Article Per Year (5 Year)
p-Index From 2019 - 2024
1.066
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Matrik Informatik : Jurnal Ilmu Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Iin Ernawati
Universitas Pembangunan Nasional Veteran Jakarta
Computer Science & IT Education

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

Found 4 Documents
Search
Journal : Informatik : Jurnal Ilmu Komputer

 1 
Prediksi Pergerakan Harga Saham Pada Sektor Farmasi Menggunakan Algoritma Long Short-Term Memory Ardiyan Agusta; Iin Ernawati; Anita Muliawati
Informatik : Jurnal Ilmu Komputer Vol 17, No 2 (2021): Agustus 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i2.3651

Abstract

Saham adalah dokumen berharga sebagai bukti kepemilikan bagian suatu perusahaan. Harga saham bersifat fluktuatif dikarenakan berbagai faktor internal dan eksternal perusahaan. Di tengah pandemi Covid-19 yang terjadi sangat berdampak bagi harga saham tiap perusahaan, salah satunya perusahaan yang bergerak di bidang farmasi. Perusahaan farmasi diperkirakan mengalami penurunan saham karena pandemi, tetapi perusahaan juga bisa mendapatkan kenaikan harga saham karena makin banyaknya penjualan dan riset obat bagi masyarakat. Dengan adanya perubahan harga saham yang tak menentu ini maka diperlukan suatu sistem untuk memprediksi pergerakan harga saham. Dalam memprediksi harga saham, penelitian ini menggunakan algoritma Long Short-Term Memory, dimana data perusahan Kalbe Farma dipilih sebagai salah satu perusahan farmasi. Data yang telah diperoleh dari situs yahoo finance akan dilakukan pengolahan data dengan pengujian pada model yang dibentuk dengan menggunakan paramater hidden layer, units serta variasi epoch dan batch size yang menghasilkan hasil prediksi harga saham dengan rerata nilai RMSE 27.310.
Identifikasi Tuberkulosis Paru Berdasarkan Foto Sinar-X Thorax Menggunakan Jaringan Syaraf Tiruan Backpropagation Qahtan Said; Iin Ernawati; Mayanda Mega Santoni
Informatik : Jurnal Ilmu Komputer Vol 17, No 1 (2021): April 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i1.2222

Abstract

Pengobatan TB tidaklah mudah, pendiagnosaan TB membutuhkan ketelitian yang tinggi. Penelitian ini bertujuan untuk melihat perbandingan performa dari GLCM, Gabor Filter dan gabungan dalam mengidentifikasi tuberkulosis paru dengan metode pengolahan citra digital yang terdiri dari beberapa tahap. Tahapan-tahapan tersebut dimulai dengan mengumpulkan citra Sinar-X paru dari bank data NLM sebanyak 662 citra lalu dilakukan pemilihan citra yang berhasil tersegmentasi saja, yaitu sebanyak 558 citra. Kemudian citra masukan tersebut akan dilakukan peningkatan kualitas citra, segmentasi, ekstraksi RoI, ekstraksi fitur tekstur GLCM dan Gabor Filter, lalu mengklasifikasikan citra dengan dua kelas yaitu : tuberkulosis dan normal menggunakan jaringan syaraf tiruan Backpropagation Levenberg Marquardt. Setelah dilakukan uji performa dengan beberapa percobaan, performa terbaik didapat dengan menggunakan ekstraksi ciri fitur GLCM + Gabor Filter (gabungan) dengan rata-rata accuracy sebesar 84.82%, precission sebesar 86.13%, dan recall sebesar 83.48%. Penelitian ini diharapkan dapat menjadi referensi para peneliti lain untuk menentukan model pengidentifikasian TB paru yang tepat.
Klasifikasi Kepuasan Pengguna Layanan Aplikasi Shopee Menggunakan Metode Decision Tree C4.5 Ballya Vicky Haekal; Iin Ernawati; Nurul Chamidah
Informatik : Jurnal Ilmu Komputer Vol 17, No 3 (2021): Desember 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i3.3648

Abstract

Seiring perkembangan teknologi, Saat ini sudah banyak sekali layanan aplikasi perdagangan online yang digunakan oleh masyarakat. Salah satu layanan aplikasi yang sering digunakan masyarakat adalah Shopee. Semakin banyak pengguna yang menggunakan aplikasi tersebut, tingkat kepuasan tiap pengguna pun semakin beragam. Dalam menganalisis tingkat kepuasan pengguna layanan aplikasi shopee, penelitian ini menggunakan data yang diambil dari kuesioner yang telah disebarkan dalam bentuk google form. Kuesioner tersebut disebarkan melalui beberapa media sosial seperti Twitter, Instagram, WhatsApp dan Shopee dengan total jumlah data yakni 184 data yang akhirnya menjadi 171 data setelah dilakukan cleaning data. Dari berbagai algoritma klasifikasi yang ada, penelitian ini menggunakan algoritma Decision Tree C4.5 sebagai metode klasifikasinya. Dengan pembagian data sebesar 80% untuk data latih dan 20% untuk data uji. Hasil yang diperoleh pada penelitian ini terdapat nilai Accuracy sebesar 97%, nilai Recall sebesar 96.9%, nilai Precision sebesar 100% untuk Class “Ya” dan 66.6% untuk Class “Tidak”.
Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square Cindy Chairunnisa; Iin Ernawati; Mayanda Mega Santoni
Informatik : Jurnal Ilmu Komputer Vol 18, No 1 (2022): April 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i4.4594

Abstract

Upaya pemerintah untuk mengurangi penyebaran wabah virus corona yang semakin meluas hampir di setiap negara di dunia termasuk di Indonesia telah banyak dilakukan. Salah satu upaya yang telah dilakukan dengan memanfaatkan teknologi yang ada pada saat ini adalah membuat sebuah aplikasi bernama PeduliLindungi. Aplikasi ini bertujuan untuk melakukan tracing dan monitoring lokasi penyebaran virus corona sehingga dapat menurunkan kasus corona di Indonesia. Banyak ulasan yang diberikan oleh masyarakat terhadap aplikasi ini baik yang berupa kritik maupun kepuasan. Namun, untuk mengetahui seluruh ulasan yang diberikan tidak mudah. Oleh sebab itu, penelitian dilakukan dengan tujuan untuk mengetahui hasil sentimen masyarakat terhadap aplikasi PeduliLindungi. Analisis sentimen yang dilakukan dengan mengklasifikasikan ulasan menjadi ulasan positif dan ulasan negatif menggunakan algoritma Support Vector Machine dengan seleksi fitur chi-square. Pengumpulan data ulasan dilakukan dengan melakukan scrapping di google play dengan menggunakan bahasa pemrograman Python. Hasil dari klasifikasi sentimen terhadap aplikasi PeduliLindungi menghasilkan performa yang baik dan menghasilkan nilai akurasi sebesar 93%, recall sebesar 86%, precision sebesar 98%, specificity sebesar 98% dan f1-score sebesar 92%.
Co-Authors Anita Muliawati Ardiyan Agusta Ballya Vicky Haekal Cindy Chairunnisa Erisa Rizkyani Hanif Rabbani Zubair Nurul Chamidah Qahtan Said Santoni, Mayanda Mega