Article Per Year (5 Year)
p-Index From 2019 - 2024
3.939
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) SCAN Jurnal IPTEK Jurnal Sistem Informasi dan Bisnis Cerdas Jurnal Ilmiah Teknologi Informasi Asia Prosiding Seminar Nasional Sains dan Teknologi Terapan Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal IJEEIT (International Journal of Electrical Engineering and Information Technology ) Applied Technology and Computing Science Journal Journal of Information Systems and Informatics Abdimas Universal Jifosi Nusantara Science and Technology Proceedings KLIK: Kajian Ilmiah Informatika dan Komputer Konstelasi: Konvergensi Teknologi dan Sistem Informasi PELS (Procedia of Engineering and Life Science) Jurnal Teknik Mesin, Industri, Elektro dan Informatika Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII Jurnal Ilmiah Teknik Informatika dan Komunikasi Student Research Journal Jurnal Informatika Polinema (JIP)
Amalia Anjani Arifiyanti
Universitas Pembangunan Nasional “Veteran” Jawa Timur
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
Klasifikasi Produk Retur dengan Algoritma Pohon Keputusan C4.5 Arifiyanti, Amalia Anjani; Pradana, Rhendy May; Novian, Indra Fajar
Jurnal IPTEK Vol 22, No 1 (2018)
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (657.772 KB) | DOI: 10.31284/j.iptek.2018.v22i1.243

Abstract

Pengembalian produk oleh konsumen kepada penjual bukan hal yang dapat dihindari. Aktivitas ini tidak terlihat merugikan pada awalnya, namun pengelolaan informasi dari pengembalian produk dapat memberikan informasi yang bermanfaat bagi penjual untuk digunakan dalam proses evaluasi. Salah satu cara pengelolaan informasi ini adalah dengan melakukan klasifikasi dari jenis produk yang dikembalikan oleh konsumen dan alasan-alasan yang menjadikan produk tersebut dikembalikan. Pada penelitian ini produk retur dimasukkan dalam tiga klasifikasi yaitu kuat, sedang, dan lemah. Hasil klasifikasi tersebut dapat menjadi evaluasi pada proses produksi hingga pengemasan dan pengiriman produk. Algoritma pohon keputusan C4.5 dipilih dalam penelitian ini karena algoritma ini dapat menangani multi-class, memiliki performa yang baik dalam klasifikasi, dan model klasifikasi yang dihasilkannya mudah dipahami. Pembagian data latih dan data uji dilakukan dengan menggunakan metode cross-validation 10 folds karena jumlah data yang terbatas. Model klasifikasi yang dihasilkan pada penelitian ini memiliki performa akurasi sebesar 95,6%, precision sebesar 0,943, dan recall sebesar 0,956.
ANALISA SEGMENTASI KONSUMEN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Sulistyowati, Sulistyowati; Ketherin, Basma Eno; Arifiyanti, Amalia Anjani; Sodik, Anwar
Prosiding Seminar Nasional Sains dan Teknologi Terapan Pendekatan Multidisiplin Menuju Teknologi dan Industri yang Berkelanjutan
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (447.588 KB)

Abstract

Segmentasi konsumen adalah sebuah strategi yang dilakukan dengan membagi konsumen menjadi kelompok-kelompok konsumen yang berbeda yang memiliki karakteristik, perilaku, atau kebutuhan yang berbeda. Segmentasi konsumen ini penting karena dapat digunakan sebagai data pendukung untuk menentukan strategi pemasaran yang efektif dan efisien bagi supervisor marketing dalam kegiatan promosi penjualan produk. Untuk menentukan segmentasi konsumen, dilakukan dengan clustering yaitu dengan cara mengelompokkan data berdasarkan karakterisrik konsumen. Sehingga pada penelitian ini, proses clustering dilakukan dengan cara mengelompokkan data konsumen berdasarkan tiga atribut yaitu, jenis motor,jenis pembelian dan pekerjaan. Data yang digunakan adalah data penjualan sepeda motor pada dealer Honda. Proses pengelompokan konsumen dilakukan dengan menggunakan Algoritma K-Means. Algoritma ini bekerja dengan cara membagi data dalam k cluster. Setiap cluster ditentukan atas kedekatan jarak tiap?tiap data dengan titik tengahnya (mean point). Dari hasil perbandingan aplikasi dengan menggunakan software SPSS diperoleh hasil selisih dari masing-masing cluster dengan jumlah rata-rata 7%. Hal ini disebabkan karena centroid awal yang dipilih secara acak.
KLASIFIKASI OPINI PENGGUNA SMARTPHONE PADA TWITTER DI INDONESIA Dharmawan, Ega; Dyar Wahyuni, Eka; Anjani Arifiyanti, Amalia
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (150.814 KB)

