Article Per Year (5 Year)
p-Index From 2021 - 2026
3.699
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Fountain of Informatics Journal Format : Jurnal Imiah Teknik Informatika Jurnal Informatika Jurnal Ilmiah FIFO InComTech: Jurnal Telekomunikasi dan Komputer JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) IKRA-ITH ABDIMAS JURIKOM (Jurnal Riset Komputer) MULTINETICS Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi Jurnal Ilmu Teknik dan Komputer International Journal of Advanced Multidisciplinary IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Pengabdian Pada Masyarakat Kapas: Kumpulan Artikel Pengabdian Masyarakat IRA Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Nasional Jurnal Pengabdian Masyarakat Nauli CSRID
Dwiasnati, Saruni
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
Penerapan Gradient Boosting Regression dalam Prediksi Pergerakan Harga Emas Berdasarkan Pendekatan Moving Average of VWAP Abdillah, Reza Wahyu; Dwiasnati, Saruni
InComTech : Jurnal Telekomunikasi dan Komputer Vol 15, No 1 (2025)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v15i1.28304

Abstract

Pergerakan Harga emas dipengaruhi oleh berbagai faktor ekonomi, inflasi, penawaran dan permintaan, serta kebijakan moneter, yang membuat prediksi Harga emas menjadi penting bagi investor. Penelitian ini bertujuan untuk mengembangkan model prediksi Harga emas menggunakan pendekatan Moving Average of VWAP dan Algoritma Gradient Boosting Regression. Data diambil dari situs www.investing.com, mencakup periode 14 Januari 2016 hingga 12 April 2024. Metode penelitian meliputi pembersihan data. Penskalaan dengan StandardScaler, dan pembagian data menjadi set pelatihan dan pengujian, Moving Average of VWAP digunakan untuk menganalisis Harga berdasarkan volume perdagangan, sementara Algoritma Gradient Boosting Regression digunakan untuk klasifikasi dan prediksi Harga actual dan prediksi. Hasil penelitian menunjukan Tingkat akurasi yang sangat tinggi dengan R-Squared (R2) mencapai 0.99 dan evaluasi kinerja model menunjukan MAE sebesar 6.2955, MSE sebesar 78.0802, RMSE sebesar 8.8317. hasil ini menunjukan bahwa model prediksi yang dihasilkan dapat menjadi alat yang efektif bagi investor dalam pengambilan Keputusan investasi emas yang lebih informasional dan strategis.
Quantitative Analysis of Training Completion Using Multivariate Linear Regression Devianto, Yudo; Dwiasnati, Saruni; Gunawan, Wawan; Sumarto, Marco Alfan; Saputra, Dony Ramadhan
JURIKOM (Jurnal Riset Komputer) Vol. 12 No. 4 (2025): Agustus 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i4.8851

Abstract

The urgency of this research stems from the strategic need to monitor and evaluate the achievements of digital training implemented by various academies under government coordination, including VSGA, FGA, DEA, TA, and GTA. In the context of the national digital transformation program, the availability of an analytical model that can predict the success of participants in completing training is critically crucial to support the achievement of the Ministry’s Key Performance Indicators (KPIs). The purpose of this study is to develop a predictive model based on multivariate linear regression that combines two main variables, the percentage of participants accepted and the percentage of participants who participate in onboarding, to project the level of training completion. This model is expected to provide a quantitative and objective assessment of the effectiveness of digital training implementation in each academy. The targeted outputs of this study include the development of a predictive model with performance validation through the calculation of R², which yielded a value of 0.9448, as well as the provision of technical reports and data-driven recommendations for enhancing digital training governance. The Technology Readiness Level (TKT) of this study is at TKT 3, and there is evidence of conceptual validation of the predictive model based on real data collected from the implementation of the training. This stage marks the readiness of the research to continue developing the system model and implementing it on the training evaluation platform in the next stage.
Inovasi Pembelajaran dengan Buku Sentuh Berbasis QR Code dan Audio di SLB Yayasan Asih Budi Dwiasnati, Saruni; Ayu, Kurnia Gusti; Bernadetha, Suzan; Triwibowo, Ardy; Darmawan, Bagus Budi; Nurfiant, Muhammad Arya Hafsah; Da Costa Martins, Ana Maria Ildiberta; Akmal, Medina Fibriyanti
IKRA-ITH ABDIMAS Vol. 9 No. 3 (2025): Jurnal IKRAITH-ABDIMAS Vol 9 No 3 November 2025
Publisher : Universitas Persada Indonesia YAI

