Garuda - Garba Rujukan Digital

Pengembangan Chatbot sebagai Pengenalan Objek Wisata di Selingkar Wilis Menggunakan Rule-Based Ummah, Syarifatul; Rolliawati, Dwi; Kunaefi, Anang; Permadi, Andhy
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2978

Kawasan Selingkar Wilis memiliki banyak objek wisata yang menarik, termasuk wisata alam, sejarah, dan budaya. Namun informasi mengenai wisata ini belum tersedia dengan lengkap dan mudah diakses oleh wisatawan. Tujuan penelitian ini adalah untuk mengembangkan chatbot yang dapat memberikan informasi mengenai objek wisata di sekitar Selingkar Wilis. Objek penelitian meliputi kawasan wisata yang tersebar di beberapa kabupaten, seperti Kediri, Nganjuk, Tulungagung, Trenggalek, Madiun, dan Ponorogo. Metode penelitian yang digunakan adalah metode pengembangan perangkat lunak Waterfall , yang meliputi tahap analisis, desain, implementasi, dan pengujian. Data diperoleh melalui wawancara dengan pengguna dan pemangku kepentingan , kemudian dirancang dalam bentuk diagram Unified Modeling Language (UML), termasuk diagram use case, diagram aktivitas, dan diagram kelas. Implementasi chatbot menggunakan rule-based dilakukan dengan menggunakan framework Django untuk backend dan MySQL sebagai database , serta Natural Language Processing (NLP) untuk memahami dan menanggapi input pengguna. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan informasi objek wisata dengan kategori wisata alam, budaya, dan sejarah. Namun, chatbot masih memiliki keterbatasan dalam memahami input yang tidak terkait dengan "wisata". Persentase keberhasilan pengujian mencapai 72%, dengan beberapa skenario yang memerlukan perbaikan lebih lanjut, seperti menangani kesalahan penulisan dan input ambigu. Dengan demikian, chatbot ini diharapkan dapat meningkatkan pengalaman wisata pengguna dan mendukung perkembangan pariwisata di kawasan Selingkar Wilis. Pengembangan lebih lanjut disarankan, termasuk fitur multi bahasa dan penggunaan gambar sebagai respons untuk meningkatkan nilai tambah dalam memberikan informasi.

Klasifikasi Jenis Sampah Menggunakan Metode Random Forest Salsabila, Diana Sava; Puspitasari, Arimbi; Rolliawati, Dwi
Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi Vol. 3 No. 1 (2025): Januari
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/jsimtek.v3i1.795

Pemilahan sampah secara manual kerap menghadapi kendala, terutama di wilayah dengan infrastruktur dan kesadaran rendah. Penelitian ini mengembangkan model klasifikasi jenis sampah menggunakan algoritma Random Forest yang diimplementasikan dengan framework PySpark. Dataset yang digunakan adalah Real Waste dengan 4.752 gambar dari berbagai kategori sampah. Setelah preprocessing dan pembagian data, model menghasilkan akurasi sebesar 44,64%, dengan precision 48,62% dan recall 44,64%, menunjukkan performa yang masih perlu ditingkatkan. Kategori plastik dan vegetasi memiliki akurasi terbaik, sedangkan kategori makanan organik dan tekstil mengalami kesulitan akibat kemiripan fitur visual. Tujuan utama penelitian ini adalah memberikan solusi praktis yang mendukung pengelolaan sampah berbasis teknologi. Studi ini memberikan dasar awal bagi pemanfaatan teknologi berbasis pembelajaran mesin untuk mendukung pengelolaan sampah. yang lebih efektif dan berkelanjutan

Pengaruh Expectation Confirmation Model (ECM), Health Consciousness, Privacy Concerns Dan Trust Terhadap Continuance Intention Penggunaan Rssg Mobile Apps Febianti, Nidia; Rizqi, Nur Irvan; Rolliawati, Dwi; Amin, Faris Mushilihul
Jurnal Manajemen Sistem Informasi Vol 3, No 2 (2025)
Publisher : Universitas Catur Insan Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51920/jurminsi.v3i2.366

