Articles
<![CDATA[Analisa Recall dan Precision Menggunakan VSM pada Kasus Text Mining ]]>
<![CDATA[Warnia Nengsih]]>
<![CDATA[ InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 5, No 1 (2020): InfoTekJar September ]]>
Publisher : <![CDATA[Universitas Islam Sumatera Utara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30743/infotekjar.v5i1.2663
<![CDATA[Text Mining merupakan proses pengolahan untuk mengetahui pola-pola yang tidak terstruktur. Pola yang tidak terstruktur tersebut bisa ditemukan pada objek seperti jurnal, artikel, novel, buku dan sejenisnya. Implementasi fitur yang sering digunakan adalah teknik pencarian file atau dokumen yang memenuhi unsur efektif dan efisiensi. Pencarian file atau dokumen sangat ditentukan oleh ketepatan dan kesesuaian dokumen yang dipanggil dengan kata kunci yang digunakan. Semakin tepat kata kunci yang diinputkan semakin relevan dengan hasil yang ditampilkan. Agar hasil pencarian sesuai dengan keyword yang dimasukkan maka dibutuhkan algoritma pencarian Vector Space Model. Vector Space Model merupakan algoritma yang digunakan untuk melihat relevansi antara kata kunci dengan hasil pencarian yang ditampilkan. Dari hasil perhitungan recall dan precission, sistem dapat melakukan pengembalian dokumen sesuai dengan kata kunci yang dimasukkan pengguna. Dimana nilai recall yang diperoleh sebesar 100%. Pencarian menggunakan metode Vector Space Model dapat memberikan hasil yang maksimal dalam melakukan pencarian dokumen.]]>
<![CDATA[Classification of cendrawasih birds using convolutional neural network (CNN) keras recognition ]]>
<![CDATA[Warnia Nengsih]]>;
<![CDATA[Ardiyanto Ardiyanto]]>;
<![CDATA[Ayu Putri Lestari]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 13, No 3 (2021) ]]>
Publisher : <![CDATA[Prodi Teknik Informatika FIK Universitas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v13i3.865.259-265
<![CDATA[Classification is part of predictive modeling and supervised learning. This method is used to determine the data class based on the previous value. In solving certain cases, there are various classification methods with varying degrees of accuracy. Convolutional Neural Network (CNN) is part of the Multilayer Perceptron (MLP) for processing two-dimensional data. CNN is also part of the Deep Neural Network and is applied to image objects. From several sources, it is stated that the classification process using images is not properly implemented in this MLP. Of course, this will result in the accuracy of the method in handling certain cases. In this study, the object classification process uses hard recognition to determine the accuracy value of the method using the object of the bird of paradise. From the results of this study, a training model was conducted using 10 ephocs with an accuracy value of 0.0850 while a loss value of 2.5658. So these results indicate that MLP can successfully complete the classification process using images.]]>
<![CDATA[GIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model ]]>
<![CDATA[Warnia Nengsih]]>
<![CDATA[ Jurnal Komputer Terapan Vol. 2 No. 1 (2016): Jurnal Komputer Terapan ]]>
Publisher : <![CDATA[Politeknik Caltex Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (414.927 KB)
<![CDATA[Indikator ukur perkembangan sebuah wilayah dapat dilihat dari pembangunan yang merata dari segala bidang, salahsatunya adalah pembangunan infrakstruktur. Seyogyanya pembangunan infrastruktur mempertimbangkan banyak hal, diantaranya tata letak , kemudahan akses serta peningkatan kuantitas dan kualitas yang berkelanjutan. Belum adanya sebuah sistem akurat yang memberikan informasi lahan kosong layak bangun pada sebuah wilayah menyulitkan dinas terkait pada saat proses pengidentifikasian dan pemantauan lahan dan pemberian ijin dalam mendirikan bangunan. Sistem yang akan dibangun berupa Sistem Informasi Geografis berbasis web yang memberikan informasi posisi lahan layak bangun, ukuran lahan yang tersedia serta akses lahan ke berbagai fasilitas umum yang terdekat. Sistem dikombinasikan dengan datamining menggunakan teknik k-means clustering untuk mengetahui indikasi pengelompokkan sub wilayah-wilayah pada sebuah wilayah.]]>
