Claim Missing Document
Check
Articles

Found 6 Documents
Search

Rancang Sistem Penyajian Bank Soal Untuk Jenjang Sekolah Menengah Atas Berbasis Web Musriatun Napiah; Mugi Raharjo; Jordy Lasmana Putra; Sujiliani Heristian; Ilham Nur Leksono
Jurnal Infortech Vol 2, No 2 (2020): Desember 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v2i2.9022

Abstract

Sekolah Menengah Atas sebagai salah satu institusi penyelenggara pendidikan di Indonesia. Pelaksanaan ujian pada SMA Cengkareng 1 masih bersifat konvensional yang artinya belum adanya metode pembelajaran berbasis web. Penelitian ini bertujuan untuk merancang aplikasi yang mampu mendokumentasikan seluruh soal dan kegiatan selama pelaksanaan ujian dan pemberian tugas. Analisis dan desain menggunakan metode waterfall. Penelitian diawali dengan melakukan studi literature, pengumpulan data, analisis sistem dan kebutuhan, membuat pemodelan sistem menggunakan UML, merancang implementasi aplikasi, melakukan pengujian dengan Black Box Testing dan maintance atau pemeliharaan data sistem. Aplikasi Bank Soal berbasis web dirancang memiliki fitur untuk pendataan soal dan penjadwalannya, monitoring pelaksanaan ujian dan monitoring upload tugas siswa. Hasil penelitian ini dapat digunakan sebagai dasar pengembangan aplikasi Bank Soal berbasis web dalam rangka pengelolaan evaluasi belajar yang lebih interkatif di studi kasus untuk jenjang Sekolah Menengah Atas.
Prediksi Pengaruh Matakuliah Terhadap Peminatan Outline Tugas Akhir Mahasiswa Dengan Jaringan Syaraf Tiruan Mugi Raharjo; Musriatun Napiah; Jordy Lasmana Putra; Mustofa Mustofa
Jurnal Infortech Vol 2, No 1 (2020): Juni 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (348.616 KB) | DOI: 10.31294/infortech.v2i1.7965

Abstract

Spesialisasi jurusan menjadi hal penting bagi mahasiswa untuk menentukan outline tugas akhir. Dalam penulisan ini kami membuat prediksi peminatan berdasarkan data nilai matakuliah terkait. Penulis menggunakan metode Jaringan Syaraf Tiruan (Artificial Neural Network) yang menghasilkan model seperti syaraf otak manusia berupa neuron dalam memecahkan masalah. Berdasarkan hasil pengumpulan data dan sudah melewati proses pemilihan data (Preproccessing), selanjutnya diproses menggunakan software rapidminer didapatkan keluaran berupa data neuralnet yang menghasilkan output dan performance dengan tingkat akurasi sebesar 85,97% dan nilai AUC sebesar 0,801. Diharapkan dengan adanya hasil ini dapat program studi atau himpunan bisa menentukan focus terhadap mahasiswanya dan dapat dikembangkan lagi dalam penelitian berikutnya.Kata kunci:  jaringan syaraf tiruan, proses, data
ANDROID BASED ANIMALS AND PLANTS NAME DICTIONARY APPLICATION WITH SEQUENTIAL SEARCHING METHOD MUGI RAHARJO; MUSRIATUN NAPIAH
Jurnal Infortech Vol 3, No 1 (2021): Juni 2021
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v3i1.10461

Abstract

Smartphone telah menjadi bagian dari kehidupan sehari-hari masyarakat, Dalam hal ini penulis membuat aplikasi Kamus Nama Ilmiah atau bahasa latin hewan dan tumbuhan berbasis android adalah suatu ide dan gagasan pengembangan aplikasi mobile yang memungkinkan penggunanya dapat mencari kata dengan mudah dan cepat. Aplikasi ini memungkinkan pengguna dengan cepat mencari arti dari bahasa latin hewan maupun tumbuhan. Proses yang terjadi pada aplikasi ini meliputi pencarian kesamaan kata dengan menggunakan metode pencarian Sequential Searching. Input-an berupa nama hewan atau tumbuhan merupakan nilai string yang akan dijadikan parameter pencarian didalam database. Hasil pengujian Kamus pencarian menggunakan metode Sequential Searching berhasil dengan kecepatan kurang dari satu detik waktu pencarian. Dalam pengujian ini, digunakan kata terdepan dalam database sehingga pencarian kata lebih cepat. Kecepatan proses pencarian menggunakan metode Sequential Searching bergantung kata yang dicari dalam indeks pencarian.
Perbandingan Algoritma Dengan Particle Swarm Optimization Untuk Analisis Sentimen Pada Peraturan PSBB di Indonesia Mugi Raharjo; Jordy Lasmana Putra; Tommi Alfian Armawan Sandi; Musriatun Napiah
Paradigma Vol. 24 No. 1 (2022): Periode Maret 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (333.243 KB) | DOI: 10.31294/paradigma.v24i1.968