Abstract

Twitter merupakan salah satu sosial media yang memiliki pengguna paling banyak di dunia. Di indonesia, sebanyak 19,5 juta orang aktif menggunakan twitter tahun 2019. Dengan banyaknya pengguna, maka tweet yang dihasilkan perharinya juga sangat banyak. Ini adalah alasan mengapa twitter merupakan sosial media yang tepat di dalam melakukan klasifikasi opini. Dengan klasifikasi opini, banyak hal menarik yang didapatkan. Seperti mengetahui bagaimana respon masyarakat tehadap sebuah permasalahan hingga menganalisa tanggapan tersebut. Persaingan tiap perusahaan smartphone untuk meningkatkan kualitasnya dan mendapatkan pelanggan perlu adanya analisa, salah satunya adalah dengan menggunakan klasifikasi opini. Pembuatan sistem klasifikasi opini pengguna smartphone pada twitter di indonesia ini dibangun menggunakan python dan framework django. Penelitian dilakukan dengan melakukan studi literatur, lalu analisis kebutuhan sistem dan data, perancangan model, pembangunan model menggunakan algoritma Naive Bayes, evaluasi model, perancangan sistem, pembangunan sistem dan implementasi sistem. Sistem yang dibuat mampu menghasilkan perbandingan opini dari tweet pengguna smartphone yang dicari dalam Twitter. Sistem ini dibangun dengan menggunakan model opini yang dibuat untuk memisahkan tweet opini dengan tweet fakta. Model opini memiliki dataset dengan jumlah 500 tweet yang diambil dalam waktu 1 januari 2018 hingga 31 desember 2018. Pengujian hamming distance juga dilakukan pada dataset dan menghasilkan nilai sebesar 99.4%. Pengambilan dataset diambil dengan menggunakan keyword tentang smartphone seperti samsung, xiaomi, advan, vivo dan oppo. Pengujian dilakukan dengan menggunakan beberapa skenario dengan parameter algoritma (Multinomial Naive Bayes, Gaussian Naive Bayes, dan Bernoulli Naive Bayes) dan jumlah test size. Hasil terbaik untuk model opini adalah akurasi sebesar 88.6%
MODEL KLASIFIKASI TEKS PRODUK TERLARANG: MENGGUNAKAN ALGORITMA CAMPURAN (HYBRID) SVM DAN LEKSIKON alathoillah, abdul hanif; Dyar Wahyuni , Eka; Anjani Arifiyanti, Amalia
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.987 KB)

Abstract

Jual beli secara daring merupakan aktivitas yang sudah menjadi hal yang biasa bagi masyarakat modern saat ini. Mulai dari usia muda hingga tua, 96% pengguna internet di Indonesia pernah menjelajahi web jual beli daring. Hal tersebut tentu karena peran teknologi yang membantu mempermudah aktivitas jual beli secara konvensional. Namun kemudahan tersebut belum didukung dengan sistem keamanan yang optimal. Masih banyak web jual beli daring membiarkan produk tertentu yang proses jual beli nya perlu dibatasi bahkan dilarang, karena beresiko mendukung tindak kriminalitas, Dsb. Namun tetap dapat tampil begitu saja pada berbagai web tersebut. Sehingga sebuah sistem klasifikasi teks yang dapat mengklasifikasikan data teks dari produk terlarang akan dapat menjadi salah satu opsi solusi dari permasalahan tersebut. Sistem klasifikasi teks yang merupakan bagian dari bidang penambangan kata, disusun oleh suatu model klasifikasi. Model klasifikasi dengan performa yang baik akan menghasilkan sistem klasifikasi yang baik pula. Penelitian ini membangun model klasifikasi dengan menguji 3 jenis pendekatan yaitu; pendekatan pengetahuan dengan kamus leksikon, pendekatan machine learning dengan algoritma Support Vector Machine (SVM), dan pendekatan gabungan dari keduanya (Hybrid) sehingga dapat menghasilkan suatu model dengan performa akurasi terbaik dalam klasifikasi teks produk. Dengan menggunakan 300 dataset produk didapatkan hasil akurasi terbaik mencapai 76,64%, recall sebesar 77%, dan presisi sebesar 78%. Setelah model klasifiksi dibuat, penelitian ini juga akan merancang sistem klasifikasi berbasis web. Sehingga sistem klasifikasi safety product dapat dibangun hingga diluncurkan dan dapat memberikan prediksi terhadap masukan teks dari pengunjung secara dinamis.
METODE FORWARD CHAINING DENGAN CERTAINTY FACTOR PADA SISTEM PAKAR ORTHODONTI KASUS MALOKLUSI Fariska, Rahmah Putri; Kusumantara, Prisa Marga; Arifiyanti, Amalia Anjani
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (446.532 KB)

