Ika Novita Dewi
Faculty of Computer Science, Universitas Dian Nuswantoro

Published : 11 Documents
Articles

Found 11 Documents
Search

FRAMEWORK TRANSFORMASI CHAT HISTORY KE DALAM BASIS DATA Dewi, Ika Novita; Nugroho, Fajar Agung
Semantik Vol 1, No 1 (2011): Prosiding Semantik 2011
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Instan e-commerce merupakan aplikasi berbasis web yang menyediakan domain bagi suatu perusahaan yang akan memasarkan dan menjual produknya secara online. Untuk kemudahan komunikasi antara penjual dan pembeli instan e-commerce juga menyediakan fasilitas messenger. Namun demikian fitur yang ditawarkan umumnya sama dengan fitur aplikasi messenger standar untuk komunikasi. Meningkatnyaintensitas komunikasi antara pemilik toko online dengan pelanggan dapat memberikan potensi informasi tentang perilaku pelanggan, trend kebutuhan, ekspektasi, serta berbagai bentuk informasi lainnya yang dapat meningkatkan kualitas dan kuantitas bisnis. Pengelolaan informasi memerlukan subsistem yang dapat mengolah data dokumentasi dari histori percakapan teks melalui sistem messenger terintegrasi yang kemudian dihimpun untuk membentuk sebuah knowledge-base. Melalui pendekatan integratif, penelitian ini mengusulkan framework pengelolaan chat histori dengan memanfaatkan teknik transformasi teks kedalam relasional basis data. Review literatur dilakukan untuk mengetahui state of the art dari teknologi transformasi teks dan relasi tabel dinamis. Future work dari penelitian ini adalah untuk membangun sistem analis yang dapat menarik valuable informasi dari basis data yang telah terintegrasi dengan historipercakapan.Kata kunci : E-commerce, Chat History, Basis Data
FRAMEWORK TRANSFORMASI CHAT HISTORY KE DALAM BASIS DATA Dewi, Ika Novita; Nugroho, Fajar Agung
Semantik Vol 1, No 1 (2011): Prosiding Semantik 2011
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Instan e-commerce merupakan aplikasi berbasis web yang menyediakan domain bagi suatu perusahaan yang akan memasarkan dan menjual produknya secara online. Untuk kemudahan komunikasi antara penjual dan pembeli instan e-commerce juga menyediakan fasilitas messenger. Namun demikian fitur yang ditawarkan umumnya sama dengan fitur aplikasi messenger standar untuk komunikasi. Meningkatnyaintensitas komunikasi antara pemilik toko online dengan pelanggan dapat memberikan potensi informasi tentang perilaku pelanggan, trend kebutuhan, ekspektasi, serta berbagai bentuk informasi lainnya yang dapat meningkatkan kualitas dan kuantitas bisnis. Pengelolaan informasi memerlukan subsistem yang dapat mengolah data dokumentasi dari histori percakapan teks melalui sistem messenger terintegrasi yang kemudian dihimpun untuk membentuk sebuah knowledge-base. Melalui pendekatan integratif, penelitian ini mengusulkan framework pengelolaan chat histori dengan memanfaatkan teknik transformasi teks kedalam relasional basis data. Review literatur dilakukan untuk mengetahui state of the art dari teknologi transformasi teks dan relasi tabel dinamis. Future work dari penelitian ini adalah untuk membangun sistem analis yang dapat menarik valuable informasi dari basis data yang telah terintegrasi dengan historipercakapan.Kata kunci : E-commerce, Chat History, Basis Data
Clinical Terminology in Patient Health Record System - SNOMED CT Overview Dewi, Ika Novita
FIKI 2013 No 1 (2013): FIKI 2013
Publisher : FIKI 2013

