Rosalia Hadi
Rosalia Hadi has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
- Gusti Ayu Desi Saryanti
Institut Teknologi dan Bisnis STIKOM Bali
2 shared publications - Gusti Ngurah Ady Kusuma
ITB STIKOM Bali 12345 Jl. Raya Puputan No 86 Renon Denpasar
2 shared publications - Ni Luh Gede Pivin Suwirmayanti
ITB STIKOM Bali
2 shared publications - I Gede Ananda Pamungkas
STMIK Stikom Bali 1 2 3
1 shared publication - I Komang Agus Ady Aryanto
ITB STIKOM Bali
1 shared publication - I Made Sudarsana
Institut Teknologi dan Bisnis STIKOM Bali
1 shared publication
Latest Publications
- Open Access
- 2 April 2025
- Published by LPPM Institute for Research and Community Service, Dian Cipta Cendikia Institute of Business Technology and Language in Jurnal Informasi dan Komputer
- Vol. 13 (01) , 167-173
ANALISIS PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI DATA PERBANKAN
Data perbankan memiliki karakteristik yang beragam, mencakup transaksi keuangan, riwayat kredit, detail nasabah, dan lainnya. Kompleksitas data ini menimbulkan tantangan dalam pengelolaan dan analisis data yang efektif. Salah satu tantangannya adalah menilai kelayakan kredit pemohon pinjaman rumah. Dalam proses pemberian pinjaman, beberapa faktor dipertimbangkan, termasuk karakter pemohon, kemampuan pembayaran, jaminan, kondisi ekonomi, usia, dan sumber pendanaan. Analisis risiko kredit dapat dilakukan melalui berbagai metode, termasuk analisis pasar dan teknik pembelajaran mesin big data. Dalam penelitian ini, kami menggunakan dua algoritma populer: K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). KNN, dikenal karena kesederhanaannya dan kemampuannya dalam menangani data yang beragam, sering digunakan untuk klasifikasi. Namun, KNN menghadapi keterbatasan dalam kecepatan komputasi pada dataset besar dan kerentanan terhadap data yang bising. Sebaliknya, SVM, sebuah algoritma yang lebih canggih, dirancang untuk memaksimalkan pemisahan antara kelas data dan unggul dalam menangani data berdimensi tinggi. Temuan kami menunjukkan bahwa SVM lebih baik daripada KNN dalam mengklasifikasikan risiko kredit pada data perbankan, terutama untuk pinjaman rumah. SVM dengan kernel dot dan ANOVA mencapai akurasi 80,56%, dibandingkan dengan 69,44% untuk KNN dengan k=50. Temuan ini menunjukkan bahwa SVM lebih unggul dalam klasifikasi risiko kredit pada data perbankan, khususnya untuk kredit kepemilikan rumah..
- 2 April 2025
- Published by LPPM Institute for Research and Community Service, Dian Cipta Cendikia Institute of Business Technology and Language in Jurnal Informasi dan Komputer
- Vol. 13 (01) , 167-173
Open AccessANALISIS PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI DATA PERBANKAN
Data perbankan memiliki karakteristik yang beragam, mencakup transaksi keuangan, riwayat kredit, detail nasabah, dan lainnya. Kompleksitas data ini menimbulkan tantangan dalam pengelolaan dan analisis data yang efektif. Salah satu tantangannya adalah menilai kelayakan kredit pemohon pinjaman rumah. Dalam proses pemberian pinjaman, beberapa faktor dipertimbangkan, termasuk karakter pemohon, kemampuan pembayaran, jaminan, kondisi ekonomi, usia, dan sumber pendanaan. Analisis risiko kredit dapat dilakukan melalui berbagai metode, termasuk analisis pasar dan teknik pembelajaran mesin big data. Dalam penelitian ini, kami menggunakan dua algoritma populer: K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). KNN, dikenal karena kesederhanaannya dan kemampuannya dalam menangani data yang beragam, sering digunakan untuk klasifikasi. Namun, KNN menghadapi keterbatasan dalam kecepatan komputasi pada dataset besar dan kerentanan terhadap data yang bising. Sebaliknya, SVM, sebuah algoritma yang lebih canggih, dirancang untuk memaksimalkan pemisahan antara kelas data dan unggul dalam menangani data berdimensi tinggi. Temuan kami menunjukkan bahwa SVM lebih baik daripada KNN dalam mengklasifikasikan risiko kredit pada data perbankan, terutama untuk pinjaman rumah. SVM dengan kernel dot dan ANOVA mencapai akurasi 80,56%, dibandingkan dengan 69,44% untuk KNN dengan k=50. Temuan ini menunjukkan bahwa SVM lebih unggul dalam klasifikasi risiko kredit pada data perbankan, khususnya untuk kredit kepemilikan rumah..
