Article Per Year (5 Year)
p-Index From 2020 - 2025
1.8
P-Index
This Author published in this journals
All Journal MANAJEMEN IKM: Jurnal Manajemen Pengembangan Industri Kecil Menengah Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Eksplora Informatika Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Ilmu Komputer dan Informatika Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Mathematics, Computation and Statistics (JMATHCOS)
Agustina, Nova
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Image Classification using Machine Learning Algorithms to Detect Cloud Types Agustina, Nova; Ihsan, Candra Nur; Sussolaikah, Kelik
TEMATIK Vol 10 No 2 (2023): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2023
Publisher : LPPM POLITEKNIK LP3I BANDUNG

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

Abstract

Study of atmospheric are currently growing rapidly to analyze the negative effects of climate change, weather and air quality. Unstable atmospheric conditions have a negative impact, as extreme weather. The combination of technology and analysis of atmospheric conditions is currently developing rapidly. While atmospheric research using machine learning technology and algorithms is advancing swiftly, challenges persist in identifying the optimal machine learning model for precise cloud type classification. The application of Machine Learning algorithms in atmospheric research has been widely carried out to predict wind direction and cloud imagery to detect weather using satellite data. Detecting cloud type is important for predicting the upcoming weather. However, to detect the type of cloud, it is necessary to choose the algorithm with the best performance. This study applies the Convolutional Neural Network (CNN) with EfficienNetB3 method, Support Vector Classifier (SVC), XGBoost Classifier (XGB), Extra Tree Classifier (ETC), Random Forest (RF), and Decision Tree (DT) algorithms in classifying cloud images to detect clouds type. The method used in this research involves an experimental approach in the hope of gaining a deeper understanding of the factors that influence the performance of machine learning models in classifying cloud types. The dataset used in this research is 1500 cloud data (1200 training data, 300 testing data). Researchers conducted a comparison of algorithms to find out the best algorithm performance in classifying cloud type images. The results showed that doing the CNN algorithm showed better performance with an average accuracy got of 81.03% compared to the SVC algorithm (34.44%), XGB (33.79%), ETC (39.25%), RF (36.18), and DT (29.35%). Our contribution to this research is that we compare machine learning algorithms to detect cloud types along with the impact and characteristics of cloud types from the prediction results.
KLASIFIKASI BERITA PALSU KENAIKAN HARGA BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Elisabeth, Grace; Rahma Salsa Bilah; Ardini, Siska Nova; Agustina, Nova; Rismayadi, Danny Aidil
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.188

