Article Per Year (5 Year)
p-Index From 2019 - 2024
1.152
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika Jurnal Teknologi Informasi dan Komputer Jurnal Eksplora Informatika Jurnal Informasi dan Komputer Jurnal aplikasi IPTEK
Ni Luh Ratniasih
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Mathematics Public Health Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Sistem Pendukung Keputusan PemberianKreditPadaLembaga Perkreditan Desa Pejeng Ni Made Astiti; Ni Luh Ratniasih
Jurnal Sistem dan Informatika (JSI) Vol 12 No 2 (2018)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (297.833 KB)

Abstract

Sistem Pendukung Keputusan (SPK) adalah sistem yang dapat membantu seseorang dalammengambil keputusan yang akurat dan tepat sasaran.Banyak permasalahan yang dapatdiselesaikan dengan menggunakan SPK, salah satunya adalah penentuan kelayakan nasabahpenerima kredit.LPD Desa Pejeng merupakan salah satu LPD yang melayani dan menawarkan kredit kepada masyarakat sekitarnya.Terdapat permasalahan dalam proses pemberian kredit pada LPD Desa Pejeng karena proses penentuan kredit masih dilakukan secara manual. Pada penelitian ini dibangun sebuah sistem pendukung keputusan pemberian kredit pada LPD Desa Pejeng dengan menggunakan metode Bayes.Tujuan penelitian adalah mengahsilkan sebuah sistem pendukung keputusan yang diharapkan dapat membantu pihak LPD dalam menentukan siapa yang layak menerima kredit, sehingga lebih efisien.Penelitian ini difokuskan pada implementasi dan pengujian sistem. Kriteria yang digunakan dalam penilaian kredit ini adalah watak, Capital (modal), Capacity (kemampuan), Collateral (jaminan), Condition of economy (kondisi ekonomi).Sistem dibangun dengan menggunakan visual studio 2008 dan MySQL sebagai database sistem.Sistem menghasilkan nilai ambang dari masing – masing kriteria yang digunakan untuk menentukan layak atau tidak menerima kredit. Ambang total merupakan nilai batas bawah kelayakan dari calon nasabah dalam hal penerimaan kredit, dimana nilai ambang total adalah 4.95.Apabila hasil perhitungan kelayakan penerimaan kredit calon nasabah lebih besar atau sama dengan ambang total, maka calon nasabah dinyatakan layak menerima kredit, sedangkan apabila lebih kecil nasabah akan ditolak.
Sistem Pakar untuk Mendiagnosa Penyakit Meningitis Menggunakan Metode Naïve Bayes Berbasis Web Ni Luh Ratniasih
Jurnal Sistem dan Informatika (JSI) Vol 12 No 2 (2018)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (230.111 KB)

Abstract

Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang dilakukan para ahli. Meningitis merupakan salah satu penyakit mematikan bagi penderitanya. Penyakit ini disebabkan oleh bakteri, virus maupun jamur. Kurangnya informasi tentang gejala – gejala penyakit meningitis serta minimnya informasi tentang penyakit ini menjadi penyebab utama tingginya tingkat kematian di kalangan masyrakat. Sehingga diperlukan sebuah sistem yang dapat memberikan informasi tentang penyakit meningitis. Tujuan penelitian ini adalah menghasilkan sebuah sistem pakar untuk mendiagnosa penyakit meningitis berbasis web. Penelitian ini difokuskan pada iplementasi sistem dan pengujian sistem. Sistem pakar ini diharapkan dapat membantu masyarakat dalam memperoleh informasi gejala – gejala penyakit meningitis serta solusinya. Sistem menerima masukan dari user berupa gejala yang dialami kemudian menghasilkan keluaran berupa kesimpulan apakah user menderita penyakit meningitis atau tidak. Metode yang digunakan dalam sistem pakar ini adalah metode Naïve Bayes. Sistem ini dibuat dengan menggunakan bahasa pemrograman PHP dan MySQL sebagai databasenya.
OPTIMASI DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN C4.5 UNTUK KLASIFIKASI KELULUSAN MAHASISWA Ni Luh Ratniasih
Jurnal Teknologi Informasi dan Komputer Vol 5, No 1 (2019): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (958.233 KB)

