Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

2.862

P-Index

This Author published in this journals

All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Indonesian Journal of Computer Science Dinamisia: Jurnal Pengabdian Kepada Masyarakat Digital Zone: Jurnal Teknologi Informasi dan Komunikasi J-SAKTI (Jurnal Sains Komputer dan Informatika) Diklat Review : Jurnal manajemen pendidikan dan pelatihan Zonasi: Jurnal Sistem Informasi Journal of Applied Engineering and Technological Science (JAETS) Jurnal Pengabdian Masyarakat Multidisiplin J-SAKTI (Jurnal Sains Komputer dan Informatika) Mejuajua Indonesian Journal of Computer Science J-COSCIS : Journal of Computer Science Community Service

Fana Wiza, Fana

Universitas Lancang Kuning

Author-ID : 608367

Aerospace Engineering Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Analisis Data Lulusan dengan Data Mining untuk Mendukung Strategi Promosi Universitas Lancang Kuning Elvira Asril; Fana Wiza; Yogi Yunefri
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 6 No. 2 (2015): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Abstrak- Setiap perusahaan maupun organisasi yang ingin tetap bertahan perlu untuk menentukan strategi promosi yang tepat. Penentuan strategi promosi yang tepat akan dapat mengurangi biaya promosi dan mencapai sasaran promosi yang tepat. Salah satu cara yang dapat dilakukan untuk penentuan strategi promosi adalah dengan menggunakan teknik data mining. Teknik data mining yang digunakan dalam hal ini adalah dengan menggunakan algoritma Clustering K-Means. Clustering merupakan pengelompokkan record, observasi, atau kasus ke dalam kelas-kelas objek yang mirip. K-Means adalah metode klaster data non-hirarkis yang mencoba untuk membagi data ke dalam satu atau lebih klaster. Penelitian dilakukan dengan mengamati beberapa variabel penelitian yang sering dipertimbangkan oleh perguruan tinggi dalam menentukan sasaran promosinya yaitu asal sekolah, daerah, dan jurusan. Hasil penelitian ini adalah berupa pola menarik hasil data mining yang merupakan informasi penting untuk mendukung strategi promosi yang tepat dalam mendapatkan calon mahasiswa baru. Kata kunci: Data Mining, Clustering, K-Means Abstract- Each company or organization that wants to survive needs to determine appropriate promotional strategies. Determination of appropriate promotional strategies will be able to reduce costs and achieve the goals the promotion of proper promotion. One way that can be done to determine campaign strategy is to use data mining techniques. Data mining techniques used in this case is to use a K-Means clustering algorithm. Clustering is the grouping of records, observation, or in the case of the object classes that are similar. K-Means is a method of non-hierarchical clustering of data that is trying to divide the data into one or more clusters. The study was conducted by observing some of the variables that are often considered by the college in determining the target of promotion that the school of origin, region, and department. Results of this study are interesting pattern of results in the form of data mining that is important information to support appropriate promotional strategies in getting new students. Keywords: Data Mining, Clustering, K-Means

PEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI Fana Wiza
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 7 No. 1 (2016): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Abstrak- Pertumbuhan yang pesat dari gudang data telah menciptakan kondisi kaya akan data tapi miskin informasi. Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat menghasilkan pola yang menarik atau informasi penting dari kondisi tersebut. Dengan memanfaatkan data tracer lulusan yang dihubungkan dengan pengguna lulusan yakni dunia usaha dan industri, diharapkan dapat menghasilkan informasi tentang pola hubungan keduanya melalui teknik data mining, association rule. Kategori kemampuan lulusan di ukur dengan parameter tingkat kurang diperlukan, cukup diperlukan, diperlukan, dan sangat diperlukan dalam dunia usaha dan industri. Algoritma yang digunakan adalah algoritma apriori, informasi yang ditampilkan berupa nilai support dan confidence dari masing-masing kategori jenis kemampuan lulusan. Kata kunci: data mining, association rule, tracer lulusan, algoritma apriori Abstract- The rapid growth of the data warehouse has created conditions for rich data but poor information. Data mining is the mining or the discovery of new information by looking for certain patterns or rules of a number of large amounts of data that is expected to produce an interesting pattern or important information from the condition. By utilizing the the graduate tracer data that is associated with users of graduates, they are business and industry, are expected to produce information about the pattern of their relationship through data mining techniques, association rule. Category ability of graduates in measuring the level parameter is less necessary, reasonably necessary, needed, and is needed in the world of business and industry. The algorithm used is a priori algorithm, the information displayed in the form of support and confidence values of each category type abilities of graduates. Keywords: data mining, association rule, graduate tracer, apriori algorithm

