Article Per Year (5 Year)
p-Index From 2019 - 2024
1.203
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Riset Informatika Jurnal Mantik Jusikom: Jurnal Sistem Informasi Ilmu Komputer Profitabilitas Jurnal Teknik Komputer dan Informatika (JTeKI)
Zulia Imami Alfianti
Universitas Bina Sarana Informatika
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Languange, Linguistic, Communication & Media

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

Found 6 Documents
Search

 1 
PENGELOMPOKAN WILAYAH PENYEBARAN COVID-19 DI KABUPATEN KARAWANG MENGGUNAKAN ALGORITMA K-MEANS Alfianti, Zulia Imami
Jurnal Ilmiah Informatika Komputer Vol 26, No 2 (2021)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2021.v26i2.4155

Abstract

Virus Covid-19 merupakan keluarga besar coronavirus yang dapat menyerang hewan. Covid-19 merupakan penyakit menular yang ditandai oleh gejala pada bagian pernapasan akut (coronavirus 2 (severe acute respiratory syndrome coronavirus 2) atau SARS-CoV-2). Virus ini menyerang penduduk di Wuhan China sejak Desember 2019 Penularan virus ini terjadi jika adanya kontak langsung antar manusia.  Sejak Februari 2020 penyebaran virus covid-19 mulai terjadi di berbagai wilayah di Indonesia dan semakin meningkat setiap harinya. Pada penelitian ini akan dilakukan pengklusteran wilayah penyebaran covid-19 di kabupaten kawarang. Pengklusteran dilakukan menggunakan metode k-means dengan membagi data kecamatan di kabupaten karawang menjadi tiga cluster yaitu kluster wilayah penyebaran rendah, kluster wilayah penyebaran, sedang, dan wilayah penyebaran tinggi. Hasil dari penelitian ini yaitu terdapat 50% persen wilayah yang tingka penyebarannya rendah, 33,3% persen wilayah yang tingkat penyebarannya sedang, dan 16,7% persen wilayah yang tingkat penyebarannya tinggi.
GROUPING OF EDUCATION LEVEL BASED ON THE NUMBER OF SCHOOLS IN JAWA BARAT PROVINCE USING K-MEANS ALGORITHM Zulia Imami Alfianti
Jurnal Sistem Informasi dan Ilmu Komputer Prima(JUSIKOM PRIMA) Vol. 5 No. 2 (2022): Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOM Prima)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2270

Abstract

Pendidikan di Indonesia terbagi menjadi tiga jenis yaitu pendidikan formal, pendidikan non formal dan pendidikan Informal. Jarak tempuh sekolah dengan tempat tinggal mempengaruhi tingkat pendidikan sekolah dasar dan menengah. Banyak masyarakat yang tidak melanjutkan sekolah dikarenakan jarak tempuh sekolah dengan tempat tinggal memiliki jarak tempuh yang sangat jauh. Peristiwa ini tentunya menurunkan tingkat indeks pendidikan di provinsi Jawa Barat dan meningkatkan angka kemiskinan. Pada penelitian ini akan dilakukan pengklusteran wilayah berdasarkan jumlah sekolah dasar dan menengah untuk menentukan indeks pendidikan di provinsi Jawa Barat menggunakan algoritma K-Means. Pengklasteran dilakukan untuk membagi kabupaten/kota di Provinsi Jawa Barat Menjadi tiga cluster yaitu tinggi, sedang, dan menengah berdasarkan jumlah sekolah dasar dan menengah pada provinsi Jawa Barat. Hasil dari penelitian ini yaitu terdapat 44% wilayah yang memiliki indeks pendidikan rendah, 37 % memiliki indeks pendidikan sedang, dan 19 % memiliki indeks pendidikan yang tinggi berdasarkan jumlah sekolah dasar menengah yng tersebar di seluruh kabupaten/kota pada provinsi Jawa Barat.
Grouping of Covid-19 Affected Areas in Bogor City Using The K-Means Algorithm Zulia Imami Alfianti; Sugiono; Mochammad Abdul Azis; Ahmad Fauzi
Jurnal Mantik Vol. 4 No. 4 (2021): February: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.Vol4.2021.1142.pp2336-2341