Abstract

ABSTRACTPresentation of data to produce information values is often displayed in the form of tabulations. If the data displayed has a small capacity, it may not be difficult to process the information. But if the data presented has a very large capacity, it is feared there are obstacles to absorbing information accurately and quickly. This is because that it takes a long time to read the data displayed in detail until the end of the data. The data to be discussed in this study are data of STMIK STIKOM Bali students. Historical data displayed will be converted into a decision tree. Thus the absorption of information will become easier. This research implements data mining disciplines using the naïve bayes method comparison with C4.5 algorithm which is a method for performing classification techniques and applied with Rapid Miner tools.Keywords : C4.5, KNN, Student GraduationABSTRAKPenyajian data untuk menghasilkan nilai informasi sering kali ditampilkan dalam bentuk tabulasi. Apabila data yang ditampilkan memiliki kapasitas kecil, mungkin tidak terlalu sulit untuk mencerna kandungan informasi tersebut. Tetapi apabila data yang disajikan memiliki kapasitas yang sangat besar, dikawatirkan adanya kendala untuk menyerap informasi secara tepat dan cepat. Hal ini dikarenakan bahwa dibutuhkan waktu yang cukup lama untuk membaca data yang ditampilkan secara rinci hingga akhir data. Data yang akan dibahas dalam penelitian ini adalah data mahasiswa STMIK STIKOM Bali. Data historis yang ditampilkan akan dikonversi menjadi bentuk pohon keputusan. Dengan demikian penyerapan informasi akan menjadi lebih mudah. Penelitian ini mengimplemen-tasikan disiplin ilmu data mining menggunakan komparasi metode naïve bayes dengan algoritma C4.5 yang merupakan sebuah metode untuk melakukan teknik klasifikasi serta diaplikasikan dengan tools Rapid Miner.Kata kunci : C4.5, KNN, Kelulusan Mahasiswa
PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) UNTUK PENENTUAN MAHASISWA BERPOTENSI DROP OUT Ni Luh Ratniasih
Jurnal Teknologi Informasi dan Komputer Vol 5, No 3 (2019): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (736.623 KB)

Abstract

ABSTRACTDrop out is a situation where students are expelled from college because of several factors, one of which is because the status of lectures is not active beyond 5 semesters for undergraduate students. The high level of success and low failure of students can reflect the quality of education in higher education. The high level of student drop outs can affect the value of Higher Education accreditation so that it will affect the level of public trust. Student data drop out becomes something important to be researched and analyzed, so it can be seen how the characteristics of students who have the potential to drop out as early as possible. The data of ITB STIKOM Bali students is very much so that they can utilize data mining techniques for data classification. In this study the K-NN method was implemented to classify students as potential drop outs and the student data used in this study were students of the 2014 Information Systems study program using 6 attributes, namely gender, age, religion, class status, practical work, and grades GPA. The results showed that the accuracy of the method was 81.50%.Keywords: KNN, Drop Out, ITB STIKOM BaliABSTRAKDrop out adalah suatu keadaan dimana mahasiswa dikeluarkan dari perguruan tinggi karena beberapa faktor salah satunya karena status perkuliahannya tidak aktif melebihi 5 semester untuk mahasiswa S1. Tingginya tingkat keberhasilan dan rendahnya kegagalan mahasiswa dapat mencerminkan kualitas pendidikan di perguruan tinggi. Tingginya tingkat drop out mahasiswa dapat mempengaruhi nilai akreditasi Perguruan Tinggi sehingga akan mempengaruhi tingkat kepercayaan masyarakat. Data mahasiswa drop out menjadi sesuatu hal yang penting untuk diteliti dan dianalisa, sehingga dapat diketahui bagaimana karakteristik mahasiswa yang berpotensi drop out sedini mungkin. Data mahasiswa ITB STIKOM Bali sangat banyak sehingga dapat memanfaatkan teknik data mining untuk klasifikasi data. Pada penelitian ini diimplementasikan metode K-NN untuk klasifikasi mahasiswa berpotensi drop out dan data mahasiswa yang digunakan dalam penelitian ini adalah mahasiswa program studi Sistem Informasi angkatan 2014 dengan menggunakan 6 atribut yaitu jenis kelamin, umur, agama, status kelas, kerja praktek, dan nilai IPK. Hasil penelitian menunjukkan bahwa tingkat akurasi metode sebesar 81.50%.Kata kunci: KNN, Drop Out, ITB STIKOM Bali
PENERAPAN ALGORITMA KLASIFIKASI UNTUK PENENTUAN MAHASISWA BERPOTENSI DROP OUT Ni Luh Ratniasih
Jurnal Teknologi Informasi dan Komputer Vol 6, No 3 (2020): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