- Open Access
- 31 July 2022
- Published by STIKOM Bali in WIDYABHAKTI Jurnal Ilmiah Populer
- Vol. 4 (3) , 81-88
Peningkatan Alat Produksi Dan Penambahan Label Kemasan Pada Usaha Kue Bolu Di Desa Kenderan Gianyar
Salah satu industri rumah tangga atau Usaha Mikro Kecil Menengah (UMKM) yang bergerak di bidang pembuatan kue bolu di Desa Kenderan adalah Ibu Sri Yasmanik yang lebih dikenal dengan panggilan Ibu Manik yang beralamat di Br. Tangkas, Desa Kenderan, Kec. Tegallalang. Berdasarkan permasalahan mitra yang mengacu pada analisis situasi yang ada dan dihadapi oleh mitra usaha kue bolu, maka pada kegiatan pengabdian masyarakat yang pertama yang dilakukan secara daring dan luring ini memprioritaskan penyelesaian permasalahan yang mencakup pada: Peningkatan jumlah alat produk utama kue bolu berupa oven dan loyang untuk proses pemanggangan serta mixer sebagai alat pengocok adonan. Penggunaan labeling kemasan yang dapat ditempelkan pada produk yang menarik atau eye catching, dikarenakan labeling kemasan produk berfungsi sebagai identitas yang membedakan suatu produk dengan produk lainnya dan dapat mempromosikan produk. Sehingga diperoleh hasil kegiatan berikut : Adanya peningkatan jumlah kapasitas produk yang dimiliki oleh mitra melalui penambahan alat produksi, sehingga dapat meningkatkan hasil kue bolu yang diproduksi mitra.Adanya peningkatan dalam hal identitas produk dimana mitra telah mampu menggunakan menerapkan desain label kemasan produk yang memiliki peran penting dalam memberikan informasi dan identitas kue bolu yang dijual mitra.
- 31 July 2022
- Published by STIKOM Bali in WIDYABHAKTI Jurnal Ilmiah Populer
- Vol. 4 (3) , 81-88
Open AccessPeningkatan Alat Produksi Dan Penambahan Label Kemasan Pada Usaha Kue Bolu Di Desa Kenderan Gianyar
Salah satu industri rumah tangga atau Usaha Mikro Kecil Menengah (UMKM) yang bergerak di bidang pembuatan kue bolu di Desa Kenderan adalah Ibu Sri Yasmanik yang lebih dikenal dengan panggilan Ibu Manik yang beralamat di Br. Tangkas, Desa Kenderan, Kec. Tegallalang. Berdasarkan permasalahan mitra yang mengacu pada analisis situasi yang ada dan dihadapi oleh mitra usaha kue bolu, maka pada kegiatan pengabdian masyarakat yang pertama yang dilakukan secara daring dan luring ini memprioritaskan penyelesaian permasalahan yang mencakup pada: Peningkatan jumlah alat produk utama kue bolu berupa oven dan loyang untuk proses pemanggangan serta mixer sebagai alat pengocok adonan. Penggunaan labeling kemasan yang dapat ditempelkan pada produk yang menarik atau eye catching, dikarenakan labeling kemasan produk berfungsi sebagai identitas yang membedakan suatu produk dengan produk lainnya dan dapat mempromosikan produk. Sehingga diperoleh hasil kegiatan berikut : Adanya peningkatan jumlah kapasitas produk yang dimiliki oleh mitra melalui penambahan alat produksi, sehingga dapat meningkatkan hasil kue bolu yang diproduksi mitra.Adanya peningkatan dalam hal identitas produk dimana mitra telah mampu menggunakan menerapkan desain label kemasan produk yang memiliki peran penting dalam memberikan informasi dan identitas kue bolu yang dijual mitra.
- Open Access
- 24 July 2021
- Published by Sekawan Institute in Jurnal Teknologi Informasi dan Multimedia
- Vol. 3 (2) , 70-77
Purwarupa Aplikasi Peramalan Kebutuhan Persediaan Barang Dagang Berbasis Website dengan Semi Average Method
The Point of Sale application has now begun to be used by many trading entrepreneurs. Of course, this is because Point of Sale (POS) can record all trade transaction activities, such as recording sales and recording purchases of inventory items. However, the majority of POS applications are only limited to recording transactions and do not yet have the ability to assist traders in determining the need for merchandise. This study discusses how to build an application that can help traders predict the need for merchandise with one of the forecasting methods, namely the Semi Average Method. The application in this study was built with the waterfall method and is based on a website and utilizes sales reports from the POS application that has been used. Based on the website, users don't have to bother installing this application because it can be accessed via a browser and anytime as long as it is connected to the internet. Testing the application in this study using the Blackbox Testing method shows that this application has 100% functionality working. It is hoped that the application from this research can later be used side by side with the existing POS application so there is no need to make changes to the POS application that is already in use.