Abstract

Perkembangan teknologi informasi yang semakin canggih telah membawa dampak signifikan bagi kehidupan manusia. Salah satu aspek yang terpengaruh adalah akses informasi. Saat ini, manusia dapat dengan mudah mendapatkan segala informasi yang mereka butuhkan berkat berbagai kemudahan yang ditawarkan oleh teknologi informasi. Berita, sebagai salah satu bentuk informasi, kini dapat diakses dengan cepat melalui berbagai media online. Namun, bersamaan dengan kemudahan akses, muncul pula tantangan baru, yaitu penyebaran informasi yang tidak terverifikasi atau yang lebih dikenal dengan istilah berita palsu atau hoax. Kecepatan dalam menyajikan berita oleh media online dapat menjadi celah bagi pihak yang tidak bertanggung jawab untuk menyebarkan informasi yang tidak benar. Fenomena ini menjadi lebih nyata ketika membicarakan isu-isu penting, seperti kenaikan harga Bahan Bakar Minyak (BBM). Kenaikan harga BBM menjadi perbincangan utama di berbagai media berita dan platform sosial media di Indonesia. Namun, disayangkan bahwa sebagian besar informasi yang tersebar sulit untuk diverifikasi kebenarannya. Hal ini menciptakan ketidakpastian di kalangan masyarakat, yang kemudian dapat memicu reaksi negatif atau perasaan tidak nyaman. Dalam menghadapi masalah ini, penting untuk menciptakan mekanisme atau sistem yang dapat membantu mengklasifikasikan berita palsu terkait kenaikan harga BBM. Salah satu solusi yang diusulkan adalah penggunaan algoritma Support Vector Machine (SVM) dalam pembuatan sistem klasifikasi berita palsu. SVM dikenal sebagai salah satu algoritma machine learning yang efektif dalam mengklasifikasikan data, termasuk dalam hal ini, klasifikasi berita menjadi fakta dan tidak fakta. Penelitian ini mencakup beberapa tahapan. Pertama, pengumpulan data dilakukan untuk memastikan dataset yang digunakan representatif terhadap isu kenaikan harga BBM. Kemudian, dilakukan tahap preprocessing untuk membersihkan dan mempersiapkan data sebelum masuk ke dalam model SVM. Setelah itu, dataset dibagi menjadi dua bagian, yaitu data training dan data testing, agar model dapat diuji secara objektif. Langkah berikutnya adalah menjalankan model SVM dengan menggunakan data training untuk melatih model. Pengujian dilakukan menggunakan data testing untuk mengukur sejauh mana model dapat mengklasifikasikan berita dengan akurat. Hasil pengujian tersebut kemudian dapat digunakan untuk menyimpulkan efektivitas algoritma SVM dalam mengidentifikasi berita palsu atau fakta terkait kenaikan harga BBM. Hasil pengujian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan berita dengan tingkat akurasi yang dapat diterima. Oleh karena itu, dapat disimpulkan bahwa penggunaan SVM dalam sistem klasifikasi berita palsu tentang kenaikan harga BBM dapat menjadi solusi yang efektif untuk mengatasi penyebaran informasi yang tidak benar. Proses selanjutnya setelah pengujian adalah deployment model, yaitu mengimplementasikan sistem klasifikasi ini dalam skala yang lebih luas. Dengan demikian, masyarakat dapat dengan lebih percaya diri mengakses informasi terkait kenaikan harga BBM, mengetahui bahwa berita yang mereka baca telah melalui proses verifikasi yang cermat.
TIMBANGAN BERBASIS IOT UNTUK PEMANTAUAN DAN PENGELOLAAN SAMPAH ORGANIK PADA SMART WASTE MANAGEMENT DI DESA MANYINGSAL Gusdevi, Harya; Hadhiwibowo, Ari; Agustina, Nova; Fatah, Abdul; Naseer, Muchammad
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.270

Abstract

Permasalahan sampah di Jawa Barat, khususnya Desa Manyingsal di Kabupaten Subang menjadi topik pembicaraan serius Pemerintah Provinsi Jawa Barat karena dampak negative sampah yang semakin meningkat. Penelitian ini membahas pengembangan timbangan berbasis Internet of Things (IoT) sebagai solusi untuk pemantauan dan pengelolaan sampah organik dalam konteks Smart Waste Management (SWM). Sistem yang dikembangkan mengintegrasikan teknologi sensor Load Cell, memungkinkan pemantauan real-time terhadap berat sampah organik yang dihasilkan. Implementasi dilakukan melalui platform IoT yang terhubung, memungkinkan akses dan pengelolaan data timbangan dengan mudah melalui aplikasi berbasis web. Penelitian ini bertujuan meningkatkan efisiensi pengelolaan sampah organik, sejalan dengan upaya mencapai lingkungan yang lebih bersih dan berkelanjutan. Hasil eksperimen menunjukkan bahwa timbangan berbasis IoT ini memberikan pemantauan yang akurat dan responsif terhadap perubahan kondisi sampah. Implikasi dari penelitian ini adalah penerapan solusi pintar dan terkoneksi dalam pengelolaan sampah organik, memberikan dasar untuk peningkatan keberlanjutan dalam kerangka Smart Waste Management secara menyeluruh.
APLIKASI CHATBOT DESA WISATA CIMINDI MENGGUNAKAN NATURAL LANGUAGE PROCESSING Agustina, Nova; Mardaweni, Riri; Komara, Deri; Widiastuti, Raden Meina; Gusdevi, Harya
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 6 No 1 (2024): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v6i1.282