ABSTRACTThe use of data mining is very helpful in the classification of students who have the potential to drop out. There are several algorithms that can be applied in its implementation so that in this study a comparison of the two classification algorithms is carried out by comparing the level of accuracy produced by the two algorithms. The classification algorithms compared in this study are the K-Nearest Neighbor algorithm and the C4.5 algorithm. The data used in this study were students of the ITB STIKOM Bali class of 2014 using 6 attributes, namely gender, age, religion, class status, practical work, and GPA value. The results showed that the accuracy rate of the K-Nearest Neighbor algorithm was 81.50% while the accuracy level of the C4.5 algorithm was 80.54%.Keywords: KNN, C4.5, Student Drop OutABSTRAKPemanfaatan data mining sangat membantu dalam klasifikasi mahasiswa yang berpotensi drop out. Terdapat beberapa algoritma yang dapat diterapkan dalam implementasinya sehingga dalam penelitian ini dilakukan komparasi dua algoritma klasifikasi dengan membandingkan tingkat akurasi yang dihasilkan kedua algoritma. Algoritma klasifikasi yang dibandingkan dalam penelitian ini adalah algoritma K-Nearest Neighbour dan algoritma C4.5. Data yang digunakan dalam penelitian ini adalah mahasiswa ITB STIKOM Bali angkatan tahun 2014 dengan menggunakan 6 atribut yaitu jenis kelamin, umur, agama, status kelas, kerja praktek, dan nilai IPK. Hasil penelitian menunjukkan bahwa tingkat akurasi algoritma K-Nearest Neighbour sebesar 81.50% sedangkan tingkat akurasi algoritma C4.5 sebesar 80.54%.Kata kunci: KNN, C4.5, Mahasiswa Drop Out
Konversi Data Training Tentang Pemilihan Kelas Menjadi Bentuk Pohon Keputusan Dengan Teknik Klasifikasi Ni Luh Ratniasih
Jurnal Eksplora Informatika Vol 4 No 2 (2015): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (151.837 KB)

Abstract

Penyajian data untuk menghasilkan nilai informasi sering kali ditampilkan dalam bentuk tabulasi. Apabila data yang ditampilkan memiliki kapasitas kecil, mungkin tidak terlalu sulit untuk mencerna kandungan informasi tersebut. Tetapi apabila data yang disajikan memiliki kapasitas yang sangat besar, dikawatirkan adanya kendala untuk menyerap informasi secara tepat dan cepat. Hal ini dikarenakan bahwa dibutuhkan waktu yang cukup lama untuk membaca data yang ditampilkan secara rinci hingga akhir data. Data yang akan dibahas dalam penelitian ini adalah data calon mahasiswa STMIK STIKOM Bali. Selama ini STMIK STIKOM Bali belum mampu melakukan klasifikasi pemilihan kelas yang sesuai untuk dapat direkomdasikan kepada mahasiswa baru, sehingga dari data historis yang ditampilkan akan dikonversi menjadi bentuk pohon keputusan. Variabel yang digunakan untuk klasifikasi adalah jurusan di SMA/K, status pekerjaan, pekerjaan orang tua, umur, status calon mahasiswa, dan status pernikahan. Dengan demikian penyerapan informasi akan menjadi lebih mudah untuk dilakukan. Penelitian ini mengimplementasikan disiplin ilmu data mining menggunakan teknik klasifikasi pohon keputusan serta diaplikasikan dengan tools Rapid Miner 4.1
Aplikasi Pengenalan Binatang Berbasis Mobile Untuk Anak TK Ni Luh Ratniasih; I Ketut Suardika Artana; I Kadek Hedy Sugiantara; I Gede Arya Suartika
Jurnal Eksplora Informatika Vol 4 No 1 (2014): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (642.898 KB)