M-health merupakan platform yang menjadi salah satu alternatif kemudahan pengguna dalam mendapatkan informasi mengenai kesehatan. Salah satu bentuk m-health yaitu RSSG Mobile Apss yang merupakan objek pada penelitian ini. RSSG Mobile Apps merupakan aplikasi yang dirancang Rumah Sakit Semen Gresik untuk meningkatkan pelayanan dan mempermudah pasien yang hendak rawat jalan. Namun penggunaan aplikasi kesehatan seringkali hanya berlangsung dalam waktu singkat. ECM (Expectation Confirmation Model) merupakan model pascaadopsi yang menyatakan bahwa niat keberlanjutan penggunaan layanan tergantung pada sejauh mana konfirmasi harapan pengguna, kegunaan yang dirasakan, serta kepuasan pengguna terhadap layanan TI. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang dapat mempengaruhi continuance intention penggunaan RSSG Mobile Apps. Penelitian ini menggunakan 200 data responden yang diolah menggunakan analisis SEM PLS dengan bantuan tools Smart-PLS. Berdasarkan hasil penelitian, didapatkan bahwa satisfaction, perceived usefulness, health consciousness, dan privacy concern berpengaruh secara positif dan signifikan terhadap continuance intention, confirmation berpengaruh secara positif dan signifikan terhadap satisfaction, privacy concern berpengaruh secara positif dan signifikan terhadap trust.. Sedangkan pengaruh trust ke continuance intention sangat kecil, hal tersebut ditandai dengan hasil analisa yang negatif dan signifikan. Selain itu perceived usefulness memiliki pengaruh yang positif dan tidak signifikan terhadap satisfaction.

PEMODELAN DAN SIMULASI ANTRIAN PENDAFTARAN DRIVER BARU GO-JEK DI SIDOARJO Eko, Anugrah Putra; Sona, Mohammad Niko; Saputra, Achmad Fauzi; Rolliawati, Dwi
Majalah Ilmiah UNIKOM Vol. 17 No. 1 (2019): Majalah Ilmiah Unikom
Publisher : Universitas Komputer Indonesia

Queue is a waiting line from customers who need the services of one or more services. Queuing problems are related to efficiency, where the queue will reduce the convenience of service to customers. This also happened at the Gojek Office, the queue occurred because the number of service facilities was not proportional to the rate of new drivers coming to register. The researcher became interested in making a modeling and simulation of the new driver registration queue at the Go Jek Office by using the Multi Channel - Multi Phase model. Key words: Queue, Gojek, Modeling, simulation

Teknologi Opinion Mining untuk Mendukung Strategic Planning Rolliawati, Dwi; Khalid, Khalid; Rozas, Indri Sudanawati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 2: April 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020721685

Banjir data di era Big Data sudah tidak bisa terelakkan lagi. Termasuk di dalamnya data yang sangat melimpah di media sosial daring. Peluang inilah yang ditangkap sebagai alasan utama pada penelitian ini. Opinion mining sebagai salah satu teknologi dalam mengolah data teks untuk memperoleh arah informasi dari komentar/opini masyarakat. Mengambil obyek penelitian UIN Sunan Ampel Surabaya, penelitian ini bertujuan untuk menganalisis opini masyarakat tentang kampus Islam terbesar di Surabaya. Sehingga bisa menjadi pendukung keputusan bagi pihak manajemen untuk merumuskan perencanaan strategis terwujudnya visi World Class University. Penelitian ini menggunakan 4009 data sampel berbahasa Indonesia yang diambil dari opini masyarakat di media sosial Twitter dalam kurun waktu dua tahun terakhir (2017 – 2018). Dari 4009 data dihasilkan 31837 jenis kata setelah melalui proses stop-word removal. Berdasarkan analisis sentiment menggunakan pendekatan Vader dan Liu yang divisualisasikan melalui grafik K-Means, dihasilkan bahwa opini publik terhadap UIN Sunan Ampel mengarah pada sentimen ’netral’ sebesar 97,54%, sedangkan sentiment positif =2,16%, dan sentiment negatif = 0,34%. Hasil tersebut membuktikan bahwa Information Capital tentang UIN Sunan Ampel perlu diperkuat menuju nilai “positif”. Sehingga diperlukan upaya maksimal untuk membangun innovation and commercially supremacy, perception (public relation) dan scalability strategies supaya internal operation bisa handal untuk ketercapaian visi misi UIN Sunan Ampel Surabaya. AbstractData deluge in Big Data era is inevitable, this including a very abundant data in online social media. This phenomenon was chosen as the main background reason in this research. Opinion mining is as one of the technologies in processing text data to obtain information direction from public comments/opinions. Taking the object of research at Sunan Ampel Islamic State University Surabaya, this study aims to analyze public community opinion toward the biggest Islamic campus in Surabaya. Hopefully, it would be beneficial as decisional support for management in formulating strategic planning to manifest the World Class University vision. This study uses 4009 Indonesian language sample data taken from public opinion on Twitter social media in the past two years (2017 - 2018). Out from 4009 data, 31837 types of words are obtained after going through a stop-word removal process. Based on sentiment analysis by Vader and Liu’s approach which was visualized by K-Means graphs, the finding was that 97,54% of public opinion toward Sunan Ampel Islamic State University Surabaya led to a 'neutral' sentiment, while positive = 2,16% and negative=0,34%. These results prove that Information Capital about Sunan Ampel UIN needs to be strengthened towards "positive" image. For this reason, maximum effort is needed to build innovation and commercialization of supremacy, perception (public relations) and scalability strategies so that internal operations can be reliable in achieving the vision of Sunan Ampel Islamic State University Surabaya.

