Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Yisti Vita Via
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Temporal Fusion Transformer untuk Prediksi Emisi Karbon Indonesia Daffa Ammar Mahendra; Faisal Muttaqin; Yisti Vita Via
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Peningkatan emisi karbon dioksida (CO?) menjadi salah satu penyebab utama perubahan iklim global sehingga diperlukan pendekatan yang bisa menghasilkan prediksi emisi karbon secara akurat sebagai dasar dalam mendukung pengambilan keputusan. Penelitian ini bertujuan menerapkan model TFT untuk memprediksi emisi karbon Indonesia menggunakan data historis periode 1970–2024 yang diperoleh dari Our World in Data. Variabel masukan yang digunakan meliputi coal_co2, oil_co2, dan gas_co2, sedangkan emisi karbon (CO?) digunakan sebagai variabel target. Proses penelitian meliputi preprocessing data, pembangunan model TFT, pelatihan model, serta evaluasi menggunakan metrik MAE, MAPE, dan sMAPE. Hasil penelitian menunjukkan bahwa model menghasilkan nilai MAE sebesar 62,0155, MAPE sebesar 8,40%, dan sMAPE sebesar 8,90%. Selain itu, hasil prediksi berhasil mengikuti pola perubahan emisi karbon pada data aktual sehingga menunjukkan kemampuan model dalam mempelajari karakteristik temporal data. Berdasarkan hasil tersebut, TFT dapat diterapkan sebagai salah satu pendekatan yang efektif untuk prediksi emisi karbon Indonesia.
Klasifikasi Citra Sel Darah Terinfeksi Malaria Menggunakan Pendekatan Hybrid EfficientNetV2-S dan SVM Berbasis Progressive Fine-Tuning Muhammad Ridho Habibie; Christya Aji Putra; Yisti Vita Via
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Malaria tetap menjadi tantangan kesehatan global, sementara proses diagnosisnya masih bergantung pada analisis manual apusan darah tepi menggunakan mikroskop. Proses manual ini rentan terhadap kelelahan visual pemeriksa, sehingga dibutuhkan sistem deteksi otomatis yang cepat, akurat, namun tetap ringan secara komputasi untuk fasilitas dengan sumber daya terbatas. Penelitian ini bertujuan untuk mengevaluasi efektivitas kerangka kerja hibrida yang mengintegrasikan ekstraksi fitur berbasis EfficientNetV2-S melalui strategi progressive fine-tuning dengan algoritma Support Vector Machine (SVM) sebagai pengklasifikasi akhir. Dataset yang dievaluasi merupakan citra mikroskopis sel darah dari National Institutes of Health (NIH) yang dikategorikan ke dalam kelas terinfeksi (Parasitized) dan sehat (Uninfected). Tahapan penelitian mencakup prapemrosesan citra, augmentasi data, pelatihan bertahap model CNN, ekstraksi vektor fitur, optimasi parameter SVM, serta pengujian komparatif (ablation study) terhadap beberapa arsitektur baseline. Hasil eksperimen menunjukkan bahwa SVM dengan kernel Radial Basis Function (RBF) memberikan pemisahan kelas yang paling optimal. Evaluasi pada data uji membuktikan bahwa kerangka kerja hibrida yang diusulkan mengungguli arsitektur pembanding dengan mencapai akurasi sebesar 97,00% dan F1-Score sebesar 96,99%. Secara klinis, integrasi SVM terbukti esensial dalam menekan risiko False Negative dengan keberhasilannya meningkatkan metrik sensitivitas (Recall) kelas Parasitized menjadi 96,23%. Kinerja superior tersebut dicapai dengan tingkat efisiensi yang tinggi, mencatatkan waktu inferensi hanya 21,57 detik untuk keseluruhan 2.752 citra uji. Temuan ini mengonfirmasi bahwa pendekatan usulan berpotensi besar untuk diimplementasikan sebagai sistem Computer-Aided Diagnosis (CAD) portabel yang menuntut akurasi klinis tinggi di lingkungan dengan sumber daya komputasi yang terbatas.
Co-Authors Christya Aji Putra Daffa Ammar Mahendra Faisal Muttaqin Muhammad Ridho Habibie