<![CDATA[CNN Modelling Untuk Deteksi Wajah Berbasis Gender Menggunakan Python ]]>
<![CDATA[warnia nengsih]]>
<![CDATA[ Jurnal Komputer Terapan Vol. 6 No. 2 (2020): Jurnal Komputer Terapan ]]>
Publisher : <![CDATA[Politeknik Caltex Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (590.147 KB)
|
DOI: 10.35143/jkt.v6i2.3679
<![CDATA[Face detection (Face Detection) is the Utilization of Biological data (Biometrics) by identifying physical features that exist in humans. Digitalization of gender recognition as a technology to recognize human gender by distinguishing the faces of women and the faces of men based on the Extraction features. The existence of this system can be applied implementatively for automatic surveillance systems and monitoring systems or market segmentation based on demographic trends and can also be applied to restrict access to a room. This research uses Convolutional Neural Network (CNN). CNN is a type of neural network where this method can be used on image data. CNN has the ability to recognize objects in an image. In total, the dataset used has 40 attribute annotations to describe female and male images. This face detection system uses python and Keras as an open source Machine Learning library for nerve networks, developed to make the application of deep learning models. With this system provides an accuracy analysis in gender detection so that it can be developed for more implementative research. The number of images must be balanced to get good performance for modeling, each model will have a training folder, validation and test data. The number of images that are not balanced can affect the performance of the CNN model. The model is built using transfer learning from InceptionV3 where modeling can recognize gender with an accuracy of 92.6%]]>
<![CDATA[Pemodelan Data dengan Skema Galaksi pada Data Lulusan ]]>
<![CDATA[Dini Nurmalasari]]>;
<![CDATA[Dini Hidayatul Qudsi]]>;
<![CDATA[Mutia Sari Zulvi]]>;
<![CDATA[Warnia Nengsih]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Indikator kebijakan pada bagian akademik mengacu kepada Standar Nasional Pendidikan Tinggi (SN Dikti). Berdasarkan pasal 54 UU Dikti, SN Dikti merupakan satuan standar yang meliputi standar nasional pendidikan, ditambah dengan standar penelitian, dan standar pengabdian kepada masyarakat. Standar Pendidikan Tinggi yang ditetapkan oleh setiap Perguruan Tingg terdiri atas sejumlah standar dalam bidang akademik dan nonakademik. Indikator yang ada pada SN Dikti terdiri dari indikator yang bersifat kuantitatif dan kualitatif. Saat ini untuk menghasilkan data yang dibutuhkan untuk pelaporan Standar Mutu Perguruan Tinggi, masih dilakukan secara manual melalui penggabungan dari beberapa sistem informasi yang ada di Politeknik Caltex Riau (PCR). Hal ini mengakibatkan beberapa kendala diantarnya lamanya proses untuk mendapatkan data, data tidak konsisten, dan mengganggu kinerja sistem informasi transaksional yang ada. Pada penelitian ini dilakukan pemodelan data secara multidimensi, yang bertujuan untuk mengintegrasikan semua data yang dibutuhkan, sehingga dapat memberikan solusi terhadap permasalahan saat ini. Pemodelan dilakukan dengan pendekatan model skema galaksi (fact constallation schema) yang diharapkan dapat memaksimalkan waktu proses, sehingga dapat mempercepat kinerja dari data warehouse yang dibangun. Dari hasil penelitian yang telah dilakukan, kesederhanaan query skema galaksi berpengaruh pada kecepatan waktu query, akurasi dan konsistensi data.]]>
<![CDATA[Coarse-Grained Sentiment Analysis Berbasis Natural Language Processing – Ulasan Hotel ]]>
<![CDATA[Warnia Nengsih]]>;
<![CDATA[M. Mahrus Zein]]>;
<![CDATA[Nazifa Hayati]]>
<![CDATA[ Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 10 No 1: Februari 2021 ]]>
Publisher : <![CDATA[Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1387.91 KB)
|
DOI: 10.22146/jnteti.v10i1.548