Abstract

Kurangnya kesadaran masyarakat tentang kesehatan gigi, menyebabkan banyak masyarakat yang kurang mengetahui tentang permasalahan gigi dan mulut serta berapa besar masalah yang akan ditimbulkan. Salah satu permasalahan gigi yang kerap dijumpai adalah tidak ratanya struktur gigi atau disebut dengan maloklusi. Gangguan yang dapat terjadi pada kasus maloklusi adalah adanya ketegangan pada otot-otot rahang dan mulut yang berakibat pada terganggunya gerakan saat mengunyah makanan. Kondisi ini beresiko menyebabkan adanya fraktur gigi. Deteksi dini terhadap kasus maloklusi perlu dilakukan sehingga dapat membantu dalam mengurangi tingkat keparahan gangguan akibat gigi tidak rata. Penelitian ini mendalami bagaimana mendetekasi gejala awal maloklusi dengan melakukan proses anamnesa dengan dibantu oleh sistem berbasis pakar. Sistem pakar dikembangkan menggunakan metode Forward Chaining serta Certainty Factor. Sistem ini melakukan proses anamnesa dengan menanyakan gejala yang dirasakan, lalu dihitung hasil jawaban dari pertanyaan tersebut sehingga menghasilkan hasil anamnesa sementara. Penelitian ini telah diuji dengan 30 kasus maloklusi. Evaluasi dilakukan dengan membandingkan hasil sistem dengan hasil pemeriksaan klinis dokter. Hasilnya tingkat keakurasian sistem sebesar 76.6%.
SMOTE: METODE PENYEIMBANG KELAS PADA KLASIFIKASI DATA MINING Arifiyanti, Amalia Anjani; Wahyuni, Eka Dyar
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 15, No 1 (2020): Februari 2020
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v15i1.1850

Abstract

Abstrak. Kasus dengan kelas observasi yang memiliki kemunculan jarang seperti penipuan dan penyakit cenderung data yang muncul tidak seimbang antara satu kelas dengan kelas lain. Metode sampling merupakan salah satu metode untuk menangani ketidakseimbangan ini. Salah satu metode sampling yang digunakan adalah oversampling dengan SMOTE. Dengan metode ini, kelas minoritas direplikasi sebanyak kelas mayoritas. Keseimbangan data pada semua kelas berdampak pada performa model klasifikasi. Pada penelitian ini, model klasifikasi yang dihasilkan oleh logistic linear, KNN, dan Naive Bayes menunjukkanbahwa metode SMOTE meningkatkan performa model klasifikasi, sedangkan decision tree tidak menunjukkan hasil yang berbeda baik sebelum oversampling maupun setelah oversampling.Kata Kunci: Data Mining, Imbalanced Class, Klasifikasi, Oversampling, SMOTE  DOI : https://doi.org/10.33005/scan.v15i1.1850
SISTEM PAKAR PENEMPATAN STAF HIMPUNAN MAHASISWA MENGGUNAKAN METODE CERTAINTY FACTOR Putra, Satrio Honggonagoro Pramono; Arifiyanti, Amalia Anjani
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 13, No 2 (2020): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) AGUSTUS 2020
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v13i2.2143