Abstract

Dalam konteks perkembangan teknologi informasi terkini, kemajuan dalam Natural Language Processing (NLP) diharapkan dapat menjadi solusi inovatif untuk memperbaiki dan memperluas layanan yang diberikan oleh Usaha Mikro Kecil Menengah (UMKM), khususnya di Desa Wisata Cimindi. Teknologi ini mesin dapat memahami dan memproses bahasa manusia, sehingga dapat digunakan untuk meningkatkan kualitas interaksi antara pengelola UMKM dan pelanggan. Tantangan utama yang dihadapi oleh Desa Wisata Cimindi adalah kesulitan dalam memberikan informasi yang konsisten dan cepat kepada wisatawan melalui berbagai platform media sosial. Saat ini, pengelola desa wisata harus mengelola berbagai akun media sosial secara manual, yang seringkali memakan waktu dan tidak efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem chatbot yang memanfaatkan teknologi NLP guna meningkatkan efisiensi interaksi di lingkungan Desa Wisata Cimindi. Chatbot ini dirancang untuk dapat merespons berbagai pertanyaan wisatawan secara otomatis dan akurat, sehingga dapat mengurangi beban kerja pengelola dan meningkatkan kepuasan wisatawan. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan pengembangan sistem Extreme Programming (XP). Metode ini dipilih karena fleksibilitas dan kemampuannya untuk menghasilkan perangkat lunak berkualitas tinggi dalam waktu singkat. Hasil penelitian menunjukkan bahwa implementasi chatbot ini dapat mengurangi waktu yang dibutuhkan untuk merespons pertanyaan wisatawan, meningkatkan efisiensi dalam pengelolaan interaksi, dan menyediakan data transaksi serta interaksi yang terstruktur. Melalui uji alpha, sistem chatbot berhasil menunjukkan kemampuannya dalam memahami konteks pertanyaan pengguna dan memberikan jawaban yang sesuai dengan tingkat akurasi yang mencapai 100%. Implementasi teknologi chatbot berbasis NLP terbukti efektif dalam menyediakan informasi di lingkungan desa wisata dan memberikan kontribusi nyata terhadap pengalaman pengguna dan efisiensi proses komunikasi di Desa Wisata Cimindi. Hasil penelitian berhasil meningkatkan kualitas layanan informasi dan membuka peluang untuk pengembangan lebih lanjut dalam sektor pariwisata desa lainnya.
Analysis Sentiment Terhadap Ginjal Akut pada Twitter Menggunakan Algoritma Random Forest Falah, Hadi Mirojul; Jamil, Muhammad Ridwan; Taufik, Ahmad; Botha, Marten; Agustina, Nova
Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.65

Abstract

Analisis sentimen berkaitan dengan identifikasi dan klasifikasi pendapat atau sentimen yang diungkapkan dalam teks sumber. Sosial media menghasilkan sejumlah besar data yang penuh dengan sentimen berupa tweet, update status, postingan blog maupun yang lainnya. Analisis sentimen dari data yang dihasilkan pengguna ini sangat berguna dalam mengetahui pendapat dari kerumunan. Dalam makalah ini, dilakukan analisis postingan twitter tentang Ginjal Akut menggunakan pendekatan Machine Learning, yaitu dengan menggunakan Algoritma Random Forest dan Particle Swarm Optimization. Hasil penelitian menunjukkan akurasi yang di dapat pada saat melakukan klasifikasi menggunakan algoritma Random Forest dengan Cross Validation sebesar 94.47%.
Platform Manajemen Bisnis dengan Memanfaatkan Chatbot sebagai Virtual Business Assistant Berbasis Omnichannel di Desa Wisata Cimindi: Business Management Platform Utilizing Chatbot as an Omnichannel-Based Virtual Business Assistant in Cimindi Tourism Village Mardaweni, Riri; Agustina, Nova; Widiastuti, Raden Meina; Muallimah, Hadah; Fatah, Abdul; Saidiman, Mochamad
MANAJEMEN IKM: Jurnal Manajemen Pengembangan Industri Kecil Menengah Vol. 19 No. 1 (2024): Manajemen IKM
Publisher : Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/mikm.19.1.50-59

