Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi
Unknown Affiliation

Published : 33 Documents
Articles

Found 33 Documents
Search

Implementasi Algoritma Genetika Untuk Penjadwalan Customer Service (Studi Kasus: Biro Perjalanan Kangoroo) Damayanti, Chusnah Puteri; Putri, Rekyan Regasari Mardi; Fauzi, Mochammad Ali
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 6 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1310.161 KB)

Abstract

Karena kebutuhan akan transportasi yang tinggi dari masyarakat, biro perjalanan atau travel harus siap siaga melayani masyarakat. Pada travel dibutuhkan karyawan yang harus sedia untuk melayani pelanggan disebut customer service. Customer service harus memberikan informasi yang tepat, akurat dan cepat kepada pelanggan. Pada Travel Kangoroo yang memiliki lebih dari 300 armada, memiliki dua lokasi kantor yaitu pusat dan cabang serta jam operasional yang panjang membutuhkan customer service yang sedia melayani pelanggan. Serta terdapat berbagai aturan yang harus dipenuhi untuk membuat penjadwalan customer service. Sehingga, pada penelitian ini permasalahan penjadwalan diselesaikan dengan menggunakan algoritma genetika. Algoritma genetika mampu menyelesaikan permasalahan yang kompleks dan memiliki cakupan luas. Melalui pengujian yang telah dilakukan, diperoleh parameter terbaik yang menghasilkan nilai fitness paling optimal dengan ukuran populasi sebesar 110, ukuran generasi 110 dan perbandingan crossover rate dan mutation rate 0.7:0.3. Dengan menggunakan parameter tersebut, penjadwalan customer service memiliki hasil yang optimal walaupun masih ada pelanggaran yang terjadi dengan waktu komputasi yang lebih singkat dibandingkan dengan manual.
Optimasi K-Means Untuk Clustering Dosen Berdasarkan Kinerja Akademik Menggunakan Algoritme Genetika Paralel Wahyuningtyas, Endah Utik; Putri, Rekyan Regasari Mardi; Sutrisno, Sutrisno
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 8 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (647.747 KB)

Abstract

Tugas utama seorang dosen adalah menghasilkan sumber daya manusia yang berkualitas serta menyelesaikan permasalahan yang ada di masyarakat luas melalui penelitian, pengabdian, dan lain sebagainya. Kompetensi yang dimiliki oleh seorang dosen menentukan kualitas pelaksanaan tridharma perguruan tinggi. Sehingga perlu adanya evaluasi kinerja akademik dosen yang dilakukan secara periodik oleh tim penjamin mutu. Evaluasi kinerja akademik dosen bertujuan untuk menjaga mutu institusi, memudahkan dalam pengambilan kebijakan, dan memberikan treatment yang tepat untuk peningkatan kualitas dosen. Setiap dosen dapat memiliki kompetensi yang berbeda antara satu dengan yang lainnya. Oleh sebab itu perlu adanya pengelompokan data terkait dengan kinerja akademik dosen secara optimal. Pada penelitian kali ini, akan dibangun sistem clustering dosen berdasarkan kinerja akademik dengan menggunakan metode k-means clustering. Mengingat metode tersebut memiliki kekurangan yaitu sering mendapatkan cluster yang berbeda-beda karena inisialisasi centroid dilakukan secara random, oleh sebab itu perlu adanya optimasi centroid pada algoritme k-means. Algoritme genetika paralel dapat digunakan untuk mengoptimasi pusat cluster pada algoritme k-means. Hasil pengelompokan yang didapatkan menunjukkan bahwa optimasi pusat cluster menggunakan algoritme genetika paralel mendapatkan hasil yang lebih baik dibandingkan hanya dengan metode k-means saja.
Optimasi Peningkatan Laba Produksi Abon dengan Menggunakan Algoritma Genetika (Studi Kasus UKM Poklahsar Berkah Lumintu – Tulungagung) Fitrianur, Khoirin Nisa; Putri, Rekyan Regasari Mardi; Wicaksono, Satrio Agung
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 5 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (954.621 KB)