KLASIFIKASI IMAGE JENIS UBUR UBUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Ma’arif, Wildan Mufti; Rizqi, Ramadhani Akbaru; Rolliawati, Dwi
Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Vol. 6 No. 1 (2025): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI)
Publisher : Information Technology Education Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/jipti.v6i1.2632

This study aims to classify jellyfish species based on visual images using the Convolutional Neural Network (CNN) method. The main challenge lies in the morphological similarities between species, making manual identification prone to errors. This research employs a dataset containing images of six jellyfish species: Moon Jellyfish, Blue Jellyfish, Mauve Stinger Jellyfish, Compass Jellyfish, Barrel Jellyfish, and Lion's Mane Jellyfish. The dataset undergoes preprocessing techniques such as normalization, dimension adjustment, and image augmentation.The designed CNN model consists of convolutional and pooling layers to recognize complex visual patterns. Model testing was conducted using validation and test datasets, achieving a classification accuracy of over 90%. These results demonstrate the effectiveness of the CNN method in addressing the challenges of automatic marine species identification.This study is expected to contribute to marine biodiversity conservation and support the development of AI-based technologies for ecosystem management. The implications include broader applications in marine species identification and environmental preservation.

ANALYSIS OF SOFTWARE QUALITY USING THE FURPS+ MODEL Puspita, Safriya Murni; Ardhani, Alvina Waihda; Retnaningrum, Dea Ayu; Firmansyah, Afreza Restu; Rolliawati, Dwi
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 1 (2024): Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3233

Abstract: Software quality analysis is essential to ensure applications are reliable, efficient, and meet user needs. The FURPS+ model (Functionality, Usability, Reliability, Performance, Supportability, plus) provides a comprehensive framework for evaluating software quality. This study analyzes the implementation of Software Quality Assurance (SQA) in the SKEK UINSA application, a Learning Management System (LMS) designed to record extracurricular activities of UINSA students. With 100 respondents (lecturers, students, and alumni), the research employs a quantitative approach to examine both functional and non-functional aspects. The results show that functionality and usability aspects scored an average of 71%, reliability 66%, performance 61%, supportability 79%, and additional factors (plus) 64%. Overall, the SKEK UINSA application demonstrates good quality in terms of functionality, ease of use, performance, and flexibility. Keywords: FURPS+; Reliability; SKEK; Validity; Quantitative Method Abstrak: Analisis kualitas perangkat lunak penting untuk memastikan aplikasi andal, efisien, dan sesuai kebutuhan pengguna. Model FURPS+ (Functionality, Usability, Reliability, Performance, Supportability, plus) menawarkan kerangka komprehensif untuk evaluasi kualitas perangkat lunak. Penelitian ini menganalisis penerapan Software Quality Assurance (SQA) pada aplikasi SKEK UINSA, aplikasi semacam LMS (Learning Management System) untuk mencatat kegiatan ekstrakurikuler mahasiswa UINSA. Dengan 100 responden (dosen, mahasiswa, dan alumni), penelitian menggunakan pendekatan kuantitatif untuk mengkaji aspek fungsional dan non-fungsional. Hasilnya, aspek functionality dan usability memiliki persentase rata-rata 71%, reliability 66%, performance 61%, supportability 79%, dan faktor tambahan (plus) 64%. Secara keseluruhan, aplikasi SKEK UINSA menunjukkan kualitas baik dalam fungsi, kemudahan penggunaan, kinerja, dan fleksibilitas. Kata kunci: FURPS+; Metode Kuantitatif ; SKEK; Validitas; Reliabilitas

COBIT 5-Based Evaluation of Sidalih Operational Governance in East Java Election Commission Retnaningrum, Dea Ayu; Rolliawati, Dwi; Ridwan, Mujib
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/ckgywg80

