Article Per Year (5 Year)
p-Index From 2021 - 2026
1.463
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Informasi dan Teknologi Jurnal Minfo Polgan (JMP) Journal of Artificial Intelligence and Digital Business Informasi interaktif : jurnal informatika dan teknologi informasi
Chrisnawati, Giatika
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Aplikasi Ensiklopedia Hewan Animalpedia Berbasis Android Rusmana, Muhammad Farhan; Chrisnawati, Giatika
Jurnal Pendidikan Tambusai Vol. 5 No. 3 (2021): 2021
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v5i3.3083

Abstract

Perkembangan teknologi di era sekarang ini adalah salah satu yang paling luar biasa dalam sejarah bahkan sekarang saja handphone pun sudah berganti nama menjadi Smartphone atau telepon pintar, dalam aplikasi yang buat ini terdapat jenis hewan dan klasifikasinya terdapat 2 jenis hewan yaitu vertebrata dan avertebrata, dalam vertebrata terbagi lagi menjadi 5 klasifikasi hewan yaitu ada Mamalia, Amfibi, Aves, Reptil, serta Pisces dan dalam avertebrata terbagi menjadi 3 yaitu Protozoa, Mollusca, serta Arthopoda. Semua dapat dilihat dalam aplikasi ini lengkap beserta penjelasan dan contoh hewannya. Lewat aplikasi dalam smartphone ini pengguna dapat melihat macam jenis klasifikasi hewan tanpa perlu keluar rumah atau pun pergi ke tempat wisata kebun binatang. Aplikasi ini berbasis android dengan menggunakan bahasa pemrograman java dan software android studio.
Application of Rating Scale Method to Design and Construct an Employee Performance Assessment Application System in National Charity Institutions Annisa Wahdiniawati, Siti; Zulkifli; Chrisnawati, Giatika; Sili Antari, Ni Luh; Mustika, I Ketut
Jurnal Informasi dan Teknologi 2024, Vol. 6, No. 1
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60083/jidt.v6i1.481

Abstract

This research aims to find out how to design and build an employee performance assessment information system using the rating scale method. The data collection methods used were observation, interviews, and literature study. The research used the rating scale as the employee performance assessment method. The author used the Rapid Application Development (RAD) method in system development. The researcher designed an employee performance assessment information system using UML (Unified Modeling Language) tools at this stage. In this stage, the system is built using the PHP and MySQL programming languages for the database. The research results show that the developed performance appraisal system can provide significant benefits in monitoring employee performance more efficiently. Using this system makes the performance appraisal process easier, reduces file buildup, and increases the speed of the process from one week to only three days to complete the appraisal report. A data collection center also provides additional value by ensuring the security and orderliness of information.
Clustering Pencemaran Udara Yogyakarta Menggunakan Algoritma K-Means dan Orange Data Mining Oktavia, Bella Azka; Tarigan, Aldyansyah; Pratiwi, Clara; Putra, Fachrizky Catur; Chrisnawati, Giatika; Hendrian, Yayan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1116

Abstract

Pencemaran udara menjadi salah satu permasalahan lingkungan yang perlu mendapatkan perhatian khusus, terutama di wilayah perkotaan seperti Daerah Istimewa Yogyakarta. Udara yang tercemar dapat berdampak buruk bagi kesehatan manusia, hewan, dan lingkungan secara keseluruhan. Penelitian ini bertujuan untuk menganalisis dan mengelompokkan kualitas udara di Yogyakarta berdasarkan parameter Indeks Standar Pencemar Udara (ISPU), yaitu PM10, PM2.5, SO₂, CO, O₃, NO₂, dan HC. Metode yang digunakan dalam penelitian ini adalah K-Means Clustering, yang diterapkan untuk mengelompokkan data kualitas udara ke dalam beberapa klaster berdasarkan tingkat pencemaran. Proses pengolahan dan visualisasi data dilakukan menggunakan aplikasi Orange Data Mining, dengan data yang diperoleh dari Dinas Lingkungan Hidup Kota Yogyakarta selama periode tahun 2022 hingga 2024. Hasil dari proses klasterisasi menunjukkan adanya pengelompokan yang jelas terhadap tingkat pencemaran udara di wilayah tersebut, mulai dari klaster dengan tingkat pencemaran rendah hingga tinggi. Temuan ini diharapkan dapat menjadi bahan pertimbangan bagi pemerintah daerah dalam merancang kebijakan pengendalian polusi udara secara lebih efektif dan berbasis data.
Optimasi Sistem Deteksi Pencurian Motor Real-Time Menggunakan YOLO dan TensorRT Andreas, Derza; Najwan, Shafiq; Raihan, Muhammad Fajar; Lensi, Maria Erviana Asinta; Sipahutar, Randi Paisal; Hendrian, Yayan; Chrisnawati, Giatika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1147