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Background of study: Patient Health Record System (PHRS) is used byphysicians for capturing patient medical records in electronic media.Standardization in PHRS arises a major challenge due to its complexities. Theused of clinical terminology is needed in order to facilitate more expressiveclinical data input, provide unambiguous encoding and support the exchange ofclinical information. One of highly specialized clinical terminology is SNOMEDCT(Systematized Nomenclature of Medicine Clinical Terms) that able to encodeclinical data, and contains concepts that linked to clinical knowledge to enableaccurate recording of data without ambiguity. The aims of this paper is to discussthe use of clinical terminology in PHRS and identifying importance factors forapplying clinical terminology in healthcare services.Method: This study used review of literature in order to find the use of clinicalterminology in patient health record system by reviewing current used of clinicalterminology.Result: The result of the study found that clinical terminology supportsinformation exchange between healthcare providers.
Multimedia Presentasi Pembelajaran Berbasis Augmented Reality untuk Pengenalan Pancaindra dalam Mendukung Mata Pelajaran IPA Tingkat Sekolah Dasar Sari, Wellia Shinta; Dewi, Ika Novita; Setiawan, Abas
Semantik Vol 2, No 1 (2012): Prosiding Semantik 2012
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengembangan multimedia presentasi pembelajaran merupakan salah satu alat bantu guru dalam proses pembelajaran dikelas dan tidak menggantikan guru secara keseluruhan. Multimedia pembelajaran ternyata sangat membantu siswa dalam meningkatkan pemahaman siswa, misalnya dengan aplikasi presentasi seperti Microsoft Power Point, dan bisaditambahkan multimedia linear berupa film dan video serta efek animasi untuk memperkuat pemahaman siswa, misalnya Augmented Reality (AR). Teknologi AR yang dikembangkan akan dipakai untuk membantu mengembangkan multimedia presentasi pembelajaran dalam mendukung proses belajar dan mengajar materi pengenalan pancaindra tingkat Sekolah Dasar sehingga mambantu siswa dalam memahami struktur dan fungsi pancaindra pelajaran IPA tingkat Sekolah Dasar khususnya kelas 4. Aplikasi AR dikembangkan dengan metode problem based learning yang meliputi tahap analisis,perancangan, pengembangan, dan pengujian. Aplikasi AR ini menggunakan gambar animasi 3D yang didesain menggunakan Autodesk 3ds Max dan dibangun menggunakan pemrograman flash dengan library FLARToolkit,Papaervision3D, dan FLARGenerator.Kata kunci : Augmented Reality, Pancaindra, FLARToolkit
NoSQL: Latar Belakang, Konsep, dan Kritik Firdausillah, Fahri; Hidayat, Erwin Yudi; Dewi, Ika Novita
Semantik Vol 2, No 1 (2012): Prosiding Semantik 2012
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Berkembangnya aplikasi berbasis web yang memerlukan pengolahan data dalam skala besar melahirkan paradigma baru dalam teknologi basis data. Beberapa website seperti Facebook, Twitter, Digg, Google, Amazon, dan SourceForge menyimpan dan mengolah data puluhan giga setiap harinya, dan total keseluruhan data yang disimpan oleh applikasi tersebut sudah mencapai ukuran petabyte. Ukuran data yang sangat besar menimbulkan permasalahan dari segi skalabilitas, karena pertambahan data yang terjadi setiap saat. Peningkatan kemampuan server secara vertikal yang dimiliki Relational Database Management System (RDBMS) terbatas pada penambahan prosesor, memori, dan media penyimpanan dalam satu node server yang terbatas. Sedangkan peningkatan kemampuan server secara horizontal yang meliputi penambahan perangkat server baru dalam suatu jaringan memerlukan biaya yang mahal dan sulit dalam pengelolaannya. Salah satu cara yang diterapkan oleh website berskala besar untuk mengatasi permasalahan tersebut adalah dengan menggunakan NoSQL, sebuah paradigma basis data yang merelaksasikan aturan-aturan konsistensi yang terdapat pada basis data relasional. Jika RDBMS menggunakan aturan Atomicity, Consistency, Isolation, dan Durability(ACID) untuk penyimpanan dan pengolahan data, maka NoSQL menggunakan paradigma Basically Available, Soft State,and Eventually consistent (BASE) untuk merelaksasikan aturan tersebut. Hasilnya, NoSQL dapat mengolah data dalam jumlah besar dengan memartisi data ke dalam beberapa server secara lebih mudah. Makalah ini membahas dan menjelaskan latar belakang kemunculan, konsep dasar, dan penggunaan NoSQL.Kata kunci : Basis data, RDBMS, Skalabilitas, NoSQL
