Article Per Year (5 Year)
p-Index From 2019 - 2024
1.048
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Indonesian Journal of Computer Science
Wistiani Astuti
Universitas Muslim Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
ANALISIS STRING MATCHING PADA JUDUL SKRIPSI DENGAN ALGORITMA KNUTH-MORRIS PRATT (KMP) Wistiani Astuti
ILKOM Jurnal Ilmiah Vol 9, No 2 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i2.136.167-172

Abstract

Sistem Pendukung Keputusan Diagnosa Penyakit Tanaman Jeruk Bali menggunakan Metode Topsis di Desa Padang Lampe Kabupaten Pangkep Siti Najwa Yuliani; Harlinda Harlinda; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 4 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i4.1467

Abstract

Dalam mendiagnosa penyakit tanaman jeruk para petani hanya mengecek gejala di beberapa bagian tanaman jeruk bali dan langsung mendiagnosanya sehingga dianggap kurang efektif dan menghasilkan diagnosa yang kurang tepat, seharusnya petani melakukan diagnosa berdasarkan pertimbangan gejala-gejala dibeberapa bagian. Penelitian ini bertujuan untuk mendiagnosa penyakit tanaman jeruk berdasarkan kriteria daun, kulit batang, buah dan kulit akar. Metode yang digunakan adalah Metode TOPSIS yang melakukan perangkingan terhadap alternatif terpilih. Dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Hasil penelitian menunjukkan bahwa penyakit Buah Busuk yang memiliki nilai tertinggi yaitu 0.625 terpilih dalam mendiagnosa penyakit tanaman jeruk.
Penerapan Metode RAD dan Algoritma Fifo Pada Aplikasi Antrian Pasien Puskesmas Siti Gayatri Hehanussa; Erick Irawadi; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 2 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i2.1189

Abstract

Pendaftaran antrian yang masih di lakukan secara manual oleh Puskesmas Tomalehu menjadi kendala bagi pasien dan dokter karena proses pecatatan masih dilakukan secara manual sehingga terjadinya penumpukan antrian dan tidak tertib dalam proses antrian. Penelitian ini bertujuan untuk membuat sebuah aplikasi berbasis web secara offline dan online, yang terdiri dari pasien baru dan pasien lama yaitu pasien baru adalah pasien yang melakukan pendaftaran secara offline karena pasien harus melakukan registrasi secara offline menggunakan LAN di puskesmas tomalehu, Ketika selesai melakukan registrasi maka pasien baru akan di anjurkan ke online dan status nya menjadi pasien lama. Metode yang dilakukan dalam penelitian ini adalah Rapid Application Development dan algoritma FIFO, cara pengumpulan data pada penelitian ini dengan wawancara observasi dan dokumentasi. Pada penelitian ini menghasilkan aplikasi web yang berbasis offline dan online yang terdiri dari pasien lama dan pasien baru. Kesimpulan yang dapat diambil dari penelitian ini berupa sebuah Sistem pendaftaran antrian secara Online dan offline yang dapat mengatasi masalah seperti pengambilan nomor antrian, dan laporan harian kunjungan pasien. Aplikasi web memberikan kemudahan bagi petugas dan pasien untuk mendaftar dan mengatur antrian.
Penerapan Metode KNN dalam Memprediksi Hasil Panen Kebun Tebu di Kab Takalar Nurwaini Situju; Lilis Nur Hayati; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 4, No 1 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v4i1.1474

Abstract

pertahun yang berasal dari perkebunan tebu yang menjadi komoditas unggulan produksi tanaman perkebunan, namun berdasarkan data BPS terjadi penurunan produktifitas tanaman tebu tahun 2015–2020. Hal ini dikarenakan infrastruktur yang masih terbatas, kesulitan dalam permodalan, terbatasnya penguasaan teknologi baik dalam usaha tani sehingga pengelolaan tanaman tebu menjadi terhambat. Penelitian ini bertujuan untuk mengetahui hasil prediksi kebu tebu pertahunnya dengan memanfaatkan data mining. Data mining yang digunakan dalam penelitian ini adalah metode K-Nearest Neighbour (KNN) yang merupakan metode klasifikasi terhadap obyek baru berdasarkan (K) tetangga terdekatnya. KNN termasuk algoritma supervised learning, dimana hasil dari query instance yang baru, diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Hasil penelitian menunjukkan dari tahap pengujian dengan jumlah data training sebanyak 13 data didapatkan nilai persentase tertinggi pada nilai K=7 dengan persentase akurasi sebesar 76.92%.
Studi Perbandingan Kombinasi GMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal Alfitriana Riska; Purnawansyah; Herdianti Darwis; Wistiani Astuti
Indonesian Journal of Computer Science Vol. 12 No. 3 (2023): Indonesian Journal of Computer Science Volume 12. No. 3 (2023)
Publisher : STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i3.3210