Abstract

UKM Poklahsar Berkah Lumintu adalah Usaha Kecil Menengah yang terdapat di Desa Gondosuli Kecamatan Gondang, Kabupaten Tulungagung. Sebagai kawasan minapolitan dengan hasil utama ikan Lele dan Ikan Patin. UKM tersebut memproduksi berbagai macam makananan olahan berbahan dasar ikan dengan memanfaatkan setiap bagian dari ikan. Produk yang paling laris dijual pada UKM ini yakni abon ikan Lele, Abon Tuna, Abon ikan Patin, serta Abon ikan Salmon. Terbukti dengan adanya peningkatan penjualan abon dari tahun ke tahun.Pada tahun 2011 penjualan abon ikan Lele sebanyak 6.336 bungkus, dan mengalami peningkatan yang cukup signifikan pada tahun 2015 yakni 41.000 bungkus. Penentuan jumlah produksi abon yang dilakukan hanya sesuai perkiraan pemilik yakni secara subjektif saja, sehingga sering terjadi kelebihan stok abon.Untuk dapat mengatasi permasalahan tersebut, maka dibutuhkan suatu analisis berdasarkan data penjualan sehingga dapat meminimalkan sisa stok abon. Jumlah produksi yang tepat dapat meningkatkan laba industri. Optimasi diperlukan untuk dapat memaksimalkan laba dengan waktu, bahan,dan modal yang tertentu sesuai dengan batasan yang telah ditetapkan.Optimasi peningkatan laba produksi abon pada penelitian ini menggunakan algoritma genetika. Setelah dilakukan implementasi dan penelitian, diperoleh hasil fitnes terbaik adalah 50 dengan nilai ukuran populasi = 100, ukuran generasi = 90, cr = 0.8, dan mr = 0. 2
Implementasi Metode K-Nearest Neighbor untuk Rekomendasi Keminatan Studi (Studi Kasus: Jurusan Teknik Informatika Universitas Brawijaya) Anshori, Luthfi; Putri, Rekyan Regasari Mardi; Tibyani, Tibyani
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 7 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1404.471 KB)

Abstract

Prodi Informatika Universitas Brawijaya mempunyai 5(lima) keminatan yang akan ditempuh mahasiswa dalam menjalani perkuliahan. Mengingat sangat pentingnya keminatan ini untuk perkuliahan mahasiswa yang nantinya juga berpengaruh pada tugas akhir (skripsi) hingga kelulusan mahasiswa, maka mahasiswa diharapkan untuk memilih keminatan yang sesuai dengan minat dan bakatnya. Berdasarkan Buku Pedoman Fakultas Ilmu Komputer Universitas Brawijaya tahun 2016 keminatan yang ada pada prodi Informatika ada 5 (lima) keminatan yaitu Rekayasa Perangkat Lunak, Komputasi Cerdas, Perangkat bergerak, Jaringan Komputer serta Game. Agar mahasiswa dapat memilih keminatan yang sesuai maka di perlukan sistem rekomendasi untuk keminatan mahasiswa dengan harapan mahasiswa dapat memilih keminatan yang sesuai dengan bakat, keinginan serta tentu saja nilai mata kuliah wajib yang sudah ditempuh. Dengan mengimplementasikan metode K-Nearest Neighbor yang bertujuan untuk memberikan rekomendasi keminatan berdasarkan atribut nilai-nilai mata kuliah wajib. Pengujian dilakukan dengan membandingkan hasil keminatan yang sudah diverifikasi oleh akademik kampus dengan hasil dari sistem. Dari pengujian data uji sebanyak 30 data mahasiswa yang sudah memilih keminatan maka didapatkan hasil akurasi sebanyak 76,66% terhadap data latih dengan nilai K yang paling optimal adalah K bernilai 10, maka dapat disimpulkan sistem rekomendasi keminatan ini dapat membantu mahasiswa memberikan rekomendasi keminatan yang akan dipilih.
Implementasi Algoritme Support Vector Regression Pada Prediksi Jumlah Pengunjung Pariwisata Raharyani, Mimin Putri; Putri, Rekyan Regasari Mardi; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 4 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1533.814 KB)

