Article Per Year (5 Year)
p-Index From 2021 - 2026
3.291
P-Index
This Author published in this journals
All Journal Foristek RABIT: Jurnal Teknologi dan Sistem Informasi Univrab JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Sisfokom (Sistem Informasi dan Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CCIT (Creative Communication and Innovative Technology) Journal EDUMATIC: Jurnal Pendidikan Informatika ScientiCO : Computer Science and Informatics Journal InPrime: Indonesian Journal Of Pure And Applied Mathematics IAIC Transactions on Sustainable Digital Innovation (ITSDI) Advance Sustainable Science, Engineering and Technology (ASSET) Jurnal Locus Penelitian dan Pengabdian Innovative: Journal Of Social Science Research The Indonesian Journal of Computer Science
Dwi Shinta Angreni
Universitas Tadulako
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
KLASIFIKASI JENIS KAYU BERDASARKAN CITRA SERAT KAYU MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Muhammad Rifaldi Dwimanhendra; Syahrullah Syahrullah; Yuri Yudhaswana Joefrie; Dwi Shinta Angreni; Ryfial Azhar; Deny Wiria Nugraha; Nouval rezandy Lapatta; Abdul Mahatir Najar
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5726

Abstract

Kayu merupakan sumber daya alam yang sangat penting bagi industri mebel atau furnitur. Pemilihan jenis kayu yang tepat sangat krusial dalam industri mebel untuk menentukan kualitas hasil produksi. Pemilihan kayu secara manual memiliki risiko kesalahan yang dapat berdampak negatif pada kualitas akhir produk mebel. Oleh karena itu, diperlukan penerapan teknologi untuk meminimalkan kesalahan pemilihan jenis kayu dan meningkatkan efisiensi proses produksi. Penelitian ini bertujuan membangun model klasifikasi jenis kayu (nantu, palapi, dan uru) berbasis Convolutional Neural Network (CNN) menggunakan citra serat kayu. Dataset terdiri dari 1.584 citra yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Arsitektur model CNN terdiri dari 4 lapisan konvolusi, 4 lapisan pooling, dan 2 lapisan fully-connected. Hasil pelatihan mencapai akurasi 97,06%, sedangkan hasil pengujian dan evaluasi menggunakan matriks konfusi mencapai akurasi 95,56%. Penelitian ini membuktikan bahwa CNN dapat digunakan secara efektif untuk klasifikasi jenis kayu dengan tingkat akurasi yang tinggi, sehingga dapat membantu meningkatkan efisiensi proses produksi mebel.
PENGGABUNGAN METODE SYSTEM USABILITY SCALE DAN USER EXPERIENCE QUESTIONNAIRE UNTUK EVALUASI USABILITY SISTEM INFORMASI MBKM UNIVERSITAS TADULAKO DENGAN PENDEKATAN USER EXPERIENCE Sahril Sahril; Rizka Ardiansyah; Wirdayanti Wirdayanti; Dwi Shinta Angreni; Yuri Yudhaswana
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5548

Abstract

Usability merupakan apsek penting dalam mengukur kualitas sebuah sistem. Tingkat Usability sangat dipengaruhi oleh pengalaman pengguna dimana hal ini dapat diukur dengan menilai seberapa cepat dan mudah pengguna mempelajari serta menyelesaikan tugas. Evaluasi usability dikategorikan menjadi pendekatan empiris dan non-empiris. Penelitian ini bertujuan mengevaluasi tingkat usability Sistem Informasi MBKM  dengan pendekatan empiris menggabungkan system usability scale (SUS) dan User Experience Questionnaire (UEQ) sehingga evaluasi yang dilakukan tidak hanya mengukur tingkat usability sebuah sistem namun juga dapat mengidentifikasi  masalah usability berdasarkan aspek pengalaman pengguna. Hasil evaluasi menggunakan SUS menunjukan skor SUS Sistem Informasi MBKM berada pada angka 63 menunjukan skor SUS untuk tingkat adjective scale  pada kategori “OK”, grade scale kategori “C-”, serta acceptability scale berada pada kategori “MARGINAL” dengan net promoter scores kategori “Passive”.  Hasil pengukuran menggunakan UEQ yang telah diadaptasi menunjukan aspek attractiveness (1.20), perspicuity (1.49), efficiency (1.06), stimulation (1.14), dan novelty (0.82) mendapatkan evaluasi positif di atas rata-rata sedangkan aspek dependability (0.88) mendapatkan evaluasi positif namun di bawah rata-rata. Penelitian selanjutnya dapat dilakukan menggunakan pendekatan dan non-empiris dengan melibatkan para ahli (evaluator) untuk menilai tingkat kegunaan serta ngidentifikasi letak masalah dari sebuah sistem
KLASIFKASI CURAH HUJAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DI SULAWESI TENGAH Moh.Fajrin Sigit Aldy; Dwi Shinta Angreni; Mohammad Yazdi Pusadan; Wirdayanti Wirdayanti
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5643