- 24 July 2021
- Published by Sekawan Institute in Jurnal Teknologi Informasi dan Multimedia
- Vol. 3 (2) , 70-77
Open AccessPurwarupa Aplikasi Peramalan Kebutuhan Persediaan Barang Dagang Berbasis Website dengan Semi Average Method
The Point of Sale application has now begun to be used by many trading entrepreneurs. Of course, this is because Point of Sale (POS) can record all trade transaction activities, such as recording sales and recording purchases of inventory items. However, the majority of POS applications are only limited to recording transactions and do not yet have the ability to assist traders in determining the need for merchandise. This study discusses how to build an application that can help traders predict the need for merchandise with one of the forecasting methods, namely the Semi Average Method. The application in this study was built with the waterfall method and is based on a website and utilizes sales reports from the POS application that has been used. Based on the website, users don't have to bother installing this application because it can be accessed via a browser and anytime as long as it is connected to the internet. Testing the application in this study using the Blackbox Testing method shows that this application has 100% functionality working. It is hoped that the application from this research can later be used side by side with the existing POS application so there is no need to make changes to the POS application that is already in use.
- Open Access
- 9 July 2019
- Published by STIKOM Bali in WIDYABHAKTI Jurnal Ilmiah Populer
- Vol. 1 (3) , 17-22
Pengembangan Media Blog Sebagai Sarana Informasi Akademik Berbasis Web Pada SMKN 2 Tabanan
Perkembangan teknologi informasi yang begitu cepat saat ini secara otomatis menuntut dunia pendidikan untuk meningkatkan kualitas sumber daya tenaga pendidik dalam bidang teknologi informasi. Sehingga tenaga pendidik dalam hal ini guru sebagai fasilitator diharapkan mempunyai model pembelajaran baru yang menarik, kreatif dan mudah dipahami dalam proses belajar mengajar. Oleh karena itu, dalam kegiatan pengabdian ini dilakukan pelatihan kepada guru-guru di SMKN 2 Tabanan untuk dapat membuat web. Kegiatan utama yang dilakukan dalam pelatihan ini, yakni sosialisasi kegiatan, persiapan bahan-bahan sebagai pendukung pelatihan, praktik langsung pembuatan web kemudian terakhir dilakukan evaluasi. Hasil yang didapatkan pada pengabdian ini adalah tenaga pendidik dapat memanfaatkan teknologi web sebagai media alternatif untuk proses pengajaran terutama pembuatan sebuah blog yang mengarah pada bidang pendidikan. Selain itu, melalui pengabdian ini para tenaga pendidik juga dapat meningkatkan wawasan baru mengenai perkembangan teknologi web modern saat ini. Harapan kedepan, diperlukan adanya kesinambungan program pasca kegiatan pengabdian ini sehingga para peserta benar-benar dapat mengimplementasi pengetahuan yang didapat setelah melakukan pelatihan.
- 9 July 2019
- Published by STIKOM Bali in WIDYABHAKTI Jurnal Ilmiah Populer
- Vol. 1 (3) , 17-22
Open AccessPengembangan Media Blog Sebagai Sarana Informasi Akademik Berbasis Web Pada SMKN 2 Tabanan
Perkembangan teknologi informasi yang begitu cepat saat ini secara otomatis menuntut dunia pendidikan untuk meningkatkan kualitas sumber daya tenaga pendidik dalam bidang teknologi informasi. Sehingga tenaga pendidik dalam hal ini guru sebagai fasilitator diharapkan mempunyai model pembelajaran baru yang menarik, kreatif dan mudah dipahami dalam proses belajar mengajar. Oleh karena itu, dalam kegiatan pengabdian ini dilakukan pelatihan kepada guru-guru di SMKN 2 Tabanan untuk dapat membuat web. Kegiatan utama yang dilakukan dalam pelatihan ini, yakni sosialisasi kegiatan, persiapan bahan-bahan sebagai pendukung pelatihan, praktik langsung pembuatan web kemudian terakhir dilakukan evaluasi. Hasil yang didapatkan pada pengabdian ini adalah tenaga pendidik dapat memanfaatkan teknologi web sebagai media alternatif untuk proses pengajaran terutama pembuatan sebuah blog yang mengarah pada bidang pendidikan. Selain itu, melalui pengabdian ini para tenaga pendidik juga dapat meningkatkan wawasan baru mengenai perkembangan teknologi web modern saat ini. Harapan kedepan, diperlukan adanya kesinambungan program pasca kegiatan pengabdian ini sehingga para peserta benar-benar dapat mengimplementasi pengetahuan yang didapat setelah melakukan pelatihan.