Abstract

Perkembangan teknologi mobile saat ini begitu cepat. Kita dapat lihat pada perkembangan teknologi hadphone, dimana handphone saat ini tidak hanya digunakan sebagai alat untuk berkomunikasi saja melainkan sebagai media pembelajaran. Handphone saat ini dapat digunakan sebagai alat pembelajaran bagi anak usia dini khususnya anak TK. Penelitian ini akan merancang sebuah aplikasi pembelajaran pengenalan binatang berbasis mobile, yang menampilkan kumpulan jenis-jenis binatang yang ada di sekitar alam ini, disertai dengan gambar untuk memberikan informasi dari masing - masing jenis binatang dan contoh dari suara yang dihasilkan dari binatang tersebut. Aplikasi ini dirancang menggunakan bahasa pemograman Java dengan editor Eclipse dan hanya bisa berjalan pada sistem operasi android maksimal dengan operation system support versi 4.1 (Jelly Bean). Aplikasi yang dibuat berjenis client server, dimana aplikasi server berbasis web dan aplikasi client berbasis android dan terkoneksi menggunakan teknologi web service (Json). Aplikasi ini diperuntukkan untuk anak-anak sehingga membutuhkan bimbingan guru atau orangtua yang difasilitasi ponsel berbasis android.
PENENTUAN STATUS GIZI BALITA PADA POSYANDU MENGGUNAKAN METODE K-NEAREST NEIGHBOR Ni Luh Ratniasih; Ni Komang Sri Julyantari; Ni Wayan Ninik Jayanti; Ni Luh Mas Elma Yuniawati
Jurnal informasi dan komputer Vol 11 No 01 (2023): Jurnal Informasi dan Komputer yang terbit pada tahun 2023 pada bulan 04 (April)
Publisher : STMIK Dian Cipta Cendikia Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v11i01.398

Abstract

Posyandu is one of the village/kelurahan community institutions that accommodates community empowerment in basic social services whose implementation can be synergized with other services according to regional potential. One of the basic social activities at Posyandu is monitoring nutrition for toddlers. During the COVID-19 pandemic, posyandu cadres had difficulty bringing in experts or nutritionists to help check the nutritional condition of toddlers who came to the posyandu. So that posyandu cadres need a decision support information system that can assist in categorizing the nutritional status of toddlers, whether the toddlers are classified as malnourished, undernourished, and well-nourished. In this study, a decision support system will be built using the website-based K-Nearest Neighbor (KNN) method using the Bootstrap framework. The main function of the bootstrap framework is to create responsive websites. The website interface will work optimally on all screen sizes, both on smartphone screens and computer/laptop screens. The flow stage in this research is data collection, data pre-processing, which is then carried out by the mining process to find out the final results of this research. In this study, the classification model starts from the dataset which will be divided into training and testing data using split data which is then mined with a classification algorithm so that a classification model is generated and generates evaluation parameters. The model in this study was generated from the implementation of the K-NN (K-Nearest Neighbor) method. The software development method uses the waterfall method. The developed application is targeted to achieve the product readiness level indicator at level 2 where the technology data equipment to be developed allows it to be applied and the basic elements of the technology to be developed are known.
Peningkatan Alat Produksi dan Pelabelan Pada Kemasan Produk UMKM Kerupuk Beras di Kecamatan Sukawati Gianyar Ni Luh Ratniasih; I Gede Putu Adhitya Prayoga; Ni Luh Putu Silvia Dewi
Paradharma (Jurnal Aplikasi IPTEK) Vol. 4 No. 1 (2020): Paradharma (Jurnal Aplikasi IPTEK)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Dhyana Pura – Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (430.274 KB)