<![CDATA[Sentiment analysis is a method for obtaining data from various platforms available on the internet. Advances in technology enable the machine to recognize a term that is considered a positive opinion and vice versa. These data and opinions play an important role as product, services, or other topic feedback. Without the need to obtain an opinion directly from the public, the provider has obtained an important evaluation to develop themselves. Hospitality business is a field related to services, providing services to customers. Indicators of business continuity also depend on customer feedback and serve as a reference for strategic policy. Sentiment analysis techniques based on Natural Language Processing are expected to overcome these problems. In this study, the prediction uses a temporary Random Forest (RF) classifier to summarize the quality of the classifier then it can be done using the Receiver Operating Characteristic (ROC) curve. The ROC curve is a good graphic to summarize the quality of the classifier. The higher the curve is above the diagonal line, the better the prediction, with the ROC Curve value of 0.90. The result shows that positive reviews are more than the negative reviews, i.e., 68% and 32%, respectively.]]>
<![CDATA[Forecasting Analysis on Land Detection System Based on Geographic Information System ]]>
<![CDATA[Warnia Nengsih]]>
<![CDATA[ IJITEE (International Journal of Information Technology and Electrical Engineering) Vol 1, No 3 (2017): September 2017 ]]>
Publisher : <![CDATA[Department of Electrical Engineering and Information Technology,Faculty of Engineering UGM ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1397.368 KB)
|
DOI: 10.22146/ijitee.31954
<![CDATA[Geographic Information System (GIS) is an information system that performs geographic-based data visualization. The system performs mapping between various data points based on geographical location. Difficulties in mapping land in a region is the basis for the development of GIS applications for the detection of land. This system does not only detect vacant land in a region, but it also provides identification of land, and provides information about the size of the land, the land position, as well as access to nearby public facilities. The system is developed using a mobile platform as a value system that is more flexible and dynamic. For the analysis of the forecasting in an area uses a multiple regression method involving three independent variables, namely the use of dry land, the use of building land and land use. The results of the predictive forecasting provides location points of interest and public facilities located in the location which make it easy to give consideration in selecting a location which is appropriate to build.]]>
<![CDATA[Implementasi Aplikasi E-Lapau Menggunakan Konsep Costumer Relationship Management ]]>
<![CDATA[Hajijah Noor]]>;
<![CDATA[Warnia Nengsih]]>;
<![CDATA[Dini Nurmala Sari]]>
<![CDATA[ Technologica Vol. 1 No. 1 (2022): Technologica ]]>
Publisher : <![CDATA[Green Engineering Society ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (835.875 KB)
|
DOI: 10.55043/technologica.v1i1.28
<![CDATA[Perkembangan toko Online saat ini menjadi sebuah alternatif pilihan untuk mendapatkan Costumer dalam jumlah dan jangkauan geografis yang lebih luas. Aplikasi e-lapau merupakan aplikasi lapau elektronik yang dirancang seperti layaknya toko Online lainnya. E-lapau menyediakan berbagai kebutuhan harian yang dibutuhkan seperti sembako, sayur mayur dan bahan kering lainnya. Permasalahan saat ini adalah menjamurnya toko Online sejenis sehingga menyebabkan lingkup Costumer menjadi lebih kecil, serta kemungkinan Costumer lama akan berpindah dan meninggalkan toko Online yang sudah berjalan. Lingkup spesifik lainnya dari e –lapau ini adalah jangkauan Costumer yang menjadi target adalah Costumer- Costumer yang berada di perumahan-perumahan. Pada studi kasus ini yang menjadi objek penelitian adalah costumer perumahan yang berada di 12 Kecamatan di Kota Pekanbaru. Kenapa lingkup Costumer ditentukan, hal ini disebabkan karena Costumer yang diperoleh sudah jelas, tinggal bagaimana cara untuk mempertahankan dan meningkatkan Costumer baru kedepannya. Sehingga untuk mengatasi permasalahan tersebut diperlukan adanya Konsep Costumer Relationship Management pada e-lapau yang dibangun. Dengan adanya aplikasi e-lapau memudahkan proses transaksi penjualan dan pembelian serta dapat mempertahankan dan meningkatkan Costumer. Hal ini tentunya akan terkait dengan keuntungan bisnis yang sedang dijalankan.]]>
