Article Per Year (5 Year)
p-Index From 2021 - 2026
1.048
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Rekayasa Lampung (JRL) Prosiding Seminar Nasional Hasil Penelitian Sains, Teknik dan Aplikasi Industri Fakultas Teknik Universitas Lampung Jurnal Masyarakat Madani Indonesia Electrician : Jurnal Rekayasa dan Teknologi Elektro
Tiya Muthia
Universitas Lampung
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Public Health Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Analisis Komparatif Algoritma SVM, KKN, dan Naive Bayes pada Prediksi Diabetes Menggunakan Teknik SMOTE Tiya Muthia; Nurrahma; Nadia Julian Putri; Aulia Rinjani Karimah
Prosiding Seminar Nasional Ilmu Teknik Dan Aplikasi Industri Fakultas Teknik Universitas Lampung Vol. 8 (2025): Prosiding Seminar Nasional Ilmu Teknik dan Aplikasi Industri (SINTA) 2025
Publisher : Fakultas Teknik Universitas Lampung

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

Abstract

Ketidakseimbangan kelas (class imbalance) pada data medis menjadi tantangan signifikan dalam pengembangan model klasifikasi penyakit, khususnya diabetes. Ketidakseimbangan data menyebabkan model cenderung bias terhadap kelas mayoritas sehingga sensitivitas terhadap kelas minoritas menurun. Penelitian ini bertujuan untuk menerapkan teknik oversampling SMOTE (Synthetic Minority Over-sampling Technique) pada dataset indikator kesehatan diabetes BRFSS 2021, serta melakukan analisis komparatif terhadap tiga algoritma supervised learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbors (KNN), dan Naive Bayes (NB). Tahapan penelitian mencakup pembersihan data, penyeimbangan kelas menggunakan SMOTE, normalisasi fitur, pelatihan model, serta evaluasi menggunakan akurasi. Hasil penelitian menunjukkan bahwa model KNN memberikan akurasi tertinggi sebesar 73,27%, diikuti SVM dengan akurasi 71,20% dan Naive Bayes sebesar 67,66%. Penerapan SMOTE meningkatkan proporsionalitas data dan memungkinkan model mempelajari pola kelas minoritas secara lebih efektif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem pendeteksian dini diabetes berbasis machine learning.
PENDETEKSI KESEHATAN DAUN PADA TANAMAN PAKCOY MENGGUNAKAN METODE TINY YOU ONLY LOOK ONCE BERBASIS DATA CITRA Tiya Muthia; F.X. Arinto Setyawan; Syaiful Alam; muhammad fikri
Prosiding Seminar Nasional Ilmu Teknik Dan Aplikasi Industri Fakultas Teknik Universitas Lampung Vol. 8 (2025): Prosiding Seminar Nasional Ilmu Teknik dan Aplikasi Industri (SINTA) 2025
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/prosidingsinta.v8i.196

Abstract

Pokcoy merupakan salah satu keluarga jenis tanaman sawi yang berasal dari China. Tanaman ini mudah terserang penyakit yang disebabkan oleh jamur, virus, hama dan mikroba lainnya. Penyakit ini dapat menyebabkan gagal panen yang merugikan petani Pokcoy. Untuk mencegah hal ini, perlu dikembangkan metode pendeteksi kesehatan daun pada tanaman pakcoy berbasis pengolahan citra. Metode yang dipergunakan dalam penelitian ini adalah pemakaian YOLO untuk mendeteksi kesehatan daun pada Pokcoy. YOLO (You Only Look Once) adalah algoritma deteksi objek real-time berbasis deep learning untuk mendeteksi dan mengenali banyak objek dalam satu gambar sekaligus hanya dengan satu kali pemrosesan (single forward pass) dari jaringan saraf konvolusional (CNN). Data citra diperoleh menggunakan sensor visual yang diambil dua kali sehari. Pada penelitian ini dipergunakan 1002 data latih dan data uji sebanyak 40 citra untuk menentukan apakah daun sehat atau tidak. Penentuan sehat tidaknya daun didasarkan pada warna dan adanya bercak pada daun. Setelah dilakukan pelatihan untuk mengenali kondisi daun, maka dapat diperoleh tingkat akurasi pendeteksian pengujian sebesar 100% atau tidak ada kesalahan pendeteksian data uji.
Implementasi Metode Fuzzy Tahani Pada Sistem Pendukung Keputusan Pemilihan Laptop Berdasarkan Spesifikasi Tiya Muthia; F.X. Arinto Setyawan
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 20 No. 2 (2026)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v20n2.3131