Abstract

Desa Wisata Cimindi adalah salah satu destinasi pariwisata yang terus berkembang saat ini. Namun, pengelolaan usaha di desa tersebut masih menghadapi berbagai tantangan terutama dalam layanan yang efisien kepada wisatawan. Dalam rangka meningkatkan pengalaman wisatawan dan efisiensi operasional, penelitian ini mengusulkan penerapan Virtual Business Assistant (VBA) melalui aplikasi chatbot berbasis omnichannel. Studi ini mengeksplorasi potensi aplikasi chatbot untuk meningkatkan interaksi dan pelayanan kepada wisatawan yang mengunjungi Desa Wisata Cimindi. Aplikasi chatbot ini didesain untuk operasi di berbagai kanal komunikasi (Whatsapp, Telegram, dan Instagram), mencakup pesan teks secara otomatis dan obrolan langsung. VBA ini akan dapat memberikan informasi seputar tempat wisata, rekomendasi makanan, jadwal acara, dan bantuan lainnya kepada pengunjung. Metode penelitian yang digunakan pada penelitian ini adalah metode kualitatif dan metode pengembangan system yang digunakan adalah Extreme Programming serta sebagai narasumber yaitu ketua BUMDesa Alkaustar Cimindi. Pengujian yang dilakukan pada penelitian ini adalah pengujian Blackbox. Hasil penelitian ini menunjukkan aplikasi dapat berfungsi dengan baik dan diharapkan dapat memberikan wawasan yang berharga bagi pengelola pariwisata, pelaku usaha dan peneliti di bidang teknologi informasi yang tertarik untuk mengintegrasikan teknologi chatbot daalam konteks pariwisata pedesaan.
Partial Least Square Second Order dengan Pendekatan Two Stage untuk Mengukur Tingkat Adopsi Digital UMKM Sakinah, Awit; Listiani, Lina; Agustina, Nova
Journal of Mathematics, Computations and Statistics Vol. 7 No. 2 (2024): Volume 07 Nomor 02 (Oktober 2024)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/jmathcos.v7i2.4266

Abstract

Micro, Small, and Medium Enterprises (MSMEs) in Tasikmalaya have a relatively low rate of technology adoption, particularly in e-commerce. Initial survey results show that 66% of MSMEs supported by the Tasikmalaya Kamar Dagang Industri (KADIN) have not been able to leverage e-commerce adoption. This limitation significantly impacts the growth of MSMEs and their ability to compete in a market increasingly integrated with digital technology. This study aims to analyze the factors influencing the adoption of e-commerce by MSMEs in Tasikmalaya using the Technology Acceptance Model (TAM). The analysis method employs Partial Least Square (PLS) Second Order, as the variables in TAM are multidimensional. The second-order approach selected is the two-stage method, which can minimize residuals of correlated indicators. Data were collected using simple random sampling with a rule-of-thumb sample size of 145 MSMEs. The study results indicate a significant influence of self-efficacy on perceived usefulness and perceived ease of use. There is also a significant influence of perceived ease of use on perceived usefulness. Additionally, perceived usefulness and perceived ease of use significantly and positively influence attitudes toward e-commerce adoption among MSMEs, with a total influence of 87.2%. Furthermore, there is a significant influence of perceived usefulness and attitude towards e-commerce adoption on intention to adopt e-commerce by 91.5%. The intention to use e-commerce significantly affects actual use (adoption) by 91.1%. This indicates that the more positive the perception of usefulness and ease of technology, the higher the intention and actual use of e-commerce technology by MSMEs. To increase e-commerce adoption among Tasikmalaya MSMEs, training on user-friendly e-commerce platforms and intensive mentoring is needed to enhance the self-efficacy of MSME actors in utilizing technology.
Analisis Profil Peserta Webinar Implementasi Kurikulum Merdeka dengan Microsoft Power BI untuk Meningkatkan Akses dan Kualitas Pembelajaran Kuswayati, Sri; Rusdan, Muchamad; Agustina, Nova
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

Implementation of Kurikulum Merdeka faces a number of challenges. One of the main challenges is the readiness and competence of educators in understanding and implementing this new curriculum. Implementing webinars has become a popular solution for delivering information and training regarding the Kurikulum Merdeka, but its effectiveness still needs to be further evaluated to ensure that all educators can access and utilize this information well. Analysis of an in-depth understanding of the profile of webinar participants is important to design professional development programs that are more targeted and effective. This research uses Microsoft Power BI and a quantitative descriptive approach which aims to provide an overview of the characteristics of webinar participants based on numerical data collected through participation data. This research population includes all participants from webinar series 1, 2, 3, and 4 regarding the Implementation of the Independent Curriculum. Sampling used a purposive sampling technique, with samples taken from 182 participants who actively took part in the webinar series. The results show that the elementary school level is the type of institution that has the most registrations for the entire webinar series. However, it should be noted that the total number of participants at other levels in each series is relatively small, especially for levels other than elementary school. This may affect the validity of the generalization. This indicates the possibility of other factors influencing the number of registrants at each level. For further research, it is recommended to collect more complete data on participant characteristics, such as geographic location, field of study, and reasons for enrollment.
Comparison of Machine Learning Algorithms in Detecting Tea Leaf Diseases Ihsan, Candra Nur; Agustina, Nova; Naseer, Muchammad; Gusdevi, Harya; Rusdi, Jack Febrian; Hadhiwibowo, Ari; Abdullah, Fahmi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 1 (2024): February 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i1.5587