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
Klasifikasi Teks Pesan Spam Menggunakan Algoritma Naïve Bayes Dewi, Ika Novita; Supriyanto, Catur
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Intensitas pengiriman teks pesan spam melalui layanan sms semakin meningkat seiring dengan meningkatnya trafik komunikasi. Hal ini bisa meresahkan dan membuat ketidaknyamanan para penerima pesan. Salah satu cara yang bisa terapkan untuk mengatasi pesan spam adalah dengan melakukan filterisasi. Filterisasi diterapkan untuk membedakan pesan yang berisi spam dan pesan yang tidak berisi spam menggunakan teknik klasifikasi teks dengan metode naïve bayes. Naïve bayes efektif diterapkan untuk melakukan klasifikasi data dengan jumlah  yang besar. Hasil eksperimen menunjukkan bahwa Naïve Bayes dalam melakukan klasifikasi teks pesan memiliki nilai akurasi 84.40%, precision 45.76% dan recall 88.09% dengan proses dokumen menggunakan word vector TF-IDF tanpa metode prune.  Penerapan klasifikasi teks menggunakan Naïve Bayes dengan word vector TF-IDF dapat menghasilkan tingkat akurasi yang baik, sehingga dapat diterapkan untuk memfilter pesanyang berisi spam.
Penentuan Prediksi Awal Penyakit Jantung Menggunakan Algoritma Back Propagation Neural Network dengan Metode Adaboost Pramunendar, Ricardus Anggi; Dewi, Ika Novita; Asari, Hasan
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung adalah terjadinya penyumbatan sebagian atau total dari suatu lebih pembuluh darah, akibatnya adanya peyumbatan maka dengan sendirinya suplai energi kimiawi ke otot jantung berkurang, sehingga te rjadi gangguan keseimbangan antara suplai dan kebutuhan.  Dari tahun ke tahun jumlah kasus pasien dengan penyakit jantung semakin meningkat.  Sebagai upaya preventif dalam penanganan penyakit jantung perlu dilakukan usaha untuk melakukan prediksi lebih awal  pasien dengan penyakit jantung. Hasil prediksi awal yang dilakukan dapat digunakan oleh para  petugas medis  sebagai alat bantu dalam penentuan penyakit jantung dan langkah awal penanganannya. Penerapan prediksi awal penyakit jantung dapat dilakukan dengan teknik komputasi cerdas menggunakan algoritma  Back Propagation  Neural  Network  (BPNN)  dengan  penambahan metode Adaboost.  Hasil eksperimen menunjukkan bahwa nilai akurasi hasil prediksi menggunakan algoritma BPNN  adalah 96,65 % dan algoritma  BPNN  dengan  metode  Adaboost menjadi 99,29 %, sehingga dapat dikatakan bahwa algoritma neural network dengan penambahan metode adaboost memiliki hasil prediksi yang baik dalam memprediksi penyakit jantung seorang pasien.
Automatic Text Summarization Using Latent Drichlet Allocation (LDA) for Document Clustering Hidayat, Erwin Yudi; Firdausillah, Fahri; Hastuti, Khafiizh; Dewi, Ika Novita; Azhari, Azhari
International Journal of Advances in Intelligent Informatics Vol 1, No 3 (2015): November 2015
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v1i3.43

Abstract

In this paper, we present Latent Drichlet Allocation in automatic text summarization to improve accuracy in document clustering. The experiments involving 398 data set from public blog article obtained by using python scrapy crawler and scraper. Several steps of clustering in this research are preprocessing, automatic document compression using feature method, automatic document compression using LDA, word weighting and clustering algorithm The results show that automatic document summarization with LDA reaches 72% in LDA 40%, compared to traditional k-means method which only reaches 66%.