Abstract

Provinsi Sulawesi Tengah memiliki letak yang berdekatan dengan garis khatulistiwa, hal ini dapat mempengaruhi perubahan iklim didaerah tersebut salah satunya curah hujan. Perubahan curah hujan yang tidak menentu mengakibatkan timbulnya bencana seperti banjir yang dapat mempengaruhi gerak aktivitas masyarakat sehari-hari. Salah satu hal yang perlu dilakukan untuk mengantisipasi dengan prediksi cuaca. Pemanfaatan metode data mining dapat membantu dalam melakukan prediksi serta akurasi data dengan baik. Penelitian ini menggunakan dataset BMKG di Provinsi Sulawesi Tengah yang dikumpulkan dari 1 Januari 2019 sampai 31 Oktober 2023 serta klasifikasi dibagi menjadi 5 kelas menggunakan algoritma K-Nearest Neighbor (KNN). Tujuan penelitian ini memperoleh informasi dengan mengelompokkan data guna memprediksi curah hujan di BMKG Sulawesi Tengah. Hasil evaluasi menujukan bahwa nilai K = 23 dengan akurasi sebesar 83,0%, dan algoritma K-Nearest Neighbor (KNN) memiliki kinerja yang cukup baik dalam melakukan klasifikasi cuaca.
RANCANG BANGUN SISTEM INFORMASI DIREKTORAT SAMAPTA POLDA MENGGUNAKAN ALGORTIMA RC4 BERBASIS WEBSITE Makruf Harani; Chairunnisa Ar Lamasitudju; Dwi Shinta Angreni; Ryfial Azhar; Rahma Laila; Miftah Miftah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6312

Abstract

sistem informasi kepegawaian adalah untuk data menangani kepegawaian, hal ini sangatlah penting mengingat kebutuhan akan ada data peningkatan dan informasi. Saat ini Direktorat Samapta Polda Sulteng masih mengolah data personel terutama dengan manual, termasuk pengolahan data dan penyimpanan informasi. File sangat penting untuk menjaga data kerahasia, terutama untuk dokumen yang isinya hanya dapat diakses oleh individu yang berwenang. Tanpa tindakan pencegahan keaman, kerahasia dan intersepsi akan terancam menjadi penghambat produktivitas pekerja. Demi menjaga kerahasiaan berkas dokumen yang merupakan aset berharga Direktorat Samapta Polda Sulteng, RC4 dalam penelitian ini dimanfaatkan untuk membantu pengarsipan data dan data perlindungan. Pengujian keberhasilan sistem menggunakan Delone Dan Mclean ADALAH Model Sukses menunjukan bahwa pengguna puas dengan sistem informasi pegawai ditsamapta polda provinsi Sulawesi Tengah Menggunakan RC4 beserta kualitas informasi yang disajikan.
IMPLEMENTASI ALGORITMA LEBAH DAN ALGORITMA SEMUT UNTUK MENENTUKAN RUTE TERPENDEK DALAM PROSES MONITORING WAJIB Mohammad Wandy; Yuri Yudhaswana Joefrie; Rizka Ardiansyah; Dwi Shinta Angreni; Nouval Trezandy Lapatta
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 1 (2026): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i1.7583

Abstract

The application of optimization algorithms to determine the shortest route is one effective approach to improving operational efficiency in various fields, including taxpayer monitoring. This study aims to implement two metaheuristic algorithms, namely the Ant Colony Optimization (ACO) algorithm and the Bee Algorithm, to identify the shortest routes for tax officers who are required to visit multiple taxpayer locations. In this study, both algorithms were tested using a dataset containing the locations of taxpayers that need to be monitored, with the objective of optimizing travel routes in order to reduce the total travel distance. The results show that both algorithms are capable of finding optimal or near-optimal solutions to the shortest path problem in the context of taxpayer monitoring. Although ACO is more effective in producing higher-quality solutions, the Bee Algorithm is faster in finding solutions, albeit with slightly less optimal results. This study also emphasizes the importance of algorithm parameter settings, such as the number of ants, the size of the bee colony, and the pheromone evaporation rate, which significantly affect solution quality and computation time.
Co-Authors ., Rezki A Djufri, Isdar Abdul Mahatir Najar Afifa Afifa Anita Ahmad Kasim Ardiyansyah, Rizka Arsita, Tiara Juli Budiman, Wahyu Deni Luvi Jayanto Deny Wiria Nugraha Dwiwijaya, Kadek Agus Hajra Rasmita Ngemba Hardianti Hardianti, Hardianti I Wayan Sudarsana Laila, Rahma Lamasitudju, Chairunnisa Landusa, Natalia Anastasya Lesnusa, Gideon Namlea Makruf Harani Mariani Mariani Maroso, Akwan Miftah Miftah Moh.Fajrin Sigit Aldy Mohammad Wandy Mohammad Yazdi Pusadan Muhammad Rifaldi Dwimanhendra Nouval Trezandy Lapatta Parenrengi, Andi Fathur Alamsyah A. Putri, Niluh Putu Aprillia Puspitadewi Sudarsana Rahma Laila Reinaldy Mansa, Jeremy Rinianty, Rinianty Rizka Ardiansyah Rizqa Raaiqa Bintana Ryfial Azhar Sahril Sahril Septiano Anggun Pratama Sondakh, Clivent Gerhard Sri Khaerawati Nur Susanti, Maulidia Syahrullah Syahrullah Syahrullah Syaiful Hendra Ulhak, Muhamad Zia Wawagalang, A. Nolly Sandra Widiani, Ni Nengah Winarta, Ardhiansyah Wirdayanti Wirdayanti Wirdayanti Yunita Prastyaningsih Yuri Yudhaswana Joefrie Yusuf Anshori Zulkifli Zulkifli