<![CDATA[Comparative Analysis to Determine the Best Accuracy of Classification Methods ]]>
<![CDATA[Warnia Nengsih]]>;
<![CDATA[Yuli Fitrisia]]>;
<![CDATA[Mardhiah Fadhli]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 14, No 2 (2022) ]]>
Publisher : <![CDATA[Prodi Teknik Informatika FIK Universitas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v14i2.1128.134-141
<![CDATA[The classification method is one of the methods of supervised learning and predictive learning. This method can be used to detect an object in the image presented, whether it is in accordance with the existing object in the training phase. There are several classification methods used, including Support Vector Machine (SVM), K-Nearest Neighbors (K-NN) and Decision Tree. To determine the accuracy in detecting these objects, it is necessary to measure the accuracy of each classification method used. The object that becomes simulation in this research is the object image of Guava and Pear fruit. Testing using confusion matrix. The results showed that the Support Vector Machine (SVM) method was able to detect with an accuracy of 98.09%. Then the K-Nearest Neighbors (K-NN) method with an accuracy of 98.06%, then the Decision Tree method with an accuracy of 97.57%. From the results of the accuracy test, it can be concluded that basically these three classification methods have good accuracy with a difference of 0.49% and the overall average accuracy of the classification of the three methods is 97.89%]]>
<![CDATA[Sistem Informasi Distribusi Semen Berbasis Website dengan Pendekatan E-Supply Chain Management ]]>
<![CDATA[Ria Anjelina Agustin]]>;
<![CDATA[Warnia Nengsih]]>;
<![CDATA[Istianah Muslim]]>;
<![CDATA[Mutia Sari Zulvi]]>
<![CDATA[ Jurnal Sistem Informasi Vol 15, No 2 (2023) ]]>
Publisher : <![CDATA[Universitas Sriwijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36706/jsi.v15i2.22326
<![CDATA[Semen merupakan produk yang memiliki peranan yang sangat penting dalam konstruksi bangunan. Besarnya peranan ini berdampak terhadap tingginya kebutuhan semen, di mana semakin banyak pembangunan, maka akan semakin tinggi permintaan semen di wilayah tersebut. Setiap wilayah memiliki perusahaan distributor yang menjadi perpanjangan tangan manufaktur dalam mendistribusikan dan memasarkan semen yang telah dihasilkan ke tangan agen dan retailer. Perusahaan bertanggung jawab untuk melakukan permintaan kepada manufaktur, menyalurkan semen dari manufaktur ke gudang serta mendistribusikan ke agen dan retailer. Salah satu perusahaan distributor semen adalah PT. Dumai Indah Sejati, perusahaan distributor Semen Padang dan Semen Dynamic yang berlokasi di Kota Dumai, Riau. Perusahaan ini melayani permintaan agen dan retailer semen di seluruh Provinsi Riau dan sekitarnya. Dalam pengelolaannya, perusahaan ini memiliki permasalahan pada monitoring proses distribusi, pengolahan laporan distribusi dan laporan persediaan yang masih manual dan terpisah. Hal ini mengakibatkan perusahaan mengalami kesulitan dalam perencanaan kebutuhan, pengelolaan proses distribusi dan persediaan barang. Mengatasi permasalahan tersebut, dirancang sebuah sistem informasi distribusi semen berbasis website dengan menggunakan pendekatan e-supply chain management yang mengimplementasikan metode Economic Order Quantity dan Reorder Point. Metode pengujian yang digunakan pada pengembangan sistem informasi ini yaitu black box testing, user acceptance testing (UAT) dan usability testing. Sistem ini menghasilkan laporan Sales Order, laporan Delivery Order serta laporan persediaan semen di Gudang. Sistem juga menghasilkan rekomendasi kuantitas yang paling ekonomis dan notifikasi waktu pengadaan semen yang paling sesuai dengan kebutuhan. Hasil pengujian Blackbox menyatakan bahwa sistem berjalan dengan baik. Hasil pengujian UAT pada admin dan staff yang menghasilkan nilai sebesar 100%, menunjukkan bahwa semua indikator uji dapat diterima oleh user dengan baik dan fungsionalitas dari sistem berjalan dengan baik, sehingga secara keseluruhan dapat meningkatkan kinerja perusahaan. Hasil usability testing dengan 4 aspek didapatkan nilai 97,92% yang artinya sistem dapat diterima sangat baik oleh user.]]>