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

Abstract

Pendidikan inklusif menuntut adanya inovasi media pembelajaran yang dapat mengakomodasi kebutuhan anak berkebutuhan khusus, terutama di Sekolah Luar Biasa (SLB). Salah satu permasalahan yang sering dihadapi adalah keterbatasan media ajar konvensional yang kurang interaktif dan tidak mampu memberikan pengalaman belajar multisensori. Penelitian/pengabdian ini bertujuan untuk menghadirkan solusi berupa Buku Sentuh (Tactile Book) berbasis QR Code dan Audio sebagai media pembelajaran inovatif di SLB Yayasan Asih Budi. Metode yang digunakan meliputi tahapan sosialisasi, survei kebutuhan, pelatihan guru, siswa, dan ulaka dalam mengimplementasi media, hingga evaluasi. Buku Sentuh dirancang dengan tekstur timbul yang dapat diraba serta dilengkapi dengan QR Code yang terhubung ke audio penjelasan materi. Media ini memberikan pengalaman belajar yang menggabungkan aspek visual, taktil, dan auditori sehingga lebih mudah diakses oleh siswa dengan hambatan penglihatan maupun keterbatasan kognitif. Hasil implementasi menunjukkan bahwa Buku Sentuh berbasis QR Code dan Audio mampu meningkatkan keterlibatan, motivasi, serta pemahaman siswa terhadap materi. Guru menyatakan terbantu dengan adanya media ini sebagai alternatif inovatif dalam proses pembelajaran, sementara siswa lebih aktif, fokus, dan antusias. Evaluasi program memperlihatkan bahwa inovasi ini efektif sebagai media pembelajaran inklusif sekaligus mendukung upaya transformasi pendidikan di SLB
Pemodelan Wilayah Titik Api Kebakaran Hutan Menggunakan Deep Learning Dwiasnati, Saruni; Devianto, Yudo; Arif, Sutan Mohammad; Avrizal, Reza
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.001

Abstract

Indonesia merupakan negara tropis yang mengalami kebakaran hutan setiap tahunnya. Kebakaran hutan terjadi disebabkan oleh durasi musim panas yang terlalu lama dari waktu semestinya. Hutan merupakan tempat tinggal berbagai jenis satwa dan fauna yang memiliki banyak kekayaan hayati yang dapat membuat mereka bertahan hidup. Sering terjadinya kebakaran hutan menjadi isu lingkungan yang dianggap krusial dan mendapatkan perhatian baik dari tingkat lokal maupun internasional. Penelitian yang dilakukan ini menyajikan kajian klasifikasi wilayah titik api kebakaran hutan menggunakan salah satu algoritma Deep Learning (DL) yaitu metode Convolutional Neural Network (CNN), hal ini sangat dibutuhkan untuk pendahuluan mengenai peringatan dini kebakaran hutan yang ada di daerah tersebut. Wilayah titik api kebakaran hutan yang digunakan dalam penelitian ini dikumpulkan dari daerah Nusa Tenggara Timur (NTT), terutama pulau-pulau seperti Sumba dan Timor. Metode CNN melibatkan dua langkah utama. Langkah pertama adalah pengklasifikasian gambar melalui proses feedforward. Langkah kedua adalah fase pembelajaran menggunakan teknik backpropagation. Model CNN yang digunakan dalam proses pelatihan dataset menguji citra dengan beberapa pengoptimal dan diperoleh hasil akurasi yang tinggi. Kemiripan area yang terbakar dengan fitur terang lainnya mengurangi kepastian deteksi kebakaran hutan. Hasil penelitian menunjukkan bahwa Model CNN yang digunakan Untuk deteksi dan segmentasi area terbakar menggunakan algoritma terpilih, kinerja terbaik dengan pembelajaran mendalam yang dilaporkan dalam literatur adalah 89%.Teknik yang diusulkan dilatih menggunakan wilayah varian (kumpulan data) dan mengevaluasi presisi berdasarkan ambang recall, dengan akurasi keseluruhan 89%.
ANALISIS SENTIMEN TERHADAP DAMPAK PERANG ISRAEL - PALESTINA MELALUI DATA TWITTER MENGGUNAKAN NAIVE BAYES Halim, Alfian Noer; Dwiasnati, Saruni
FORMAT Vol 13, No 2 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2024.v13.i2.010

