Claim Missing Document
Check
Articles

Found 10 Documents
Search

PENGUKURAN MUTU LAYANAN WEBSITE PENDAFTARAN PENERIMAAN MAHASISWA BARU PADA UNIVERSITAS GUNADARMA MENGGUNAKAN METODE WEBQUAL Nugraha, Adam Huda; Silfianti, Widya
Jurnal Ilmiah Informatika Komputer Vol 21, No 2 (2016)
Publisher : Universitas Gunadarma

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

Abstract

Perkembangan website yang demikian pesat memberikan dampak pada perubahan layanan organisasi ataupun perusahaan. Website suatu perusahaan harus mempresentasikan kehadiran perusahaan tersebut di mata pelanggan secara virtual, sehingga konsumen menjadi percaya dan melakukan transaksi secara online melalui website perusahaan. Oleh karena itu, perlu dilakukan analisis kualitas website untuk mengukur keberhasilan suatu website. Kualitas suatu website bisa dianalisis dengan menggunakan metode Webqual. Saat ini, penggunaan website tidak hanya sebagai media promosi atau iklan tapi telah berkembang menjadi media penyedia informasi di bidang pendidikan. Misalnya, Universitas Gunadarma yang membuka Pendaftaran Penerimaan Mahasiswa Baru (PPMB) melalui jalur website PPMB dengan mengisi formulir pendaftaran secara online. Akan tetapi, pada website PPMB online Universitas Gunadarma masih terdapat masalah atau kendala dari sisi user yang berpengaruh terhadap admin. Oleh karena itu, pada penelitian ini dilakukan pengukuran mutu layanan website pendaftaran penerimaan mahasiswa baru Universitas Gunadarma yang bertujuan untuk mengukur mutu layanan website tersebut. Metode yang digunakan dalam penelitian ini adalah Webqual 4.0 dengan sampel sebanyak 97 responden. Hasil penelitian menunjukkan kualitas pelayanan ditinjau dari tangibles sebesar 53,6% responden menyatakan pelayanan sudah baik, ditinjau dari reliability sebesar 56,7% responden menyatakan pelayanan sudah baik, ditinjau dari responsiveenes sebesar 60,8% responden menyatakan pelayanan baik, ditinjau dari assurance sebesar 54,6% responden menyatakan pelayanan baik, dan ditinjau dari empaty sebesar 72,2% responden menyatakan pelayanan sudah baik. Kata kunci: Kualitas Website, Pengukuran Mutu, Website PPMB, Webqual 4.0
IMPLEMENTASI DEEP LEARNING MENGGUNAKAN FRAMEWORK TENSORFLOW DENGAN METODE FASTER REGIONAL CONVOLUTIONAL NEURAL NETWORK UNTUK PENDETEKSIAN JERAWAT Hasma, Yunita Aulia; Silfianti, Widya
Jurnal Ilmiah Teknologi dan Rekayasa Vol 23, No 2 (2018)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2018.v23i2.2459

Abstract

Jerawat sering dialami oleh kaum wanita maupun pria dari usia remaja hingga dewasa. Banyak rumah sakit dan klinik kecantikan yang dapat di datangi oleh para penderita untuk memeriksakan jerawat tersebut. Penelitian ini merupakan implementasi dari pendeteksian jerawat menggunakan image processing dan secara realtime, lalu sistem akan mengklasifikasikan jerawat yang ada pada wajah. Jerawat yang dapat dikenali oleh sistem ini yaitu jerawat, bekas, dan pus. Sistem deteksi dan klasifikasi ini dibuat dengan metode deep learning dengan menggunakan bahasa pemrograman Python, yang dibantu dengan menggunakan framework TensorFlow dengan model Faster R-CNN. Sistem ini hanya dapat berjalan di laptop dengan memiliki Python versi 3.6 di dalamnya dan telah memliki library Numpy, TkInter, Matplotlib, dan OpenCV dan juga memiliki kamera pada laptop yang digunakan agar dapat menjalankan sistem secara realtime yang didukung dengan GPU yang memadai. Perancangan alur aplikasi menggunakan flowchart diagram. Hasil uji terhadap sistem menggunakan perbandingan objek yang terdeteksi dengan yang seharusnya lalu dibagi dan dikalikan dengan seratus persen. Hasil yang didapat dari pengujian cukup baik menggunakan metode deep learning.
Accelerating Compression Time of the standard JPEG by Employing The Quantized YCbCr Color Space Algorithm Trini Saptariani; Sarifudin Madenda; Ernastuti Ernastuti; Widya Silfianti
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 6: December 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (772.335 KB) | DOI: 10.11591/ijece.v8i6.pp4343-4351