Abstract

Tumbuhan herbal memiliki banyak variasi yang dapat dikenali melalui ciri uniknya secara visual. Namun, cara ini sulit diterapkan pada tumbuhan yang memiliki ciri hampir sama. Penelitian ini membandingkan kinerja metode K-Nearest Neighbour (KNN) dan Convolutional Neural Network (CNN) dalam klasifikasi fitur daun herbal yang diekstraksi dengan menggunakan Geometric Moment Invariant (GMI) dan Hue Saturation Value (HSV). Dataset yang digunakan adalah dataset citra daun katuk (Sauropus androgynus) dan daun kelor (Moringa oleifera) dengan skenario citra terang dan citra gelap. Pembagian data untuk tiap skenario adalah 80% untuk training dan 20% untuk testing. Metode KNN diuji menggunakan nilai dan evaluasi kinerja KNN dan CNN meliputi accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa CNN tanpa ekstraksi fitur dan CNN dengan kombinasi ekstraksi fitur HSV memperoleh performa terbaik dengan rata-rata nilai precision, recall, f1-score dan accuracy sebesar 98% untuk skenario gelap maupun terang.
Implementasi Aplikasi Augmented Reality untuk Media Pembelajaran Flora di SD Inpres Desa MarindingToraja Fitriyani Umar; Herdianti Herdianti; Wistiani Astuti; Nurul Alfiyyah; Sarah Fila Nurul
Ilmu Komputer untuk Masyarakat Vol 4, No 1 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkomas.v4i1.1545

Abstract

Banyak upaya yang dapat dilakukan untuk membantu proses pembelajaran. Transfer pengetahuan  akan optimal jika didukung dengan media pembelajaran yang tepat. Sekolah Dasar Inpres Marinding dalam proses pembelajaran selama ini belum dapat memanfaatkan teknologi terkini yang sesuai untuk meningkatkan pemahaman siswa tentang suatu mata pelajaran. Padahal pesatnya perkembangan teknologi informasi dapat dimanfaatkan sebagai media tambahan untuk mendukung pembelajaran yang merangsang imajinasi, interaktif dan menumbuhkan minat belajar sehingga proses belajar mengajar menjadi lebih baik lagi.Demi menunjang proses pembelajaran di SDN 294 Inpres Marinding, siswa diharapkan memiliki banyak buku yang berisi satu tema tertentu sebanyak jumlah tema yang ada. Akan tetapi, pembelajaran masih berpusat pada buku tersebut dan tidak ada alat peraga khusus tentang Flora. Siswa tidak dapat melihat objek Flora secara langsung, hanya melalui gambar di buku dan kurang detailnya informasi tentang objek tersebut. Akibatnya, pembelajaran cenderung monoton, dan kurang kreatifitas.Solusi yang diusulkan adalah memberikan pelatihan untuk implementasi aplikasi Augmented Reality Pengenalan dengan tujuan untuk meningkatkan pengetahuan guru dan siswa dalam pemanfaatan teknologi informasi untuk media pembelajaran alternatif melalui Augmented Reality khususnya pembelajaran Flora.Tercapainya tujuan kegiatan telah menghasilkan luaran berupa modul dan aplikasi yang dapat menjadi alternatif media pembelajaran, publikasi pada media online dan jurnal yang diterbitkan di ILKOMAS.
Peramalan Kebutuhan Obat Menggunakan XGBoost Studi Kasus pada Rumah Sakit XYZ: Forecasting Drug Needs Using XGBoost: Case Study at XYZ Hospital Muhammad Dzul Asmi Alhamdi; Herman; Wistiani Astuti
Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): Indonesian Journal of Computer Science (IJCS) Volume 12 Number 5 (2023)
Publisher : STMIK Indonesia

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

Abstract

Obat memiliki peran yang penting dalam pelayanan farmasi di rumah sakit, dari menyelamatkan nyawa hingga menyembuhkan pasien, namun perencanaan obat masih dilakukan secara manual menggunakan metode manual sehingga menghambat proses perencanaan obat, penelitian ini menggunakan XGBoost untuk melakukan peramalan time series pada penggunaan obat. Data yang digunakan adalah data perbulan penggunaan obat pada kategori vital dan essential dari tahun 2017 hingga 2022, penelitian ini menggunakan data cuaca sebagai fitur eksternal untuk membantu model bekerja. Hasil penelitian menunjukkan model XGBoost memiliki skor rata-rata skor RMSE dan MAE yang lebih rendah pada obat vital dibanding ketika melatih obat essential, sehingga model yang dilatih masih perlu perbaikan dalam menggunakan model XGBoost untuk meningkatkan performa model.
Co-Authors Alfitriana Riska Erick Irawadi Fitriyani Umar Harlinda Lahuddin Herdianti Darwis Herdianti Herdianti Herman Lilis Nur Hayati Muhammad Dzul Asmi Alhamdi Nurul Alfiyyah Nurwaini Situju Purnawansyah Purnawansyah Sarah Fila Nurul Siti Gayatri Hehanussa Siti Najwa Yuliani