Abstract

ABSTRAKKabupaten Gianyar memiliki sebanyak 75.224 unit usaha mikro kecil dan menengah sehingga mampu memberikan kontribusi sekitar 65-70% dari total ekspor hasil industri kecil dan kerajinan rumah tangga di Bali. Mitra dalam kegiatan ini adalah salah satu usaha rumah tangga di bidang makanan yaitu kerupuk beras Ibu Nyoman Latri. Mitra beralamat di Br. Tegal Desa Guwang, Kecamatan Sukawati, Gianyar. Permasalahan prioritas yang diselesaikan dalam kegiatan pengabdian ini antara lain (1) minimnya peralatan yang dimiliki oleh mitra, (2) cara pengemasan dan pelabelan produk yang kurang maksimal. Sehingga diberikan beberapa solusi diantaranya (1) penambahan dan pelatihan penggunaan peralatan, (2) pelatihan pelabelan dan pengemasan produk yang lebih baik. Kegiatan dilakukan dengan metode ceramah, tanya jawab dan praktek langsung. Target dan luaran dari kegiatan ini telah tercapai yaitu (1) peningkatan pengetahuan mitra dalam memanfaatkan alat produksi yang tepat guna dan (2) peningkatan pengetahuan mitra dalam pelabelan dan pengemasan produk yang lebih baik.Kata kunci : Pelabelan Kemasan, Kerupuk Beras, Kecamatan SukawatiABSTRACTGianyar Regency has around 75,224 units of small and medium enterprise that contribute around 65-70% to the total exports of small industries and household handicrafts in Bali. One of the household businesses partners, Mrs Nyoman Latri, is producing rice crackers. Her business is located at Br. Tegal Guwang Village, Sukawati District, Gianyar. Priority issues that are resolved in this service activity include (1) the lack of equipment owned by partners, and (2) ways of packaging and labeling products that are less than optimal. There are some solutions provided including (1) adding and training on how to use the equipments, and (2) better labeling and product packaging training. Activities are carried out by lecturing methods, question - answer and direct practice. The target and outcome of this activity has been achieved, namely (1) increasing partner knowledge in utilizing appropriate production tools, and (2) increasing partner knowledge in better labeling and packaging of products.Key words : Packaging Labeling, Rice Crackers, Sukawati District.
ANALISIS SENTIMEN KEPUASAN PEMANGKU KEPENTINGAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOUR Ni Luh Ratniasih; Larasati Nabila Putri
Jurnal informasi dan komputer Vol 11 No 02 (2023): Jurnal Informasi dan Komputer yang terbit pada tahun 2023 pada bulan 10 (Oktobe
Publisher : STMIK Dian Cipta Cendikia Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v11i02.378

Abstract

Pemangku kepentingan merupakan individu atau kelompok yang memiliki kepentingan dan dapat memberikan pengaruh kepada suatu objek. Pengukuran kepuasan pemangku kepentingan (stakeholder) sangat penting dilakukan untuk mendapatkan umpan balik dan masukan bagi keperluan pengembangan dan implementasi strategi peningkatan kepuasan pemangku kepentingan, sehingga perlu diketahui opini dari pemangku kepentingan. Metode penelitian terdiri dari beberapa tahap diantaranya tahap pertama dilakukan identifikasi masalah dan studi pustaka, tahap kedua pengumpulan data kepuasan pemangku kepentingan (Mahasiswa), tahap ketiga preprocessing data, tahap keempat adalah ekstrasi fitur agar dapat mempermudah klasifikasi menggunakan metode Naïve Bayes Classifier (NBC) dan K-Nearest Neighbour (KNN). Tahap keempat merupakan tahap pengujian dan evaluasi model. Tahap kelima adalah pengujian tingkat akurasi metode. Tujuan dari penelitian ini adalah mendapatkan perbandingan tingkat akurasi antara metode Naïve Bayes Classifier (NBC) dan K-Nearest Neighbour (KNN) pada analisis sentimen dari komentar hasil pengukuran kepuasan pemangku kepentingan. Hasil tingkat akurasi menggunakan metode Naïve Bayes Classifier (NBC) sebesar 91,13% dan K-Nearest Neighbour (KNN) sebesar 83,06% sehingga performance metode Naïve Bayes Classifier (NBC) lebih tinggi dalam analisis sentiment kepuasan pemangku kepentingan.
Co-Authors I Gede Arya Suartika I Gede Putu Adhitya Prayoga I Kadek Hedy Sugiantara I Ketut Suardika Artana Larasati Nabila Putri Ni Komang Sri Julyantari Ni Luh Mas Elma Yuniawati Ni Luh Putu Silvia Dewi Ni Made Astiti Ni Wayan Ninik Jayanti