Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Curtina
Rizki Eka Putri
Universitas PGRI Ronggolawe
Computer Science & IT

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

Found 2 Documents
Search

 1 
APLIKASI PEMETAAN LOKASI FASILITAS KESEHATAN DI KABUPATEN LAMONGAN BERBASIS ANDROID Tsalis Musthofa Khuthoibi; Alfian Nurlifa; Aris Wijayanti; Rizki Eka Putri
Curtina Vol 2 No 2 (2021)
Publisher : Program Studi Teknik Informatika Universitas PGRI Ronggolawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.849 KB) | DOI: 10.55719/curtina.v2i2.400

Abstract

Kesulitan sebagian orang untuk memperoleh informasi seputar fasilitas kesehatan masyarakat seperti Rumah Sakit, Puskesmas, dan Klinik Untuk kepentingan kesehatan, salah satunya disebabkan oleh kurangnya informasi umum yang diterima masyarakat tentang jenis layanan yang ada. Hal ini juga kurang ditunjang dari segi sistem informasi yang mempermudah dalam pengelolaan serta memperoleh informasi tentang fasilitas kesehatan tersebut. Aplikasi Pemetaan Fasilitas Kesehatan di Kabupaten Lamongan Berbasis Android dalam tugas akhir ini merupakan salah satu solusi untuk mendapatkan informasi tentang layanan kesehatan dengan didukung gambar peta yang cukup valid karena didukung dengan teknologi Google Maps API dan juga data hasil survey yang cukup lengkap.
CLUSTERING DAERAH RAWAN BANJIR DI KABUPATEN TUBAN DENGAN K-MEANS DISERTAI VISUALISASI SISTEM INFORMASI GEOGRAFIS Ratih Aprilina; Alfian Nurlifa; Andy Haryoko; Rizki Eka Putri; Alfa Nurfahma Rosalita
Curtina Vol 3 No 1 (2022)
Publisher : Program Studi Teknik Informatika Universitas PGRI Ronggolawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (695.793 KB) | DOI: 10.55719/curtina.v3i1.441

Abstract

Pada penelitian ini telah dilakukan pengelompokkan daerah rawan banjir di Kabupaten Tuban dengan menggunakan teknik data mining. Penelitian ini didasarkan adanya kurangnya informasi untuk mengetahui dan mengantisipasi daerah mana yang berpotensi banjir. Sehingga penanganan akibat banjir di daerah-daerah yang tergenang banjir masih kurang maksimal. Oleh karena itu dalam mengoptimalkan pengetahuan informasi dan antisipasi dengan memetakan atau mengelompokkan daerah yang berpotensi rawan banjir atau tidak di daerah Kabupaten Tuban dengan metode clustering, dengan memanfaatkan data yang diperoleh dari katalog BPS “Kabupaten Tuban Dalam Angka (Tuban Regency In Figure)” dari tahun 2014 hingga 2017. Algoritma k-means adalah metode yang akan diimplementasikan untuk menggali informasi analisa dalam mengelompokkan daerah rawan banjir dengan atribut data yang digunakan adalah curah hujan, jenis tanah dan keteinggian tanah di setiap kecamatan di Kabupaten Tuban. Hasilnya diperoleh suatu sistem untuk mengelompokkan daerah rawan banjir dengan menghasilkan 3 kelompok kategori, yakni rawan, kurang rawan dan tidak rawan. Hasil visualisasi peta dengan hasil tahun 2013 sebanyak tiga warna yaitu oranye, kuning dan hijau, tahun 2014 sebanyak dua warna yaitu kuning dan hijau, tahun 2015 tiga warna yaitu oranye, kuning dan hijau serta tahun 2016 tiga warna yaitu oranye, kuning dan hijau. Dari penelitian yang telah dilakukan pada 20 data kecamaan mampu menghasilkan akurasi pengujian sebesar 45% untuk tahun 2013, 40% untuk tahun 2014, 40% untuk tahun 2015 dan 60% untuk tahun 2016. Perangkat ini dapat dikembangkan untuk membantu daerah lain dalam mengelompokkan daerah rawan banjir. Metode penelitian ini dapat dikembangkan untuk objek penelitian yang berbeda.
Co-Authors Alfa Nurfahma Rosalita Alfian Nurlifa Aris Wijayanti Haryoko, Andy Ratih Aprilina Tsalis Musthofa Khuthoibi