Abstract

Clustering plays an important role in processing big data, making predictions and overcoming anomalies in data, identical characteristics in data sets are grouped using iterative techniques. Because data is always evolving from day to day, very large data sets with little can be identified into interesting patterns by grouping, special methods are needed to handle it. In December 2019 there was an outbreak of acute respiratory syndrome caused by coronavirus 2 infection that occurred in Wuhan and on February 12, 2020, the World Health Organization officially named the disease Corona Virus 2019 (Covid 19). This research will conduct clustering of areas affected by Covid 19 in the City of Bogor. The clustering was done using the K-Means method and dividing the data into 3 clusters, namely the low-impact cluster, the medium-impact cluster and the high-impact cluster. The results showed that from 68 urban villages in the city of Bogor, 45% of the area was in the low-affected category, 35.29% of the area was in the medium-affected category and 19.12% of the area was in the high-affected category.
Sistem Informasi Akuntansi Pegawai (KOSIPA ) PT ENVICON EKATAMA Yuli Komalasari; Lela Laetussaadah; Dede Mustomi; Zulia Imami Alfianti
PROFITABILITAS Vol 2 No 1 (2022): Juni 2022
Publisher : Sistem Informasi Akuntansi Kampu Kabupaten Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/profitabilitas.v2i1.1111

Abstract

Koperasi Pegawai was established to facilitate employees in managing employee funds that are stored and loaned for employees at PT. Envicon Ekatama. Guaranteed service for Koperasi participants needs to be made and designed systems that can support existing businesses.. The computer system at the Koperasi PT. Envicon Ekatama has not been used in its administration such as data input, savings,loan and installment data, as well as reporting requirements. In this study, the Employee Cooperative Information System (KOSIPA) with SQL programming language has been implemented, starting with analyzing the existing system, analyzing needs, creating and designing systems and software and hardware specifications, so that the system can run as expected.
SENTIMENT ANALYSIS OF COSMETIC REVIEW USING NAIVE BAYES AND SUPPORT VECTOR MACHINE METHOD BASED ON PARTICLE SWARM OPTIMIZATION Zulia Imami Alfianti; Deni Gunawan; Ahmad Fikri Amin
Jurnal Riset Informatika Vol. 2 No. 3 (2020): June 2020 Edition
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v2i3.113

Abstract

Sentiment analysis is an area of ​​approach that solves problems by using reviews from various relevant scientific perspectives. Reading a review before buying a product is very important to know the advantages and disadvantages of the products we will use, besides reading a cosmetic review can find out the quality of the cosmetic brand is feasible or not be used. Before consumers decide to buy cosmetics, consumers should know in detail the products to be purchased, this can be learned from the testimonials or the results of reviews from consumers who have bought and used the previous product. The number of reviews is certainly very much making consumers reluctant to read reviews. Eventually, the reviews become useless. For this reason, the authors classify based on positive and negative classes, so consumers can find product comparisons quickly and precisely. The implementation of Particle Swarm Optimization (PSO) optimization can improve the accuracy of the Support Vector Machine (SVM) and Naïve Bayes (NB) algorithm can improve accuracy and provide solutions to the review classification problem to be more accurate and optimal. Comparison of accuracy resulting from testing this data is an SVM algorithm of 89.20% and AUC of 0.973, then compared to SVM based on PSO with an accuracy of 94.60% and AUC of 0.985. The results of testing the data for the NB algorithm are 88.50% accuracy and AUC is 0.536, then the accuracy is compared with the PSO based NB for 0.692. In these calculations prove that the application of PSO optimization can improve accuracy and provide more accurate and optimal solutions.
PENGELOMPOKAN WILAYAH KASUS BALITA STUNTING DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS zulia imami alfianti
Jurnal Teknik Komputer dan Informatika Vol 3 No 2 (2023): Jurnal Teknik Komputer dan Informatika (JTeKI)
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jteki.v3i3.39

Abstract

Stunting merupakan kondisi kurang gizi pada anak yang ditandai dengan tubuh pendek pada anak usia dibawah 5 tahun. Selain ditandai dengan tubuh pendek pada anak, gejala yang umumnya muncul pada penderita stuntin adalah lambatnya pertumbuhan tubuh dan gigi, berat badan anak yang jauh lebih rendah dari anak seusianya serta tidak memiliki fokus yang baik. Stunting merupakan salah satu masalah kesehatan masyarakat yang perlu penanganan lebih oleh pemerintah khususnya dinas kesehatan republik Indonesia. Dari 34 provinsi di Indonesia masing-masing memiliki kasus stunting yang perlu penanganan segera. Pada penelitian ini akan dilakukan pengklasteran wilayah kasus balita stunting yang berasal dari 34 provinsi di Indonesia. Pengklasteran dilakukan untuk mengelompokan 34 provinsi di Indonesia menjadi wilayah provinsi kasus tinggi, sedang, dan rendah. Hasil dari penelitian ini yaitu 52% provinsi memiliki kasus tertinggi, 29% memiliki kasus sedang dan 18% memiliki kasus stunting rendah.
Co-Authors Ahmad Fikri Amin Akrom, Akrom Dede Mustomi Deni Gunawan Lela Laetussaadah Mochammad Abdul Azis Sugiono YULI KOMALASARI