- Open Access
- 27 April 2017
- Published by IntSys Research in Techno.Com
- Vol. 16 (3) , 249-255
Optimasi Fitur dalam Klasterisasi Mahasiswa Program Studi Sistem Informasi Dengan Algoritma Genetik
Klasterisasi merupakan proses mengelompokkan atau menggolongkan obyek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar obyek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas. Implementasi klasterisasi dapat diterapkan pada berbagai bidang, salah satunya dalam hal penentuan kompetensi mahasiswa. Penentuan kompetensi mahasiswa merupakan hal yang penting karena akan memudahkan mahasiswa untuk memasuki dunia kerja yang sesuai dengan kompetensinya. Mahasiswa akan memiliki landasan untuk bekerja baik sebagai karyawan ataupun sebagai pengusaha berdasarkan kompetensi yang dimilikinya. Dengan adanya kompetensi akan berpengaruh positif terhadap kinerja karyawan pada suatu perusahaan. Teknik klasterisasi data (clustering) telah dipakai dengan sangat luas sekarang ini. Namun ternyata pada kenyataannya, masalah-masalah tentang fitur yang digunakan dalam proses klasterisasi data masih sangat diabaikan, sehingga kerap kali terjadi penggunaan fitur-fitur yang kurang relevan dalam proses klasterisasi data (clustering) tersebut. Hal ini dapat mengakibatkan hasil klasterisasi juga akan menjadi kurang optimal. Sehingga dibutuhkan proses optimasi fitur. Oleh karena itu dilakukan optimasi fitur dalam klasterisasi mahasiswa Program Studi Sistem Informasi menggunakan algoritma genetik unutuk menentukan fitur yang valid dan mengabaikan fitur yang tidak valid. Sehingga proses klasterisasi nantinya akan dapat menghasilkan nilai fitness dan tingkat konvergensi yang lebih baik serta membentuk hasil cluster yang semakin akurat terkait dengan penentuan kompetensi mahasiswa. Kata kunci— klasterisasi, optimasi fitur, mahasiswa
- 27 April 2017
- Published by IntSys Research in Techno.Com
- Vol. 16 (3) , 249-255
Open AccessOptimasi Fitur dalam Klasterisasi Mahasiswa Program Studi Sistem Informasi Dengan Algoritma Genetik
Klasterisasi merupakan proses mengelompokkan atau menggolongkan obyek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar obyek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas. Implementasi klasterisasi dapat diterapkan pada berbagai bidang, salah satunya dalam hal penentuan kompetensi mahasiswa. Penentuan kompetensi mahasiswa merupakan hal yang penting karena akan memudahkan mahasiswa untuk memasuki dunia kerja yang sesuai dengan kompetensinya. Mahasiswa akan memiliki landasan untuk bekerja baik sebagai karyawan ataupun sebagai pengusaha berdasarkan kompetensi yang dimilikinya. Dengan adanya kompetensi akan berpengaruh positif terhadap kinerja karyawan pada suatu perusahaan. Teknik klasterisasi data (clustering) telah dipakai dengan sangat luas sekarang ini. Namun ternyata pada kenyataannya, masalah-masalah tentang fitur yang digunakan dalam proses klasterisasi data masih sangat diabaikan, sehingga kerap kali terjadi penggunaan fitur-fitur yang kurang relevan dalam proses klasterisasi data (clustering) tersebut. Hal ini dapat mengakibatkan hasil klasterisasi juga akan menjadi kurang optimal. Sehingga dibutuhkan proses optimasi fitur. Oleh karena itu dilakukan optimasi fitur dalam klasterisasi mahasiswa Program Studi Sistem Informasi menggunakan algoritma genetik unutuk menentukan fitur yang valid dan mengabaikan fitur yang tidak valid. Sehingga proses klasterisasi nantinya akan dapat menghasilkan nilai fitness dan tingkat konvergensi yang lebih baik serta membentuk hasil cluster yang semakin akurat terkait dengan penentuan kompetensi mahasiswa. Kata kunci— klasterisasi, optimasi fitur, mahasiswa