Abstract

Penempatan sumber daya manusia ke dalam tiap unit kerja/departemen yang sesuai dengan kemampuan dan pengalamannya dapat mengoptimalkan kinerja dan produktifitasnya. Kegiatan tersebut memerlukan banyak pertimbangan dan waktu, sehingga adanya sistem pakar yang membantu dalam pemberian rekomendasi akan sangat membantu organisasi. Sistem pakar dipilih karena pengetahuan dari pakar dapat disimpan dan digunakan melalui sistem ini tanpa perlu adanya kehadiran pakar tersebut. Pengumpulan pengetahuan dari pakar ini dapat dilakukan dengan berbagai metode yang mana dari hasil pengumpulan informasi tersebut dirancanglah tabel keputusan dan pohon keputusan. Tabel keputusan dan pohon keputusan berisi aturan yang berasal dari kondisi/premis dan aksi/kesimpulan. Aturan tersebut adalah pengetahuan yang menjadi dasar dalam sistem pakar. Sayangnya aturan tersebut tidak mengakomodasi ketidakpastian. Oleh karenya ditambahkan metode certainty factor (CF) yang diharapkan mampu memberikan bobot yang merupakan representasi dari ketidakpastian.  DOI :  https://doi.org/10.33005/sibc.v13i2.2143
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMAIN FUTSAL BERBASIS WEB MENGGUNAKAN METODE PROFILE MATCHING (STUDI KASUS: MADIUN PUTRI FUTSAL CLUB) Putri, Youlan Indira; Hadiwiyanti, Rizka; Arifiyanti, Amalia Anjani
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 12, No 2 (2019): JURNAL SISTEM INFORMASI DAN BISNIS CERDAS (SIBC) AGUSTUS 2019
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/sibc.v12i2.1604

Abstract

Futsal merupakan salah satu cabang olahraga yang paling diminati di Indonesia. Madiun Putri Futsal Club merupakan club futsal khusus untuk wanita yang telah meraih banyak prestasi. Pelatih melakukan proses seleksi dengan cara melihat kemampuan pemain ketika melakukan proses latihan, tidak jarang pelatih lebih memilih pemain yang sudah lama menjadi anggota club daripada pemain baru yang memiliki skill yang lebih bagus, hal ini menyebabkan kerugian dalam proses penentuan pemain. Melihat permasalahan tersebut suatu sistem yang dapat menilai proses seleksi secara subyektif, yaitu sistem pendukung keputusan pemilihan pemain futsal berbasis web menggunakan metode Profile Matching. Sistem ini dibuat menggunakan bahasa pemrograman PHP dan basisdata MySQL. Dari proses pembuatan sistem dihasilkan perangkingan nilai pemain yang melakukan seleksi dengan menggunakan metode Profile Matching. Hasil perangkingan diharapkan dapat melakukan penilaian secara obyektif. DOI : https://doi.org/10.33005/sibc.v12i2.1604
Pemanfaatan Teknologi Informasi untuk Membantu Kegiatan Sekolah dari Rumah di Tengah Pandemi Covid-19 Anita Wulansari; Amalia Anjani Arifiyanti
Abdimas Universal Vol. 3 No. 1 (2021): April
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Balikpapan (LPPM UNIBA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36277/abdimasuniversal.v3i1.112