Abstract

In this paper, we propose a quantized YCbCr color space (QYCbCr) technique which is employed in standard JPEG. The objective of this work is to accelerate computational time of the standard JPEG image compression algorithm. This is a development of the standard JPEG which is named QYCBCr algorithm. It merges two processes i.e., YCbCr color space conversion and Q quantization in which in the standar JPEG they were performed separately. The merger forms a new single integrated process of color conversion which is employed prior to DCT process by subsequently eliminating the quantization process. The equation formula of QYCbCr color coversion is built based on the chrominance and luminance properties of the human visual system which derived from quatization matrices. Experiment results performed on images of different sizes show that the computational running time of QYCbCr algorithm gives 4 up to 8 times faster than JPEG standard, and also provides higher compression ratio and better image quality.
Rekayasa Ulang Proses Bisnis Layanan Data Pada Institusi Manajemen Aset Wahyu Joko Raharjo; Widya Silfianti; Suryarini Widodo
Jurnal Ilmiah Komputasi Vol. 21 No. 4 (2022): Jurnal Ilmiah Komputasi : Vol. 21 No 4, Desember 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.4.3205

Abstract

Layanan penyediaan data berguna untuk menyediakan data kepada unit yang membutuhkan data/informasi, dimana data/informasi tersebut belum didukung oleh sistem aplikasi atau membutuhkan data/informasi untuk diolah kembali untuk berbagai keperluan antara lain untuk monitoring, bahan pengambilan keputusan, analisa dan bahan pembuatan kebijakan pada sektor publik atau pemerintahan. Dalam rangka menjaga tingkat layanan yang baik, layanan data memiliki Standar Operasional Prosedur (SOP) yang mengatur norma waktu tiap tahap layanan data. Seksi Keamanan Basis Data pada Direktorat Transformasi dan Sistem Informasi layanan penyediaan data memiliki norma waktu 480 menit/8jam. data tahun 2021 ditemukan 15.46% layanan data melebihi norma waktu pemenuhan layanan. Busines Proses Management (BPM) digunakan untuk rekayasa ulang proses bisnis layanan data dengan tahap penelitian: identifikasi masalah, studi literatur, pengumpulan data, pemodelan proses as-is, analisis proses as-is, rekayasa proses to-be, analisis proses to-be, dan pengambilan kesimpulan dan saran. hasil simulasi menunjukkan kemungkinan layanan data dan layanan penyediaan data aplikasi alchemy melebihi batas norma waktu pemenuhan dapat diminimalisir/dihilangkan, efisiensi waktu untuk layanan data sebesar 6.69%-54.4 % untuk layanan data yang besaran data bervariasi dan pada layanan penyediaan data alchemy diperoleh efisiensi sebesar 80.15%-82.14%.
ANALISIS PERBANDINGAN PENGUJIAN MANUAL DAN AUTOMATION TESTING PADA WEBSITE E-COMMERCE Dewandra Sapto Prasetyo; Widya Silfianti
Jurnal Ilmiah Teknik Vol. 2 No. 2 (2023): Mei : Jurnal Ilmiah Teknik
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/juit.v2i2.516

