pemilu, pemanfaatan teknologi informasi sangat penting untuk mendukung operasional bisnis dan meningkatkan kualitas organisasi. Oleh karena itu, penting bagi lembaga negara untuk menerapkan pengelolaan risiko teknologi informasi khususnya pada Komisi Pemilihan Umum Kabupaten XYZ guna mencegah terjadinya kerugian risiko serta meningkatkan efikasi dan efisiensi manajemen risiko teknologi informasi. Pengelolaan risiko teknologi informasi di KPU Kabupaten XYZ belum maksimal sehingga rentan terhadap kejadian risiko yang dapat berdampak negatif terhadap pelaksanaan tanggung jawabnya. Analisis manajemen risiko teknologi informasi di Komisi Pemilihan Umum Kabupaten XYZ khususnya pada aspek keamanan data, sistem informasi, dan infrastruktur TI bertujuan untuk menilai capability level dengan menggunakan framework COBIT 5 domain APO12 yang secara khusus mengatur manajemen risiko. Nilai kapabilitas organisasi yang ditentukan berdasarkan analisis domain APO12 adalah 1,35 yang menunjukkan bahwa organisasi telah mencapai level kapabilitas 1 (proses yang dilakukan). Artinya, proses manajemen risiko teknologi informasi telah diterapkan, namun masih belum terstruktur dan tidak konsisten. Agar proses APO12 mencapai level 2 (proses terkontrol), ditemukan celah 1 di setiap subdomainnya. Berdasarkan analisis kesenjangan, diberikan saran perbaikan. Rekomendasi ini akan menjadi landasan penilaian manajemen risiko teknologi informasi di KPU Kabupaten XYZ ke depan.
Co-Authors Abdillah, Rahmad Alwis Nazir Elin Haerani Emir Ramon Fadhilah Syafria Jasril Jasril Muhammad Aldi Wirayudha Muhammad Fikry Novriyanto Novriyanto Okfalisa Okfalisa Pizaini Pizaini Said Nanda Saputra Saktioto Saktioto Sofiah Teddie Darmizal Tiara Dwi Arista Yusra Yusra, Yusra