Penerapan Data Mining Untuk Menggali Informasi Tersembunyi Dalam Big Data Nilai Mata Kuliah Elvira Asril; Fana Wiza; Taslim Taslim
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 7 No. 2 (2016): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Abstrak- Jarang sekali perguruan tinggi melihat kompetensi lulusannya sebelum dilepas ke dunia nyata. Salah satu variabel yang bisa digunakan adalah nilai matakuliah yang telah diperoleh mahasiswa atau calon lulusan. Kemudian memetakan nilai matakuliah yang telah diperoleh tiap mahasiswa atau calon lulusan pada aspek kompetensi dasar lulusan Strata satu Informatika yang disusun oleh asosiasi perguruan tinggi komputer (APTIKOM) dengan menggunakan teknik data mining. Pemetaan dilakukan berdasarkan nilai matakuliah yang telah ditempuh oleh mahasiswa atau calon lulusan, dalam hal ini objek penelitian adalah mahasiswa angkatan 2012 s/d 2015 yang telah mencapai 120 sks. Daftar aspek kompetensi dasar yang digunakan adalah aspek kompetensi yang disusun oleh APTIKOM berdasarkan ACM/IEEE 2013. Kemudian dilakukan penentuan kelompok matakuliah pada tiap kompetensi tersebut. Topik-topik yang dikaji antara lain meliputi : database, data mining, association rule, apriori dan beberapa algoritma lain yang mungkin dapat digunakan, serta perangkat lunak yang digunakan untuk proses mining. Pengolahan data yang telah disiapkan menggunakan beberapa perangkat lunak bantu seperti Excel, dan Tanagra. Mining data yang telah dilakukan menghasilkan informasi mengenai kompetensi dari calon lulusan yang dapat digunakan sebagai bahan analisa untuk pengambilan keputusan. Kata kunci : kompetensi, informasi, nilai mata kuliah Abstract- Rarely college graduates look competence before being released into the real world. One of the variables that can be used is the value of the courses that have been acquired or prospective graduate students. Then mapping the value of the courses that have been taken by each student or graduate candidates on the basis of competence of graduates Strata aspects of the Information compiled by the association of colleges computer (APTIKOM) using data mining techniques. Mapping is done based on the value of the courses that have been taken by students or prospective graduates, in this case the object of study is the student of 2012 s / d in 2015 which has achieved 120 credits. List aspects of basic competencies that are used are compiled by the competence aspect APTIKOM based ACM / IEEE 2013. Then is the determination of subjects in each group that competency. Topics to be studied include: databases, data mining, association rule, a priori and some other algorithm that may be used, as well as the software used to process mining. Processing of the data which has been prepared using some assistive software such as Excel, and Tanagra. Data mining has been done to produce information concerning the competence of prospective graduates who can be used as material analysis for decision making. Keywords: competence, information, mark

Association rule mining untuk menemukan pola hubungan antara kendala menyusun skripsi dan kondisi psikologis mahasiswa Fana Wiza; Mariza Devega; Susi Handayani
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 9 No. 2 (2018): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Sebagian besar mahasiswa cenderung mengalami kendala dalam menyusun skripsi. Hanya sebagian mahasiswa yang berhasil mencapai tahap ujian komprehensif. Kendalanya adalah sulitnya membagi waktu antara skripsi dan aktivitas lain, sulitnya menemui dosen, sulitnya memperoleh sumber referensi, dan kurangnya sarana dan prasarana sehingga mempengaruhi kondisi psikologis mahasiswa. Beberapa mahasiswa mengalami gejala stres. sejak proses bimbingan skripsi dimulai. Penelitian ini bertujuan untuk memperoleh pola dari kendala menyusun skripsi dengan kondisi psikologis mahasiswa menggunakan association rule mining dengan algoritma apriori. Dalam konteks IPTEKS, penelitian ini bertujuan untuk mengembangkan bidang kajian data mining tentang kemampuan algoritma apriori ke arah bidang psikologi. Pola yang dihasilkan akan menggambarkan sebab akibat yaitu kendala utama apa yang dialami mahasiswa skripsi dan gejala stress yang dialami. Hal ini dapat menjadi pertimbangan mahasiswa, dosen pembimbing dan bagian akademik mencari solusi sekesainya skripsi tepat waktu. Proses analisis ini juga membuktikan bahwa association rule mining dengan apriori tidak hanya mampu menangani data belanja tetapi juga mampu menangani data bidang lainnya.” Kata kunci : komprehensif, stress, skripsi, apriori, psikologi Abstract "Most students tend to experience problems in writing a thesis. Only some students who successfully reach the comprehensive examination stage. The problem is the difficulty of dividing the time between thesis and other activities, the difficulty of meeting lecturers, the difficulty in obtaining reference sources, and the lack of facilities and infrastructure that affect the psychological condition of students. Some students experience stress symptoms. since the thesis guidance process begins. This study aims to obtain a pattern of constraints in composing a thesis with the psychological condition of students using association rule mining with a priori algorithms. In the context of science and technology, this study aims to develop a field of data mining studies about the ability of a priori algorithms towards the field of psychology. The resulting pattern will describe the cause and effect of the main constraints experienced by the thesis student and the symptoms of stress experienced. This can be considered by students, supervisors and the academic section to find solutions to complete their thesis on time. This analysis process also proves that association rule mining with a priori is not only able to handle shopping data but also able to handle other field data." Keywords: comprehensive, stress, thesis, a priori, psychological