Abstract

Pengembangan perangkat lunak, terutama yang menggunakan pendekatan agile, tidak akan dipisahkan dari tahap pengujian. Sebuah aplikasi tidak akan terlepas dari error atau bugs. End-to-end testing merupakan teknik testing yang memiliki cakupan besar dan dimungkinkan menghabiskan banyak waktu dalam pelaksaannya, sementara kini masa development cycle dari sebuah software semakin singkat. Pada saat melakukan proses pengujian perangkat lunak atau sistem, pengujian perlu dijalankan tidak hanya secara manual, namun juga secara otomatis menggunakan automated testing tools. Penelitian ini bertujuan melakukan analisis kompilasi manual testing dan automation testing menggunakan tools Katalon Studio pada salah satu website e-commerce di Indonesia. Penelitian dilakukan dengan melakukan pengujian manual dan automation testing sebanyak 5 kali iterasi. Hasil penelitian menunjukkan bahwa automation testing berjalan lebih cepat daripada pengujian manual.
Prediksi Gerakan secara Real-Time untuk Pengenalan Bahasa Isyarat menggunakan LSTM Vira Yolanda; Widya Silfianti
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 3 (2023)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i3.4607

Abstract

Bahasa Isyarat merupakan bahasa yang digunakan untuk berkomunikasi khususnya bagi penyandang tunarungu dan tuna wicara agar dapat saling berkomunikasi dengan baik. Namun karena minimnya pendidikan di masyarakat, bahasa isyarat jarang digunakan, bahkan banyak yang tidak mengetahui bahasa isyarat. Maka diperlukan suatu sistem untuk mengenali bahasa isyarat agar lebih banyak orang yang memahami bahasa isyarat. Dalam penelitian ini, kami mengembangkan deteksi gerakan dinamis untuk pengenalan 6 kata dalam bahasa isyarat Indonesia (SIBI) dengan memanfaatkan perubahan koordinat secara real-time yang dideteksi menggunakan MediaPipe Holistic dan model klasifikasi LSTM Neural Network. Dari hasil pengujian yang telah dilakukan dapat disimpulkan bahwa hasil implementasi Sistem Pengenalan Bahasa Isyarat secara real-time dengan memanfaatkan perubahan koordinat menggunakan metode MediaPipe Holistic dan Long Short Term Memory (LSTM) diperoleh sebuah model dengan nilai akurasi 96%. Akurasi yang diperoleh sebesar 96% artinya model tersebut akurat dalam mengklasifikasikan kelas-kelas gerakan. Setiap kelas memiliki nilai presisi, recall, f1-score dan support yang sangat baik dengan rata-rata 96%.
Evaluation of Machine Learning Models for Predicting Cardiovascular Disease Based on Framingham Heart Study Data Suhatril, Ruddy J; Syah, Rama Dian; Hermita, Matrissya; Gunawan, Bhakti; Silfianti, Widya
ILKOM Jurnal Ilmiah Vol 16, No 1 (2024)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v16i1.1952.68-75

Abstract

The Framingham Heart Study Community is a research community that produces data related to Cardiovascular Disease (CVD). This research applies technology to predict CVD using machine learning based on data from the Framingham Heart Study. The eight machine learning algorithms are deployed in this study, they are decision tree, naïve bayes, k-nearest neighbors, support vector machine, random forest, logistic regression, neural network, and gradient boosting.This research uses several stages of research such as load dataset, preprocessing data, data modeling, evaluation of various data modelling, and input new data.  The best performance was produced by the random forest model with an accuracy value of 0.84, a precision value of 0.84, a recall value of 0.85, an f1-score value of 0.79 and an AUC value of 0.72. The prediction generated by the proposed machine learning model is high risk or low risk of CVD.
A Deep Learning Approach for Tourism Destination Recommendation Using IndoBERT and TF-IDF Silfianti, Widya; Syah, Rama Dian; Suhendra, Adang; Isra, Ali; Darmayantie, Astie; Ohorella, Noviawan Rasyid
ILKOM Jurnal Ilmiah Vol 17, No 3 (2025)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v17i3.3069.241-251