Sistem pengelolaan data pemilih yang andal sangat krusial bagi kredibilitas pemilu. Komisi Pemilihan Umum Provinsi Jawa Timur menggunakan Sidalih sebagai platform utama untuk pemutakhiran dan pengelolaan data pemilih. Penelitian ini mengevaluasi tata kelola operasional Sidalih menggunakan framework COBIT 5 pada domain DSS (DSS01, DSS02, DSS05). Penelitian bersifat kualitatif deskriptif dengan wawancara mendalam kepada satu orang operator Sidalih KPU Provinsi Jawa Timur dan analisis dokumen operasional yang dikumpulkan pada periode Maret–Mei 2025. Data dipetakan ke indikator COBIT 5 dan diberi skor capability 0–5 berdasarkan analisis naratif untuk kemudian dihitung level kapabilitas dan gap terhadap tingkat target (level 3). Hasil menunjukkan kelemahan pada dokumentasi proses, pencatatan insiden, dan audit keamanan berkala. Rekomendasi prioritas meliputi penyusunan SOP operasional, implementasi sistem tiket insiden, pelaksanaan audit keamanan berkala, serta peningkatan pelatihan pengguna. Studi ini menyajikan model penilaian yang dapat dijadikan acuan bagi KPU untuk meningkatkan tata kelola operasional Sidalih.

Prediksi Suhu Udara Menggunakan Long Short-Term Memory (LSTM) pada Data AWOS Anggraini, Defi; Khalid, Khalid; Rolliawati, Dwi; Prayuda, Shanas Septy; Alfarisy, Alfan
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.99858

Penelitian ini mengembangkan model prediksi suhu udara jangka pendek berbasis Long Short-Term Memory (LSTM) menggunakan data deret waktu dari Automatic Weather Observing System (AWOS) BMKG Juanda. Pemanfaatan data operasional AWOS yang bersifat kontinu dan real-time memberikan peluang untuk meningkatkan akurasi peramalan suhu pada lingkungan bandara yang memiliki dinamika cuaca tinggi. Penelitian ini membandingkan dua pendekatan pemodelan, yaitu LSTM murni dan LSTM dengan seleksi fitur berbasis Principal Component Analysis (PCA), untuk mengevaluasi pengaruh reduksi dimensi terhadap performa prediksi suhu udara. Dataset yang digunakan merupakan data observasi meteorologi tahun 2022 dengan interval 30 menit. Hasil evaluasi pada data pengujian menunjukkan bahwa kedua model menghasilkan kinerja yang sangat baik dengan nilai MAE sekitar 0,31 °C. Model LSTM + PCA menghasilkan MAE sebesar 0,3171 °C, sedangkan LSTM murni sebesar 0,3178 °C, menunjukkan bahwa perbedaan akurasi kedua pendekatan relatif kecil. Meskipun tidak meningkatkan akurasi secara signifikan, penerapan PCA mampu mengurangi kompleksitas fitur dan meningkatkan efisiensi komputasi pada proses pelatihan model. Kontribusi penelitian ini terletak pada pemanfaatan data AWOS operasional nyata, penerapan fitur meteorologi multivariat dalam pemodelan LSTM, serta evaluasi pengaruh seleksi fitur berbasis PCA melalui perbandingan performa antara model LSTM murni dan LSTM+PCA dalam prediksi suhu udara jangka pendek di lingkungan bandara. Hasil penelitian menunjukkan bahwa arsitektur LSTM efektif untuk pemodelan deret waktu meteorologi berbasis AWOS dan berpotensi mendukung sistem peringatan dini dalam operasional penerbangan.

KLASIFIKASI IMAGE JENIS UBUR UBUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Ma’arif, Wildan Mufti; Rizqi, Ramadhani Akbaru; Rolliawati, Dwi
Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Vol. 6 No. 1 (2025): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI)
Publisher : Information Technology Education Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/jipti.v6i1.2632

This study aims to classify jellyfish species based on visual images using the Convolutional Neural Network (CNN) method. The main challenge lies in the morphological similarities between species, making manual identification prone to errors. This research employs a dataset containing images of six jellyfish species: Moon Jellyfish, Blue Jellyfish, Mauve Stinger Jellyfish, Compass Jellyfish, Barrel Jellyfish, and Lion's Mane Jellyfish. The dataset undergoes preprocessing techniques such as normalization, dimension adjustment, and image augmentation.The designed CNN model consists of convolutional and pooling layers to recognize complex visual patterns. Model testing was conducted using validation and test datasets, achieving a classification accuracy of over 90%. These results demonstrate the effectiveness of the CNN method in addressing the challenges of automatic marine species identification.This study is expected to contribute to marine biodiversity conservation and support the development of AI-based technologies for ecosystem management. The implications include broader applications in marine species identification and environmental preservation.

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search