Klasterisasi karakteristik kekerasan seksual terhadap anak dengan metode k-means cluster analysis Fana Wiza
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 10 No. 1 (2019): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

“Kekerasan seksual terhadap anak sudah termasuk masalah yang sangat meresahkan di masyarakat khususnya kota Pekanbaru. Semakin banyaknya kasus tindakan kekerasan seksual terhadap anak, maka perlu mencari solusi dan sebuah pengetahuan baru untuk mengatasi permasalahan ini dengan menggali data kasus disertai karakteristik jenis kekerasan, range usia dan faktor pemicu menggunakan algoritma K-Means untuk menghasilkan pola cluster yang terbentuk berdasarkan kedekatan kriteria antar variabel. Teknik yang digunakan dalam aplikasi data mining ini adalah teknik Clustering dengan algoritma K-Means. Algoritma K-Means ini melakukan proses iterasi untuk menghasilkan pola kelompok berdasarkan kedekatan kriteria yang mirip. Teknik ini membantu menganalisis data kasus kekerasan seksual terhadap anak berjumlah 335 data kasus. Melalui data tersebut diperoleh hasil sebanyak 3 cluster. Cluster yang mendominasi adalah cluster 1 dengan kriteria jenis kekerasan seksual pencabulan pada anak di range usia 3 sampai dengan 16 tahun dengan faktor pemicu terbesar adalah kesempatan.” Kata kunci : kekerasan, seksual, k-means, clustering, data mining. Abstract “Sexual violence against children is one of the most troubling problems in the community, especially in Pekanbaru. The more cases of acts of sexual violence against children, it is necessary to find a solution and a new knowledge to overcome this problem by exploring case data along with the characteristics of violence, age range and trigger factors using the K-Means algorithm to produce cluster patterns based on the proximity of criteria variable. The technique used in data mining applications is the Clustering technique with the K-Means algorithm. This K-Means algorithm performs an iterative process to produce group patterns based on similar criteria proximity. This technique helps analyze data on cases of sexual violence against children totaling 335 case data. Through these data, there are 3 clusters of results. The cluster that dominates is cluster 1, with the criteria for the types of sexual abuse sexual abuse for children in the age range of 3 to 16 years with the greatest trigger factor is opportunity.” Keywords: violence, sexual, k-means, clustering, data mining.

Co-Authors Afriansyah Afriansyah Ahmad Ade Irwanda Ahmad Ade Irwanda Ardiya Bayu Febriadi, Bayu Dafwen Toresa Eddissyah Putra Pane Edriyansyah Elvira Asril, Elvira Fajrizal Fajrizal, Fajrizal Hardianto, Roki Heleni Filtri Keumala Anggraini Lisnawita Lisnawita Lucky Lhaura Van FC Lucky Lhaura Van FC, Lucky Lhaura Mariza Devega Pandu Pratama Putra Refliza Yeni Revnu Ohara Roki Hardianto Roki Hardianto Roki Hardianto Susi Handayani Syahtriatna Djusar Taslim Taslim Wenti Sasparita Abiyus Wenti Sasrapita Abiyus Wirdah Choiriah, Wirdah Yeza Febriani Yogi Yunefri, Yogi

Title Search

Found 5 Documents Search Journal : Digital Zone: Jurnal Teknologi Informasi dan Komunikasi

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search
Journal : Digital Zone: Jurnal Teknologi Informasi dan Komunikasi