Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Bisnis (JUNSIBI) JUNIF: Jurnal Nasional Informatika
Dwi Sidik Permana
Institut Bisnis dan Informatika (IBI) Kosgoro 1957
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN ALGORITMA GENETIKA DALAM MENGATASI JADWAL MENGAJAR YANG BENTROK PADA PROGRAM STUDI INFORMATIKA IBI KOSGORO 1957 JAKARTA INDONESIA Boy Firmansyah; Dwi Sidik Permana; Natalia Evianti; Asep Mulyana Wihandar; Ari Kurniawan
Jurnal Sistem Informasi Bisnis (JUNSIBI) Vol 2 No 2 (2021): Jurnal Sistem Informasi Bisnis (JUNSIBI)
Publisher : Program Studi Sistem Informasi Institut Bisnis dan Informatika (IBI) Kosgoro 1957

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1318.919 KB) | DOI: 10.55122/junsibi.v2i2.326

Abstract

Menjadwalkan jadwal mengajar di kampus dilakukan untuk mendukung, mempercepat, dan meningkatkan kualitas kampus. Penjadwalan mata kuliah pada umumnya berfungsi sebagai kegiatan dalam meningkatkan kualitas pengajaran dosen dan mahasiswa dalam melihat kedisiplinan dalam kegiatan kinerja kampus. Seiring dengan bertambahnya jadwal perkuliahan yang menuntut ketelitian secara tepat dan cepat dalam pengolahan datanya juga menjadikan efisien waktu. Selama ini pengelolaan data penjadwalan mata kuliah di IBI Kosgoro 1957 Jakarta masih sering terjadi ketidaksesuaian jadwal sampai terjadinya jadwal yang bentrok karena cukup banyak jadwal kesediaan mengajar dosen yang tidak terukur. Untuk itu dirasa perlu untuk merancang aplikasi penjadwalan mata kuliah yang dirancang agar berfungsi untuk membantu Ketua Program Studi dalam penjadwalan mata kuliah di IBI Kosgoro 1957 Jakarta dengan menggunakan PHP dan MYSQL. Algoritma genetika dipilih sebagai pemrosesan jadwal karena diharapkan dapat membantu proses penjadwalan mata kuliah Ketika admin memasukkan jadwal sesuai tahun ajaran kemudian diolah untuk memastikan tidak ada jadwal yang bentrok.
PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN SUPPORT VECTOR MACHINE DAN PYTHON PADA BASIS DATA PASIEN DI CLEVELAND Dwi Sidik Permana; Astried Silvanie
Jurnal Nasional Informatika (JUNIF) Vol 2 No 1 (2021): Jurnal Nasional Informatika
Publisher : Program Studi Teknik Informatika, Institut Bisnis dan Informatika (IBI) Kosgoro 1957

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (692.662 KB)

Abstract

Support Vector Machine (SVM) digunakan dalam penelitian ini untuk memprediksi penyakit jantung berdasarkan 13 kondisi medis pasien. Kondisi medis ini digunakan sebagai atribut predikator dalam penelitian ini. Keluaran yang ingin diprediksi berupa kelas target bernilai 1 jika pasien penyakit jantung dan 0 jika pasien bukan penyakit jantung. Pelatihan dilakukan dengan Python dan pustaka scikit. SVM diuji menggunakan empat macam kernel yaitu linear, RBF, polynomial dan sigmod. Dari hasil pelatihan model dengan nilai metrik terbaik didapatkan jika menggunakan kernel linear. Nilai metrik akurasi sama dengan 90.11%, presisi 90.38% dan recall 92.15% dengan kernel linear
Co-Authors Ari Kurniawan Asep Mulyana Wihandar Astried Silvanie Boy Firmansyah Natalia Evianti