Abstract

Pariwisata mempunyai peranan penting bagi pertumbuhan ekonomi suatu daerah. Salah satu faktor yang memengaruhi sektor pendapatan pariwisata adalah jumlah pengunjung. Semakin banyak jumlah pengunjung dapat meningkatkan pendapatan, jika jumlah pengunjung mengalami penurunan maka akan berdampak pada perkembangan tempat wisata yang dapat merugikan pihak pengelola pariwisata. Sistem prediksi jumlah pengunjung diperlukan sebagai gambaran mengenai tingkat jumlah pengunjung pariwisata untuk periode yang akan datang dan dapat memberikan informasi kepada pihak pengelola pariwisata untuk mempersiapkan sarana dan prasarana yang lebih baik serta mampu mengelola pendapatan dan pengeluaran untuk meminimalkan kerugian. Prediksi jumlah pengunjung pariwisata dapat dilakukan dengan menerapkan algoritme Support vector regression. Algoritme Support vector regression merupakan metode yang dapat menyelesaikan masalah regresi dan menghasilkan kinerja yang baik dalam pengambilan solusi. Pada penelitian ini data yang digunakan sebanyak 72 data jumlah pengunjung bulanan pada pariwisata dari tahun 2010 hingga 2015. Hasil pengujian menunjukkan bahwa rata-rata nilai MAPE minimum yang dihasilkan adalah 9,16% dan nilai MAPE terbaik yang didapatkan adalah 6,98% yang berarti rata-rata selisih antara hasil prediksi dengan data aktual sebesar 115 jumlah pengunjung dengan parameter sigma = 925,8409 lambda = 0,3868, cLR = 0,0802, epsilon = 1,27E-10, complexity = 3234,539, jumlah iterasi maksimal 5000. Kata kunci: prediksi, pariwisata, jumlah pengunjung, support vector regression
Optimasi Komposisi Makanan Pada Penderita Diabetes Melitus dan Komplikasinya Menggunakan Algoritma Genetika Maryamah, Maryamah; Putri, Rekyan Regasari Mardi; Wicaksono, Satrio Agung
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 4 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1024.937 KB)

Abstract

Diabetes Melitus (DM) merupakan penyebab kematian no 4 terbesar didunia dan menyebabkan kematian lebih banyak dibandingkan dengan penyakit lain sehingga diperlukan perhatian yang serius. Salah satu yang dapat dilakukan adalah dengan terapi diet yakni menyusun menu makanan harian. Diet penderita diabetes dilakukan dengan memperhatikan kebutuhan energi, karbohidrat, protein, dan lemak dengan tepat dan akurat. Perhitungan energi pasien dapat dilakukan dengan manual atau dengan bantuan sistem yang menerapkan suatu algoritma. Jika dilakukan dengan proses manual akan membutuhkan waktu yang lama terutama apabila bahan makanan yang tersedia sangat banyak dan diet diabetes setiap komplikasi memiliki kebutuhan yang berbeda. Dengan bantuan sistem proses komputasi akan berlangsung dengan cepat dan jika diterapkan suatu algoritma perhitungan akan menghasilkan solusi yang lebih optimal, salah satu algoritma tersebut adalah algoritma genetika. Algoritma genetika merupakan metode heuristik yaitu suatu metode pencarian, dalam pelaksanaanya terdapat aturan-aturan untuk memperoleh solusi yang lebih baik daripada solusi sebelumnya. Algoritma genetika banyak diterapkan pada berbagai permasalahan optimasi sehingga diharapkan juga dapat mengoptimalkan masalah pada optimasi kompoisi makanan. Hasil yang didapatkan dari penelitian yang dilakukan adalah individu dalam populasi yang optimal berjumlah 250 individu dengan jumlah generasi 145 dan kombinasi cr dan mr paling optimal adalah 0.7 dan 0.3 dengan fitnes 0. 01857.
Sistem Pakar Klasifikasi Permasalahan Berdasar AUM Menggunakan FCM-FIS Tsukamoto Christianto, Ainun Najib Eka; Putri, Rekyan Regasari Mardi; Widodo, Agus Wahyu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 4 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (810.385 KB)