Abstract

Tea is one of the top ten export products sent from Indonesia to foreign countries. However, in recent years, the amount of tea leaf exports from Indonesia has decreased, although the value of the export impacts the country’s economic structure. In addition to market competition, Indonesia must maintain tea leaf production so that the increase in export decline is not significant or even increases tea leaf export production. To improve production quality and reduce production costs, early detection of tea leaf diseases is necessary. This study aims to classify tea leaf images for early detection of tea leaf disease so that appropriate treatment can be carried out early. This study compares machine learning algorithms to determine the best algorithm for detecting tea leaf diseases. The algorithms tested as performance comparisons in classifying tea leaf diseases are random forest (RF), support vector classifier (SVC), extra tree classifier (ETC), decision tree (DT), XGBoost classifier (XGB), and convolutional neural algorithms. Network (CNN). As a result, the average accuracy performance generated by ETC produces a higher value than other algorithms, i.e., getting an average accuracy performance of 77.47%. Another algorithm, SVC, has an average accuracy of 76.57%, RF of 76.12%, DT of 65.31%, XGB of 71.62%, and the lowest is CNN of 59.08%. ETC has been proven to be the most superior machine learning algorithm for detecting tea leaf diseases in this study.
DiG-MFV: Dual-integrated Graph for Multilingual Fact Verification Agustina, Nova; Kusrini; Utami, Ema; Hidayat, Tonny
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 4 (2025): August 2025 (in progress)
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i4.6695

Abstract

The proliferation of misinformation in political domains, especially across multilingual platforms, presents a major challenge to maintaining public information integrity. Existing models often fail to effectively verify claims when the evidence spans multiple languages and lacks a structured format. To address this issue, this study proposes a novel architecture called Dual-integrated Graph for Multilingual Fact Verification (DiG-MFV), which combines semantic representations from multilingual language models (i.e., mBERT, XLM-R, and LaBSE) with two graph-based components: an evidence graph and a semantic fusion graph. These components are processed through a dual-path architecture that integrates the outputs from a text encoder and a graph encoder, enabling deeper semantic alignment and cross-evidence reasoning. The PolitiFact dataset was used as the source of claims and evidence. The model was evaluated by using a data split of 70% for training, 20% for validation, and 10% for testing. The training process employed the AdamW optimizer, cross-entropy loss, and regularization techniques, including dropout and early stopping based on the F1-score. The evaluation results show that DiG-MFV with LaBSE achieved an accuracy of 85.80% and an F1-score of 85.70%, outperforming the mBERT and XLM-R variants, and proved to be more effective than the DGMFP baseline model (76.1% accuracy). The model also demonstrated stable convergence during training, indicating its robustness in cross-lingual political fact verification tasks. These findings encourage further exploration in graph-based multilingual fact verification systems.
Co-Authors Abdul Fatah Ahmad Taufik Antika, Azizah Qolbu Ardini, Siska Nova Botha, Marten Elisabeth, Grace Ema Utami Fahmi Abdullah, Fahmi Falah, Hadi Mirojul Gusdevi, Harya Hadhiwibowo, Ari Ihsan, Candra Nur Jamil, Muhammad Ridwan Komara, Deri KUSRINI Kuswayati, Sri Listiani, Lina Muallimah, Hadah Muchammad Naseer Rahma Salsa Bilah Riri Mardaweni Riri Mardaweni Rismayadi, Danny Aidil Rusdan, Muchamad Rusdi, Jack Febrian Saidiman, Mochamad Sakinah, Awit Sussolaikah, Kelik TONNY HIDAYAT Widiastuti, Raden Meina WIJAYATI, DIYAH