Abstract

Pemilihan laptop berdasarkan spesifikasi merupakan permasalahan pengambilan keputusan yang melibatkan banyak kriteria, seperti harga, kapasitas RAM, kapasitas penyimpanan (ROM), berat perangkat, dan jenis prosesor. Banyaknya alternatif laptop dengan spesifikasi yang beragam menyebabkan proses pemilihan menjadi kurang efektif apabila dilakukan secara manual. Oleh karena itu, diperlukan suatu sistem pendukung keputusan yang mampu membantu proses pemilihan laptop secara objektif dan terstruktur. Penelitian ini bertujuan untuk mengimplementasikan metode Fuzzy Tahani pada sistem pendukung keputusan pemilihan laptop berdasarkan spesifikasi. Metode Fuzzy Tahani digunakan untuk mengolah data spesifikasi laptop yang bersifat tegas (crisp) ke dalam bentuk derajat keanggotaan fuzzy. Proses pengambilan keputusan dilakukan melalui pemeringkatan alternatif dengan mengombinasikan beberapa kriteria menggunakan operator logika AND dan OR untuk memperoleh tingkat kecocokan masing-masing alternatif. Hasil penelitian menunjukkan bahwa metode Fuzzy Tahani mampu menghasilkan pemeringkatan alternatif laptop berdasarkan tingkat kecocokan terhadap kriteria yang ditetapkan. Berdasarkan hasil pemeringkatan tersebut, alternatif laptop dengan nilai kecocokan tertinggi ditetapkan sebagai rekomendasi, yaitu ASUS ZenBook Q408UG. Hasil ini menunjukkan bahwa metode Fuzzy Tahani efektif digunakan dalam mendukung proses pengambilan keputusan pemilihan laptop. Kata Kunci: Fuzzy Tahani; logika fuzzy; pemeringkatan alternatif; pemilihan laptop; sistem pendukung keputusan
Pelatihan Pembuatan Running Text Untuk Menumbuhkan Jiwa Wirausaha Siswa Di SMK Swadhipa 2 Natar F.X. Arinto Setyawan; Tiya Muthia; Syaiful Alam; Muhammad Fikri; Bagas Dwi Saputra
Jurnal Masyarakat Madani Indonesia Vol. 5 No. 3 (2026): Agustus
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/adzgpf50

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk menumbuhkan jiwa kewirausahaan siswa SMK Swadhipa 2 Natar melalui pelatihan pembuatan running text berbasis modul LED P10 dan kontroler HD-W2. Pelatihan dilaksanakan melalui empat tahapan utama, yaitu sosialisasi, penyampaian materi, praktik perakitan, dan evaluasi hasil pelatihan. Melalui kegiatan ini, siswa tidak hanya dibekali keterampilan teknis di bidang elektronika dan pemrograman perangkat, tetapi juga pemahaman mengenai pemanfaatan produk running text dalam konteks kewirausahaan digital, seperti media promosi usaha, toko, dan penyampaian informasi publik. Tahap sosialisasi dilakukan sebelum pelaksanaan kegiatan untuk mengidentifikasi potensi dan kesiapan sekolah dalam bidang teknologi elektronika. Penyampaian materi mencakup pengenalan running text, komponen yang digunakan, serta langkah-langkah perakitannya. Tahap selanjutnya adalah praktik perakitan secara langsung oleh siswa. Hasil evaluasi menunjukkan adanya peningkatan pemahaman yang signifikan, ditunjukkan oleh kenaikan nilai rata-rata pre-test dari 60 menjadi nilai post-test sebesar 80–90. Selain itu, siswa mampu bekerja sama secara efektif dalam tim serta menunjukkan antusiasme dan tanggung jawab yang tinggi selama proses pelatihan. Kegiatan ini diharapkan dapat menjadi langkah awal dalam pengembangan potensi technopreneur di lingkungan sekolah kejuruan.
KLASIFIKASI JENIS KAIN BERDASARKAN EKSTRAKSI FITUR TEKSTUR MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM): CLASSIFICATION OF FABRIC TYPES BASED ON TEXTURE FEATURE EXTRACTION USING THE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) METHOD Tiya Muthia; FX Arinto Setyawan; Helmy Fitriawan; Sri Ratna Sulistiyanti; Mutia Aini Lutfia
Jurnal Rekayasa Lampung Vol. 5 No. 1 (2026)
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jrl.v5i1.113