Abstract

Kebijakan bersekolah dari rumah yang ditetapkan oleh pemerintah sebagai upaya memutus rantai penyebaran Covid-19 menyebabkan kebingungan di kalangan tenaga pendidik, siswa, dan orang tua. Hal ini dikarenakan ketidaksiapan infrastruktur dan rendahnya literasi teknologi yang dimiliki oleh pihak sekolah dan siswa atau orang tua siswa. Di sisi lain, pihak yang dinilai memiliki literasi teknologi yang tinggi adalah perguruan tinggi. Selain itu, perguruan tinggi juga berkepentingan untuk menghasilkan lulusan yang berkompeten. Salah satu caranya adalah dengan melibatkan para mahasiswa untuk membantu menyelesaikan permasalahan yang terjadi di dunia nyata. Oleh karena itu, metode pembelajaran berbasis proyek dinilai tepat untuk diterapkan. Kebutuhan dari kedua pihak tersebut dapat dipenuhi oleh satu sama lain sehingga diperlukan kerja sama antara perguruan tinggi, dalam hal ini mahasiswa, dengan pihak sekolah sebagai mitra proyek. Tim pelaksana proyek bertugas untuk membantu mitra menggunakan aplikasi learning management system (LMS).  Hasil kegiatan ini menunjukkan bahwa mahasiswa semakin memahami pengaplikasian teori yang dipelajari sekaligus mengasah keahlian yang bersifat soft skill sedangkan mitra proyek berhasil mengimplementasikan aplikasi tersebut di dalam kegiatan belajar mengajar di lingkungannya.
Klasifikasi Produk Retur dengan Algoritma Pohon Keputusan C4.5 Amalia Anjani Arifiyanti; Rhendy May Pradana; Indra Fajar Novian
Jurnal IPTEK Vol 22, No 1 (2018)
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.iptek.2018.v22i1.243

Abstract

Pengembalian produk oleh konsumen kepada penjual bukan hal yang dapat dihindari. Aktivitas ini tidak terlihat merugikan pada awalnya, namun pengelolaan informasi dari pengembalian produk dapat memberikan informasi yang bermanfaat bagi penjual untuk digunakan dalam proses evaluasi. Salah satu cara pengelolaan informasi ini adalah dengan melakukan klasifikasi dari jenis produk yang dikembalikan oleh konsumen dan alasan-alasan yang menjadikan produk tersebut dikembalikan. Pada penelitian ini produk retur dimasukkan dalam tiga klasifikasi yaitu kuat, sedang, dan lemah. Hasil klasifikasi tersebut dapat menjadi evaluasi pada proses produksi hingga pengemasan dan pengiriman produk. Algoritma pohon keputusan C4.5 dipilih dalam penelitian ini karena algoritma ini dapat menangani multi-class, memiliki performa yang baik dalam klasifikasi, dan model klasifikasi yang dihasilkannya mudah dipahami. Pembagian data latih dan data uji dilakukan dengan menggunakan metode cross-validation 10 folds karena jumlah data yang terbatas. Model klasifikasi yang dihasilkan pada penelitian ini memiliki performa akurasi sebesar 95,6%, precision sebesar 0,943, dan recall sebesar 0,956.
Co-Authors Abdul Rezha Efrat Najaf Agung Brastama Putra alathoillah, abdul hanif Ananda Lakunti A Anggy Oktaviana Syafira Anita Wulansari Anita Wulansari, S.Kom., M.Kom Anwar Sodik Anwar Sodik, Anwar Bagus Utomo Basma Eno Ketherin Brahmantio Widyo Trenggono Dharmawan, Ega Dhian Satria Yudha Kartika Diana Aqidatun Nisa Dyar Wahyuni , Eka Dyar Wahyuni, Eka Eka Dyar Wahyuni Eka Dyar Wahyuni Eka Dyar Wahyuni Farhan Setiyo Darusman Farhan Setiyo Darusman Fariska, Rahmah Putri I Gusti Ayu Sri Deviyanti, ST., MT Indira Setia Amalia Indra Fajar Novian Irwan Afandi, Mohamad Ketherin, Basma Eno Kusumantara, Prisa Marga Kusumantara, Prisa Marga M. Rizal Abdullah Rozi Mahanani, Anajeng Esri Edhi Mashita Kustyani Mochamad Suhri Ainur Rifky Mochammad Fuad Pandji Muhammad Burhanuddin F Novian, Indra Fajar Nur Cahyo Wibowo Nurisa Rahma Shantika Nurjanti Takarini Oktania Purwaningrum Oktania Purwaningrum Pandu Rizki Maulidiah Pradana, Rhendy May Putra, Satrio Honggonagoro Pramono Putri, Youlan Indira Putu Anggi Suryantari Reisa Permatasari Reisa Permatasari Rendi Panca Wijanarko Rhendy May Pradana Rizka Hadiwiyanti Seftin Fitri Ana Wati Siti Mukaromah Solehudin Al Ayyubi Sudewantoro N M Sulistyowati Sulistyowati Sulistyowati Sulistyowati Tri Diana Rimadhani Wahyuni, Eka Dyar Yudha Yunanto Putra