Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Teknofile, Jurnal Sistem Informasi
Novisca Indriani
universitas Islam indragiri
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS DAN PERANCANGAN SMART HELPDESK BERBASIS SIAKAD PADA UNIVERSITAS ISLAM INDRAGIRI Novisca Indriani; Ayla Zhafira; Rahma Yulia Sifa; Ervina Kartika Sari; Nurul Hidayah
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 4 (2026): April 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Universitas Islam Indragiri (UNISI) telah memiliki Sistem Informasi Akademik (SIAKAD) yang mendukung berbagai layanan akademik. Namun, mekanisme komunikasi untuk pengaduan dan bantuan akademik masih bersifat informal dan belum terdokumentasi secara sistematis, sehingga menghambat efisiensi dan transparansi layanan. Penelitian ini bertujuan untuk menganalisis dan merancang Sistem Smart Helpdesk UNISI sebagai pengembangan layanan terintegrasi dalam SIAKAD. Metode penelitian meliputi observasi terhadap sistem yang berjalan, studi pustaka, serta analisis kebutuhan menggunakan pendekatan PIECES. Hasil analisis menunjukkan perlunya sistem tiket digital yang terpusat, transparan, dan terdokumentasi. Rancangan sistem mencakup analisis kelayakan teknis, ekonomi, dan hukum, pemodelan use case untuk tiga aktor utama (mahasiswa, dosen, dan admin/staf IT), serta desain antarmuka yang user-friendly. Sistem Smart Helpdesk UNISI diharapkan mampu meningkatkan efisiensi komunikasi, mempercepat penanganan keluhan, dan memperkuat transparansi layanan akademik melalui integrasi langsung dengan SIAKAD.
KLASIFIKASI STATUS STUNTING PADA BALITA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) ervina kartikasari; Novisca Indriani; Nurul Hidayah; Muh. Rasyid Ridha
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 6 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Stunting merupakan kondisi gangguan pertumbuhan pada balita yang disebabkan oleh kekurangan gizi kronis dalam jangka waktu yang panjang. Kondisi ini masih menjadi salah satu permasalahan kesehatan masyarakat yang memerlukan perhatian karena dapat memengaruhi pertumbuhan fisik, perkembangan kognitif, serta kualitas hidup anak di masa mendatang. Dalam pelaksanaannya, proses pemantauan status gizi balita di lapangan masih banyak dilakukan secara manual melalui pencatatan pada grafik pertumbuhan. Cara tersebut berpotensi menimbulkan kesalahan pencatatan maupun keterlambatan dalam proses identifikasi status gizi. Penelitian ini bertujuan menerapkan metode K-Nearest Neighbor (KNN) untuk mengklasifikasikan status stunting pada balita berdasarkan data antropometri. Tahapan penelitian meliputi pengumpulan data, preprocessing, pembagian data latih dan data uji, serta pengujian beberapa nilai parameter k untuk memperoleh hasil klasifikasi yang sesuai. Melalui metode KNN, status gizi balita ditentukan berdasarkan tingkat kemiripan data dengan data balita yang telah diketahui status gizinya. Hasil penelitian menunjukkan bahwa algoritma KNN dapat digunakan untuk mengklasifikasikan status stunting berdasarkan karakteristik antropometri balita. Model yang dihasilkan kemudian diimplementasikan ke dalam aplikasi berbasis web untuk membantu petugas kesehatan dan kader posyandu dalam melakukan identifikasi awal status stunting. Sistem yang dibangun juga membantu proses pencatatan dan pengolahan data sehingga dapat mengurangi kemungkinan kesalahan dalam pendataan.
KLASIFIKASI KESEGARAN UDANG MENGGUNAKAN METODE MOBILENETV2 BERBASIS CITRA DIGITAL Novisca Indriani
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 8 (2026): Agustus 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Udang merupakan salah satu komoditas perikanan yang mudah mengalami penurunan kualitas akibat proses pembusukan. Penilaian kesegaran udang secara konvensional umumnya dilakukan melalui pengamatan visual dan organoleptik yang bersifat subjektif serta bergantung pada pengalaman pengamat. Oleh karena itu, diperlukan metode alternatif yang dapat membantu proses identifikasi kesegaran secara cepat dan non-destruktif. Penelitian ini bertujuan untuk membangun model klasifikasi citra udang menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning untuk membedakan dua kelas, yaitu Fresh dan Not_Fresh. Dataset yang digunakan terdiri dari 1.000 citra, masing-masing 500 citra Fresh dan 500 citra Not_Fresh. Dataset dibagi menjadi 800 citra data training, 100 citra validasi, dan 100 citra testing dengan proporsi yang seimbang pada setiap kelas. Citra diproses dengan ukuran 224×224 piksel dan digunakan dalam proses pelatihan model MobileNetV2. Pelatihan menggunakan maksimum 50 epoch dengan mekanisme Early Stopping. Hasil pelatihan menunjukkan bahwa model memperoleh validation accuracy terbaik sebesar 100,00% pada epoch ke-10, dengan training accuracy sebesar 99,50% dan validation loss sebesar 0,0210. Setelah bobot terbaik dikembalikan ke epoch ke-10, pengujian terhadap 100 data testing menghasilkan akurasi sebesar 98,00% dengan loss sebesar 0,1611. Berdasarkan classification report, kelas Fresh memperoleh precision 96%, recall 100%, dan F1-score 98%, sedangkan kelas Not_Fresh memperoleh precision 100%, recall 96%, dan F1-score 98%. Hasil tersebut menunjukkan bahwa MobileNetV2 mampu melakukan klasifikasi kesegaran udang dengan baik berdasarkan citra digital.
Co-Authors AYLA ZHAFIRA Ervina Kartika Sari ervina kartikasari Muh. Rasyid Ridha Nurul Hidayah Rahma Yulia Sifa