Abstract

Tingginya angka pencurian sepeda motor menuntut solusi keamanan yang proaktif dan otomatis, mengingat sistem pengawasan konvensional umumnya bersifat reaktif dan kurang efektif. Penelitian ini mengusulkan sistem deteksi dini pencurian motor berbasis video yang mampu mengenali objek, mengidentifikasi individu, dan mendeteksi aktivitas mencurigakan secara real-time. Sistem ini mengintegrasikan berbagai teknologi kecerdasan buatan, termasuk YOLOv11 untuk deteksi objek, ByteTrack untuk pelacakan, InsightFace untuk identifikasi wajah, PaddleOCR untuk pembacaan pelat nomor, dan Real-ESRGAN untuk peningkatan resolusi citra. Pengujian dilakukan menggunakan video simulasi yang merepresentasikan kondisi nyata, seperti variasi pencahayaan, sudut kamera, dan interaksi antara subjek dan kendaraan. Evaluasi dilakukan terhadap 48 sampel wajah, 34 kasus identifikasi kendaraan, dan 20 skenario pencurian. Hasil evaluasi menunjukkan sistem berhasil mencapai akurasi 95,83% dalam identifikasi wajah dan 97,92% dalam identifikasi pelat nomor. Pada deteksi aktivitas curanmor, sistem mencatatkan akurasi 95% dan F1-score sebesar 96,97% tanpa adanya false negative. Dari segi performa, sistem yang dioptimasi dengan TensorRT (presisi FP16) menunjukkan peningkatan signifikan dalam kecepatan inferensi, dari 36,19 FPS (menggunakan PyTorch FP32) menjadi 56,47 FPS. Hasil ini menunjukkan bahwa sistem yang dikembangkan tidak hanya akurat dan andal, tetapi juga efisien untuk diterapkan dalam pengawasan keamanan rumah secara waktu nyata. Sistem ini juga memiliki potensi untuk dikembangkan lebih lanjut melalui integrasi dengan IoT guna meningkatkan respon otomatis terhadap potensi pencurian.
Analisis Komparatif CNN dan Transfer Learning untuk Prediksi Dini Kanker Payudara Berbasis Deep Learning Zaidan, Noufal; Seka, Erick Markus; Axellee, Resta; Syahputra, Muhammad Haykal; Chrisnawati, Giatika; Hendrian, Yayan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1497

Abstract

Kanker payudara tetap menjadi penyebab utama kematian di kalangan wanita secara global. Mendeteksi penyakit pada tahap awal secara signifikan meningkatkan keberhasilan pengobatan dan tingkat kelangsungan hidup. Studi ini bertujuan untuk mengembangkan model klasifikasi untuk kanker payudara menggunakan Convolutional Neural Network (CNN) dan mengevaluasi kinerjanya dibandingkan dengan model yang menggunakan transfer learning dengan arsitektur yang telah dilatih sebelumnya. Kedua metode tersebut digunakan untuk memanfaatkan dan memproses data citra histopatologi kanker payudara. Untuk mengevaluasi kinerja model, metrik akurasi dan kehilangan digunakan. Temuan eksperimental menunjukkan bahwa model yang menggunakan transfer learning mencapai akurasi yang lebih baik dan kehilangan yang lebih rendah dibandingkan dengan arsitektur CNN tradisional. Hasilnya menunjukkan bahwa transfer learning dapat meningkatkan efektivitas deteksi dini kanker payudara.
Penggunaan Algoritma Support Vector Machine (SVM) Untuk Deteksi Penipuan pada Transaksi Online Eldo, Handry; Ayuliana, Ayuliana; Suryadi, Dikky; Chrisnawati, Giatika; Judijanto, Loso
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14186