Abstract

Alat ungkap masalah merupakan sebuah instrumen dalam bimbingan dan konseling yang digunakan untuk menemukan dan memahami setiap permasalahan yang dialami oleh siswa. Alat ungkap masalah ini digunakan karena kurangnya pemahaman yang mendalam dari guru bimbingan dan konseling terhadap siswa. Meskipun sudah digunakannya alat ungkap masalah proses pelayanan bimbingan konseling siswa masih kurang maksimal dikarenakan kurangnya sumber daya manusia yang ada dalam suatu sekolah dan pemahaman guru bimbingan dan konseling mengenai alat ungkap masalah dan masalah yang dihadapi oleh siswa. Oleh karena itu perlu dikembangkan sebuah sistem pakar yang dapat mengadopsi pengetahuan dari seorang pakar bimbingan konseling dalam proses pengenalan masalah menggunakan alat ungkap masalah. Tujuan dari aplikasi ini adalah membantu para guru bimbingan konseling untuk mempermudah proses bimbingan dan konseling dan mempermudah siswa dalam mengenali masalah yang dihadapinya. Aplikasi ini menggunakan FCM Clustering sebagai proses pembangkitan aturannya dan FIS Tsukamoto sebagai mesin inferensinya, aplikasi ini dapat menghasilkan tingkat akurasi sebesar 75,71 % dibandingkan dengan hasil diagnosis pakar.
Deteksi Autisme pada Anak Menggunakan Metode Modified K-Nearest Neighbor (MKNN) Putri, Zahra Swastika; Putri, Rekyan Regasari Mardi; Indriati, Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 3 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1123.03 KB)

Abstract

Autisme merupakan gangguan tumbuh kembang anak terkait gangguan komunikasi, kognisi, aktivitas imajinasi dan interaksi sosial. Gangguan tersebut banyak yang tidak menyadarinya hingga anak berusia 3-7 tahun. Keterlambatan, kesalahan akibat kemiripan gejala dalam mendeteksi, dan kurangnya pengetahuan serta pengalaman mengenai autisme menyebabkan ketidaktepatan penanganan dan memicu peningkatan jumlah penderita autisme. Identifikasi autisme dibedakan ke dalam autisme berat, autisme sedang, autisme ringan, dan tidak terdeteksi autisme. Metode Modified K-Nearest Neighbor (MKNN) merupakan pengembangan metode konvensional KNN. Proses modifikasi pada MKNN dilakukan dengan menambahkan proses validitas data latih dan proses weight voting agar dapat menguatkan ketetanggaan data training dan menguatkan hasil kinerja metode. Berdasarkan hasil pengujian pengaruh nilai k didapatkan akurasi tertinggi sebesar 83.33% menggunakan dissimilarity measure. Pada pengujian komposisi keseimbangan data latih didapatkan akurasi tertinggi sebesar 90% menggunakan euclidean distance. Pada pengujian jumlah data latih rata-rata akurasi tertinggi sebesar 79.17%. Pada pengujian variasi data latih didapatkan akurasi tertinggi sebesar 83.33% menggunakan dissimilarity measure. Berdasarkan hasil akurasi pengujian tersebut, menunjukkan bahwa deteksi autisme pada anak menggunakan metode MKNN memiliki tingkat akurasi yang cukup baik dan mampu melakukan klasifikasi deteksi gejala autisme berdasarkan masukan gejala yang dirasakan pengguna.
Sistem Pakar Diagnosis Penyakit Demam: DBD, Malaria dan Tifoid Menggunakan Metode K-Nearest Neighbor - Certainty Factor Shofia, Elsa Nuramilus; Putri, Rekyan Regasari Mardi; Arwan, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 1 No 5 (2017)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1193.865 KB)