Abstract

The pandemic has given rise to new rules and terms in society. Various countries have their own regulations, including Indonesia with the name PSBB for that, the author tries to conduct research related to the PSBB condition in Indonesia with the intent and purpose of knowing people's sentiments towards it, the authors carry out this modeling positively and negatively. model in a tweet on Twitter. We capture information through Twitter media which then we process the data so that it is ready to be tested on the algorithm used. In data collection and processing, we use a fast miner application. In this study, Naive Bayes,KNN,and SVM were used. We also did a model comparison with Particle Swarm Optimization. model 1 tested three algorithms using a 0.7-0.8 ratio validation and 10-fold cross-validation, In Model 2 the author used a selection feature, namely Particle swarm Optimization where PSO was used as optimization. From the second model, the accuracy is 88.00%. for SVM + PSO, 88.54%% for NB + PSO and 81.58% for K -NN + PSO. And after testing the 2 methods, it turns out that Naive Bayes + PSO has the highest level of accuracy and precision
KOMPARASI ALGORITMA UNTUK KLASIFIKASI PENYAKIT ISPA (INFEKSI SALURAN PERNAPASAN AKUT) MUSRIATUN NAPIAH; RACHMAT ADI PURNAMA; MUGI RAHARJO; WAEISUL BISMI
Jurnal Infortech Vol 4, No 2 (2022): Desember 2022
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v4i2.13644

Abstract

Infeksi saluran pernapasan akut atau  sering disebut sebagai ISPA adalah terjadinya infeksi yang parah pada bagian sinus, tenggorokan, saluran udara, atau paru-paru. Infeksi yang terjadi lebih sering disebabkan oleh virus meski bakteri juga bisa menyebabkan kondisi ini. salah satu masalah di dalam dunia medis adalah ketidak seimbangan antara pasien dan dokter. Selain itu, sebagian besar dari masyarakat tidak terlatih medis sehingga, apabila mengalami gejala penyakit yang di derita belum tentu dapat memahami cara-cara penanggulangannya. Sangat disayangkan apabila gejala-gejala yang sebenarnya dapat ditangani lebih awal menjadi penyakit yang lebih serius. Dalam penelitian ini bertujuan untuk menggunakan data dari pasien ISPA yang ada di Puskesmas Kelurahan Penjaringan 1 untuk mengetahui bagaimana penyakit tersebut menyebar, dan terdeteksi keberadaannya dengan gejala yang dirasakan menggunakan metode machine learning dengan perbandingan tiga algoritma dengan melalui proses akuisisi data - preprocessing – Classification – output. Dengan adanya pembelajaran mesin pada kumpulan data klinis dan paraklinis diharapkan bisa untuk mendiagnosis secara akurat. Hasil dari penelitian menggunakan machine learning yang digunakan Naïve Bayes, hasil akurasi yang di peroleh sebesar 98% dengan Kappa Score 95%, K-Nearest Neighbour hasil akurasi yang di peroleh sebesar 94% dengan Kappa Score 87%, sedangkan dengan menggunakan SVM di peroleh akurasi sebesar 99% dengan Kappa Score 97%.
Komparasi Algoritma Machine Learning untuk Klasifikasi Gejala Coronavirus Disease 19 (Covid-19) Musriatun Napiah; Rachmawati Darma Astuti; Eka Kusuma Pratama
Computer Science (CO-SCIENCE) Vol. 3 No. 2 (2023): Juli 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v3i2.1984

Abstract

COVID-19 or Corona Virus Disease 19 is a member of the extended family of coronaviruses that cause a spectrum of illnesses from mild to severe, including MERS and SARS. While the cause of COVID-19 transmission has not been confirmed, it is believed that the virus is transmitted from animals to humans, causing various symptoms such as cough, runny nose, fever, sore throat and loss of smell. Research was conducted to classify COVID-19 symptoms into low, medium, and high categories in patients. This study aims to classify patient data and determine the risk of COVID-19 infection based on the severity of symptoms, namely mild, moderate, and high. Machine learning methods, including Decision Tree and SVM algorithms, are introduced and compared with K-Nearest Neighbor (K-NN), Neural Network (NN), Random Forest (RF), and Naive Bayes. The dataset used contains 127 patient records from kaggle.com. The test results showed that SVM achieved 54% accuracy, while Decision Tree achieved 98%. This research provides important insights into the risk assessment of COVID-19 infection based on symptom severity, and the use of machine learning techniques is expected to improve analysis and prediction capabilities in the face of the COVID-19 pandemic.