Abstract

The increasing development of information technology makes it easy for people to get various information only through social media such as Twitter. Twitter is a mainstay social networking application and source of information on world events. With Twitter, people can get a lot of the latest news. One piece of information that is widely discussed and is a trending topic on Twitter is the impact of the Israeli and Palestinian war. It is important to analyze the feelings of the impact of the ceasefire between Israel and Palestine from the amount of information in online media. The data used is Twitter, a social media platform. This research was conducted to analyze people's reactions to data in the form of tweets and group them according to the Naïve Bayes method into positive, neutral or negative opinions. In implementing the Naïve Bayes algorithm which uses 3 models of the Naïve Bayes algorithm, namely Gaussian, Multinomial, and Bernoulli, it shows different results, namely 50% for the Naïve Bayes Gaussian model, 57% for the Naïve Bayes Bernoulli model, and Naïve Bayes Multinomial model is 65 %. This shows that the Multinomial Naïve Bayes model is better than other models in classifying the data in this case.
PELATIHAN PEMANFAATAN LIMBAH KAIN PERCA Yuliarty, Popy; Dwiasnati, Saruni; Alfa, Bonitasari Nurul; Wijayanti, Atiek Ike
Jurnal Pengabdian Masyarakat Nasional Vol 3, No 2 (2023)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pemanas.v3i2.21700

Abstract

Mata pelajaran Prakarya di Sekolah bertujuan untuk mengembangkan pengetahuan, keterampilan dan sikap percaya diri siswa melalui produk yang dihasilkan sendiri dengan memanfaatkan potensi sumber daya alam yang ada di lingkungan sekitar. Prakarya juga merupakan ilmu terapan yang mengaplikasikan pelbagai bidang ilmu pengetahuan untuk menyelesaikan masalah praktis yang secara langsung memengaruhi kehidupan kita sehari-hari. Luarannya diharapkan mampu mendidik siswa terampil dalam berbagai hal serta menumbuhkan jiwa wirausaha yang tentunya bermanfaat bagi mereka dalam hal  peningkatan ekonomi keluarga.Pihak mitra yang telah terikat kerjasama dalam bentuk agrrement, menyambut baik kegitan ini dengan harapan melaluai kegiatan ini dapat meningkatkan pengetahuan dan keterampilan siswa.Metode pelaksanaan dilakukan secara langsung berupa penyampaian materi dan praktek langsung tentang keterampilan seniu kreatif berupa tas dari anyaman pandan. Evaluasi kegiatan dilakukan dengan penyebaran kuisioner kepada para peserta untuk menilai kegiatan ini dengan hasil rata-rata adalah 4,9 dari skala 5 yang artinya sudah termasuk pada katagori sangat memuaskan. Kegiatan PPM ini dapat dilanjutkan dengan tema-tema atau topik-topik yang mendukung pelajar untuk dapat perduli kepada lingkungan dengan memanfaatkan ilmu pengetahuan yang di dapat di sekolah maupun dari sumber luar sekolah seperti Perguruan Tinggi.Luaran dari kegiatan ini adalah upload pada Youtube, publikasi pada media masa dan Jurnal Pengbdian Masyarakat.
Quantitative Analysis of Training Completion Using Multivariate Linear Regression Devianto, Yudo; Dwiasnati, Saruni; Gunawan, Wawan; Sumarto, Marco Alfan; Saputra, Dony Ramadhan
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 4 (2025): Agustus 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i4.8851