Abstract

Klasifikasi jenis kain secara manual berdasarkan karakteristik tekstur melalui pengamatan dan perabaan dapat bersifat subjektif, sehingga diperlukan pendekatan otomatis berbasis citra. Penelitian ini bertujuan mengklasifikasikan lima jenis kain, yaitu drill, katun, polyester, satin, dan wool, berdasarkan karakteristik tekstur menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan algoritma K-Nearest Neighbor (K-NN). Citra kain diperoleh menggunakan mikroskop digital yang terhubung dengan komputer. Tahapan pengolahan citra meliputi resizing dan konversi citra RGB menjadi grayscale. Ekstraksi fitur tekstur menggunakan enam fitur GLCM, yaitu dissimilarity, homogeneity, correlation, contrast, angular second moment (ASM), dan energy, dengan empat orientasi, yaitu 0°, 45°, 90°, dan 135°. Pengujian dilakukan menggunakan 250 citra data latih dan 50 citra data uji dengan variasi jarak piksel 1–5 dan nilai K=13. Hasil pengujian menunjukkan bahwa kinerja terbaik diperoleh pada jarak 4 piksel dengan akurasi 78%, precision 46%, recall 46%, dan F1-score 46%. Waktu komputasi tercepat diperoleh pada jarak 4 sebesar 0,044 detik, dengan rata-rata waktu pengujian sebesar 0,047 detik. Hasil penelitian menunjukkan bahwa kombinasi GLCM dan K-NN dapat digunakan untuk klasifikasi jenis kain berbasis karakteristik tekstur citra.
KOMPARASI METODE INFERENSI FUZZY MAMDANI DAN SUGENO UNTUK PREDIKSI RISIKO GAGAL JANTUNG Tiya Muthia; Sri Purwiyanti
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10873

Abstract

Gagal jantung  menjadi salah satu penyebab utama kematian secara global, sehingga diperlukan prediksi risiko dini yang akurat berdasarkan data klinis. Parameter medis seperti usia, tekanan darah, dan kolesterol seringkali mengandung ketidakpastian yang sulit dimodelkan dengan logika tegas konvensional. Penelitian ini bertujuan menerapkan dan membandingkan secara komparatif dua metode inferensi fuzzy, yaitu Mamdani dan Sugeno orde-nol, untuk memprediksi risiko gagal jantung. Menggunakan data sekunder dari Kaggle Heart Failure Clinical Dataset, tiga variabel input difuzzifikasi: usia, tekanan darah sistolik, dan kolesterol serum, menghasilkan 27 aturan fuzzy berbasis heuristik medis. Metode Mamdani menghasilkan tingkat risiko dalam rentang persentase menggunakan defuzzifikasi Center of Area, sedangkan metode Sugeno menghasilkan skor risiko tegas menggunakan metode Weighted Average. Hasil simulasi pada 30 sampel uji pasien menunjukkan korelasi penalaran yang sangat konsisten dengan Mean Absolute Error sebesar 5,16% antara kedua model. Metode Mamdani menghasilkan transisi risiko yang konservatif dan halus (puncak sekitar 86,2%), yang secara linguistik lebih selaras dengan intuisi medis manusia sehingga sangat sesuai untuk sistem penunjang keputusan klinis yang interaktif. Sebaliknya, metode Sugeno menunjukkan rentang dinamis yang agresif (cepat mencapai skor konstanta maksimum 90) dan efisiensi komputasi yang lebih unggul, sehingga lebih sesuai untuk pemantauan medis real-time berbasis IoT.
Co-Authors Aulia Rinjani Karimah Bagas Dwi Saputra F.X. Arinto Setyawan Helmy Fitriawan muhammad fikri Mutia Aini Lutfia Nadia Julian Putri Nurrahma, Nurrahma Setyawan, FX Arinto Sri Purwiyanti Sri Ratna Sulistiyanti Syaiful Alam