Abstract

Penipuan dalam transaksi online semakin meningkat seiring dengan perkembangan teknologi digital yang pesat. Untuk mengatasi masalah ini, diperlukan sistem deteksi yang efektif dan akurat guna meminimalisir kerugian yang disebabkan oleh aktivitas penipuan. Penelitian ini bertujuan untuk mengembangkan model deteksi penipuan menggunakan algoritma Support Vector Machine (SVM). Algoritma SVM dipilih karena kemampuannya dalam mengklasifikasikan data yang kompleks dan menangani data dengan dimensi tinggi. Metodologi penelitian melibatkan pengumpulan data transaksi online yang terdiri dari transaksi sah dan penipuan, kemudian dilakukan preprocessing data untuk mengatasi ketidakseimbangan dan noise pada dataset. Model SVM dilatih menggunakan data yang telah diproses dan dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM mampu mendeteksi transaksi penipuan dengan tingkat akurasi yang tinggi, mencapai 95%. Selain itu, model ini juga memiliki tingkat presisi dan recall yang seimbang, sehingga efektif dalam mendeteksi aktivitas penipuan tanpa mengabaikan transaksi sah. Kesimpulannya, algoritma SVM dapat dijadikan sebagai solusi yang andal untuk mengidentifikasi penipuan pada transaksi online, namun perlu pengujian lebih lanjut pada berbagai jenis dataset untuk meningkatkan generalisasi model.
PERAN KECERDASAN BUATAN DALAM PENGEMBANGAN SISTEM OTOMATISASI PROSES BISNIS Rosidin, Rosidin; Novianti, Rezki; Ningsih, Kori Puspita; Haryadi, Dedi; Chrisnawati, Giatika; Anripa, Nuralfin
Jurnal Review Pendidikan dan Pengajaran Vol. 7 No. 3 (2024): Vol. 7 No. 3 (2024): Volume 7 No 3 Tahun 2024 (Special Issue)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jrpp.v7i3.31125

Abstract

Penelitian ini bertujuan untuk mengeksplorasi peran kecerdasan buatan (AI) dalam pengembangan sistem otomatisasi proses bisnis melalui metode studi literatur. Kecerdasan buatan telah menjadi teknologi kunci yang mengubah cara bisnis beroperasi, memungkinkan efisiensi yang lebih tinggi, pengurangan kesalahan, dan penghematan biaya. Teknologi AI seperti machine learning, natural language processing, dan computer vision diterapkan dalam berbagai sektor industri termasuk manufaktur, keuangan, layanan pelanggan, serta logistik dan transportasi. Hasil penelitian menunjukkan bahwa AI dapat meningkatkan kualitas produk, mempercepat respons, dan mengoptimalkan manajemen inventaris. Namun, penerapan AI juga menghadapi tantangan seperti keamanan dan privasi data, biaya adopsi teknologi, dan integrasi sistem. Studi kasus dari General Electric dan Amazon menyoroti keberhasilan penerapan AI dalam pemeliharaan prediktif dan manajemen rantai pasok. Masa depan AI diharapkan lebih adaptif, memungkinkan kolaborasi manusia dan mesin, serta menciptakan inovasi layanan baru. Dengan demikian, AI memainkan peran penting dalam otomatisasi proses bisnis dan memberikan manfaat yang signifikan meskipun ada beberapa tantangan yang perlu diatasi
PREDIKSI PREDIKSI TIMBULAN SAMPAH RUMAH TANGGA DI KOTA BEKASI MENGGUNAKAN RANDOM FOREST DALAM PERENCANAAN PRODUKSI KOMPOS Widiyasih, Amelia; Salsabila, Ghina; Mumtazah, Aida; Chrisnawati, Giatika
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 11 No 1 (2026): Bahasa Indonesia
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

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

Abstract

The rapid population growth and urban activity have caused a continuous increase in household waste generation. Bekasi City is one of the major contributors, with a significant amount of organic household waste requiring a sustainable management strategy. This research proposes a Machine Learning approach based on the Random Forest algorithm to predict household waste generation for compost production planning. The dataset includes demographic variables and annual waste records from 2022 to 2024. The method consists of preprocessing, data splitting, and model evaluation stages. Results show that the model achieved an MAE of 1111.70, RMSE of 1549.57, and an R² value of 0.95, indicating strong predictive capability. The model was then used to calculate household waste prediction for 2025 to 2030, showing an increasing trend. Additionally, the projection enabled the estimation of compost production potential based on an assumption that 70% of total waste is organic and 50% of it can be processed into compost. This research confirms that Machine Learning and Artificial Intelligence approaches can support local waste management policy and long-term sustainability planning.
Co-Authors Andreas, Derza Annisa Wahdiniawati, Siti Antari, Ni Luh Sili Axellee, Resta Ayuliana Ayuliana Chatarina Umbul Wahyuni Dedi Haryadi Eldo, Handry Judijanto, Loso Lensi, Maria Erviana Asinta Mumtazah, Aida Mustika, I Ketut Najwan, Shafiq Nuralfin Anripa Oktavia, Bella Azka Pratiwi, Clara Putra, Fachrizky Catur Raihan, Muhammad Fajar Rezki Novianti Rosidin Rosidin Rusmana, Muhammad Farhan Salsabila, Ghina Seka, Erick Markus Sipahutar, Randi Paisal Suryadi, Dikky Syahputra, Muhammad Haykal Tarigan, Aldyansyah Widiyasih, Amelia Yayan Hendrian Zaidan, Noufal