Abstract

The urgency of this research stems from the strategic need to monitor and evaluate the achievements of digital training implemented by various academies under government coordination, including VSGA, FGA, DEA, TA, and GTA. In the context of the national digital transformation program, the availability of an analytical model that can predict the success of participants in completing training is critically crucial to support the achievement of the Ministry’s Key Performance Indicators (KPIs). The purpose of this study is to develop a predictive model based on multivariate linear regression that combines two main variables, the percentage of participants accepted and the percentage of participants who participate in onboarding, to project the level of training completion. This model is expected to provide a quantitative and objective assessment of the effectiveness of digital training implementation in each academy. The targeted outputs of this study include the development of a predictive model with performance validation through the calculation of R², which yielded a value of 0.9448, as well as the provision of technical reports and data-driven recommendations for enhancing digital training governance. The Technology Readiness Level (TKT) of this study is at TKT 3, and there is evidence of conceptual validation of the predictive model based on real data collected from the implementation of the training. This stage marks the readiness of the research to continue developing the system model and implementing it on the training evaluation platform in the next stage.
Detection of Rice Leaf Pests Based on Images with Convolution Neural Network in Yollo v8 Fauzi, Ahmad; Baihaqi, Kiki Ahmad; Pertiwi, Anggun; Devianto, Yudo; Dwiasnati, Saruni
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 13 No. 1 (2024): MARET
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v13i1.2008

Abstract

Detection of rice leaf pests is important in agriculture because it can help farmers determine appropriate preventive measures. One method that can be used to detect rice leaf pests is digital image processing technology. In this research, proof of suitability for solving this case was carried out between the Convolutional Neural Network (CNN) algorithm which was run offline with R-CNN and YOLOv8 for detecting rice leaf pests. At the data preparation stage, images of rice leaves were taken from various sources with a total of 100 images taken from website data and 10 images taken from the research site. Next, preprocessing and data augmentation are carried out to improve image quality and increase data variation. At the model training stage, a training and evaluation process is carried out using two types of algorithms, namely R-CNN and YOLOv8. The accuracy of the testing results using the same data using Yolov8 obtained 87.0% accuracy and 79% precision, while using R-CNN the results obtained were 85% for accuracy and 75% for precision with data divided into 80 training data 20 validation data and 10 testing data. Labeling the dataset uses Makesensei which has been completely standardized, with the resulting parameters being the spots on rice leaves.
Co-Authors Abdillah, Reza Wahyu Akmal, Medina Fibriyanti Alfa, Bonitasari Nurul Arif , Sutan Mohammad ARIF, SUTAN MOHAMMAD Avrizal, Reza Ayu, Kurnia Gusti Aziz, Topaz Malik Baihaqi, Kiki Ahmad Bernadetha, Suzan Da Costa Martins, Ana Maria Ildiberta Darmawan, Bagus Budi Diah Utami, Diah Eliyani Eliyani Eliyani Fatimah, Nona Fauzi Ahmad Muda Halim, Alfian Noer Hidayat, Rahmat Rian Imawan, Sonny Aditya Muhammad Rifqi muhammad rizky, muhammad Nicholas Reinaldo, Ryo Nur, Nur Umar Azaliy Awal Nurfiant, Muhammad Arya Hafsah Nurrizky, Fadli Pertiwi, Anggun Popy Yuliarty, Popy Prihandani, Kamal Prihandi, Ifan Qitala, Shofia Rudiarto, Sabar Saputra, Dony Ramadhan Sumarto, Marco Alfan Triwibowo, Ardy Wawan Gunawan Wijayanti, Atiek Ike Yudo Devianto