Abstract

The rapid development of information technology has transformed various sectors, including tourism, where recommendation systems play a vital role in providing personalized services. Tourists are often faced with a wide range of destination choices, making decision-making increasingly complex. To address this, Artificial Intelligence (AI) and Natural Language Processing (NLP) can be leveraged to enhance recommendation accuracy through deeper analysis of destination descriptions. This study proposes a tourism destination recommendation system combining IndoBERT, SimCSE, and TF-IDF methods. IndoBERT was applied to capture semantic and contextual meaning in the Indonesian language, SimCSE improved sentence-level embeddings, and TF-IDF extracted essential keywords from descriptions. The system was implemented on a website to generate personalized recommendations based on user input. Evaluation results demonstrated that the composition of IndoBERT and TF-IDF achieved strong performance, with precision, recall, and F1-score values of 1.0 at a similarity threshold of 0.20. However, higher thresholds reduced recall and F1-score, indicating that a lower threshold provided a better balance between accuracy and coverage. The recommendation outputs matched user preferences, and functional testing showed that all website features performed successfully. These findings highlight the effectiveness of combining semantic and keyword-based methods for tourism recommendation. Future work could expand the dataset, integrate user feedback, and benchmark against other state-of-the-art models to further enhance system performance.
Rancang Bangun Aplikasi Absensi Pegawai dengan Face Recognition Berbasis Android di PT. Nutech Integrasi Prakoso, Galih; Silfianti, Widya
Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 7 No. 2 (2024): Jurnal Teknologi Sistem Informasi dan Aplikasi
Publisher : Program Studi Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jtsi.v7i2.38812

Abstract

The adaptation of new habits after the COVID-19 pandemic has created a new habit, namely work activities that can be done from home. PT Nutech Intgerasi has new rules as a form of adaptation to new habits, called Flexible Working Arrangements, which is work from home, work from office and onsite work systems. The current attendance system cannot cover these three work systems. Therefore, a new system is needed so that the head unit and the Human Capital & Organization team can continue to record and monitor each employee. The system is built using System development Life Cycle method and face recognition technology, then added Geolocation to record the location, the system was built with the JavaScript programming language. In the initial stage, the application has been implemented in the Business and Product Development department. The application has successfully recorded employee attendance and recorded the location when employees make attendance. For the face recognition feature of the five test data taken, four of them show data accuracy below the euclidean distance threshold value, where the euclidean distance threshold value is 0.40, even one of the test data managed to have an euclidean distance of 0.18 which means that the level of similarity is very high because the smaller the euclidean distance, the higher the level of similarity. In addition, by giving a lower limit value at the face detection stage of 0.90, only faces that are clearly visible and with good lighting are captured.
Implementasi model support vector machine sebagai sistem prediksi penyakit ginjal kronik berbasis data klinis Rama Dian Syah; Diandra Hasna Widianto; Bhakti Gunawan; Hadyanto Caputra; Widya Silfianti; Rena Fuji Erin Setyawati
Jurnal Ilmiah Teknologi dan Rekayasa Vol. 31 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2026.v31i1.218

Abstract

Chronic Kidney Disease (CKD) is one of the global health problems with increasing prevalence and mortality rates, requiring accurate early detection methods to support timely treatment and prevention. Various previous studies have applied machine learning techniques for CKD prediction; however, most studies are still limited to basic model implementation without systematic parameter optimization or real-time web-based prediction system deployment. This study aims to develop a CKD prediction model using the Support Vector Machine (SVM) algorithm optimized through GridSearchCV to improve classification performance. The research was conducted based on the CRISP-DM framework using the CKD dataset from the UCI Machine Learning Repository. The preprocessing stage included categorical data transformation, missing value handling using median imputation, and feature standardization using StandardScaler. Parameter optimization was performed by testing several SVM parameter combinations using a 5-fold cross-validation approach. The results showed that the optimized SVM model achieved an accuracy of 98.75%, with high precision, recall, and F1-score values in CKD and non-CKD classification. These results indicate better performance compared to several previous studies using similar datasets with accuracy below 98%. Furthermore, the model was implemented in a web-based application using Gradio and Hugging Face Spaces to support real-time prediction. Initial validation by an internal medicine specialist indicated that the system predictions were consistent with medical interpretation, suggesting that the proposed model has potential as a decision-support tool for early CKD detection