Abstract

Demam merupakan salah satu jenis gangguan kesehatan yang mengganggu produktivitas setiap orang bahkan dapat menyebabkan kematian dan masih menjadi permasalahan kesehatan Indonesia. Terdapat beberapa jenis demam yang perlu diwaspadai antara lain Demam Berdarah Dengue, Malaria dan Tifoid. Ketiga penyakit ini memiliki gejala yang mirip, sehingga banyak tenaga medis dan dokter internship yang seringkali melakukan kesalahan dalam mendiagnosis. Untuk itu diperlukan sebuah sistem yang mengadopsi pengetahuan pakar untuk mengatasi masalah tersebut yaitu sistem pakar. Metode yang digunakan untuk mendukung sistem pakar tersebut adalah metode K-Nearest Neighbor – Certainty Factor yang merupakan penggabungan 2 metode dimana hasil klasifikasi dari metode K-Nearest Neighbor akan diberi nilai kepastian oleh metode Certainty Factor sehingga menghasilkan suatu diagnosis penyakit. Pada penelitian ini data latih dan data uji yang digunakan berjumlah 143 data. Berdasarkan hasil pengujian variasi nilai K didapatkan akurasi sebesar 88.37%. Pada pengujian variasi data latih didapatkan akurasi sebesar 86.04%. Pada pengujian rasio data latih dan data uji didapatkan akurasi sebesar 95%. Pada pengujian variasi jumlah data uji didapatkan akurasi sebesar 90%. Pada pengujian variasi data uji didapatkan rata-rata akurasi sebesar 97.22%. Pada pengujian perbandingan metode, metode k-nearest neighbor-certainty factor menghasilkan akurasi sebesar 84.79%.
Penerapan Bayesian Network Pada Sistem Pakar Ekspresi Wajah dan Bahasa Tubuh Melalui Pengamatan Indra Penglihatan Pada Foto Adiputra, Muhammad; Putri, Rekyan Regasari Mardi; Suprapto, Suprapto
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 1 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1148.744 KB)

Abstract

Ekspresi wajah dan bahasa tubuh merupakan bahasa non-verbal yang dapat menggambarkan emosi sesungguhnya dalam diri seseorang. Gerakan pada ekspresi wajah dan bahasa tubuh yang ditunjukkan oleh manusia tidak hanya mengandung satu makna tersendiri. Selain itu, untuk beberapa kasus perlu adanya kombinasi antara ekspresi wajah tersebut dengan gerak tubuhnya untuk mengetahui makna tersembunyi di dalamnya. Sistem pakar ekspresi wajah dan bahasa tubuh merupakan penerapan dari teori probabilistik dan teori graf pada metode bayesian network. Tujuan dari pembuatan sistem pakar ini adalah untuk mengidentifikasi arti atau makna emosi yang ditunjukkan seseorang melaui ekspresi wajah dan bahasa tubuhnya. Terdapat 7 ungkapan perasaan dan emosi yang menjadi keluaran sistem, yaitu: bohong, jujur, marah, sedih, takut, bahagia, dan terkejut. Berdasarkan pada pengujian variasi data latih diperoleh hasil bahwa jumlah data latih dan variasi data latih mempengaruhi nilai akurasi sistem. Selain itu, diketahui juga bahwa semakin banyak jumlah data latih yang digunakan dan semakin bervariasi, maka semakin tinggi tingkat akurasinya. Sedangkan berdasarkan hasil pengujian menggunakan metode f-measure yang dilakukan terhadap 5 kasus yang berisi 28 gambar, dimana setiap gambar menunjukkan ekspresi wajah dan bahasa tubuh dari 5 orang yang berbeda, diperoleh hasil rata-rata precision sebesar 80.47%, recall 86.34%, dan tingkat akurasi untuk f-measure sebesar 80.31%.