Article Per Year (5 Year)
p-Index From 2020 - 2025
2.233
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Techno.Com: Jurnal Teknologi Informasi JUTI: Jurnal Ilmiah Teknologi Informasi JUITA : Jurnal Informatika Jurnal Leverage, Engagement, Empowerment of Community (LeECOM) Jurnal Informatika dan Sistem Informasi Teknika Journal of Applied Data Sciences JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Lestari, Caecilia Citra
Universitas Ciputra
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
WORKSHOP MEMBUAT WEBSITE BERBASIS PLATFORM WORDPRESS.COM Dinata, Yuwono Marta; Lestari, Caecilia Citra; Wonohadidjojo, Daniel Martomanggolo; Tjahjono, Laura Mahendratta; Engel, Mychael Maoeretz
Jurnal Leverage, Engagement, Empowerment of Community (LeECOM) Vol. 2 No. 2 (2020): Jurnal Leverage, Engagement, Empowerment of Community (LeECOM)
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/leecom.v2i2.1590

Abstract

Pelatihan workshop yang dilakukan oleh Fakultas Teknologi Informasi Program Studi Informatika Universitas Ciputra bertujuan untuk memperluas wawasan para fasilitator Yayasan Kaki Dian Emas (YKDE) dalam literasi digital. YKDE dipilih berdasarkan dari interview melalui WhatsApp messenger maupun menelpon langsung. Hal karena pelatihan ini dilakukan pada masa pandemic Covid-19. Pelatihan ini diperuntukkan untuk fasilitator YKDE yang tersebar di seluruh Indonesia. Kebutuhan media untuk berbagai cerita atau pengalaman menjadi hal yang penting. Melalui kegiatan ini, para fasilitator menjadi lebih terbuka wawasannya untuk menggunakan media website online. Setelah mengikuti kegiatan tersebut, mereka bisa langsung menerapkan dan membuat website untuk kepentingan berbagai informasi sehingga fasilitator di seluruh Indonesia bisa saling berbagi informasi secara real time.
Klasifikasi Bahasa Isyarat Amerika menggunakan Convolutional Neural Network Siswanto, Felicia Devina; Lestari, Caecilia Citra; Tanuwijaya, Evan
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 1 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (888.247 KB) | DOI: 10.26418/justin.v10i1.47184

Abstract

Bahasa Isyarat adalah bahasa untuk orang - orang yang memiliki kesulitan mendengar maupun bicara. Tetapi bahasa isyarat bukanlah bahasa yang banyak digemari oleh masyarakat, sehingga orang yang memiliki disabilitas tersebut akan semakin kesulitan. Pada jurnal ini akan menjelaskan mengenai klasifikasi bahasa isyarat Amerika dengan menggunakan Convolutional Neural Network (CNN). Pada penelitian ini akan dilakukan beberapa penelitian menggunakan parameter berbeda seperti pada preprocessing, penelitian akan dilakukan dengan melihat parameter horizontal flip. Selanjutnya penelitian juga dilakukan dengan melihat epoch. Penelitian ini dilakukan untuk memantau akurasi dan akurasi validasi. Model yang dibuat pada penelitian ini nilai akurasi yang lebih tinggi saat memprediksi huruf v, dan n. Hasil nilai akurasi dari penelitian ini adalah 82.1%Sign Language is a language for people who have hearing and speech difficulties. But sign language is not a language  that is favored by many people, so people with disabilities will find it increasingly difficult. This journal will explain the classification of American sign language using the Convolutional Neural Network (CNN). In this study, several studies will be carried out using different parameters such as in preprocessing, research will be carried out by looking at the horizontal flip parameter. Furthermore, research was also carried out by looking at the epoch. This study was conducted to monitor the accuracy and accuracy of the validation. The model made in this study has a higher accuracy value when predicting the letters v, and n. The result of the accuracy value of this study is 82.1%
Rancang Bangun Sistem Rekomendasi Makanan Alternatif Berkalori Lebih Rendah Berbasis Konten Menggunakan Hierarchical Clustering Dhienalight; Caecilia Citra Lestari
Teknika Vol 9 No 2 (2020): November 2020
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v9i2.280

Abstract

Dengan banyaknya variasi makanan yang ada sekarang, masyarakat perlu menyadari bahwa perilaku menjaga pola makan yang baik merupakan suatu investasi penting untuk tubuh sehat. Pilihan untuk mengkonsumsi makanan alternatif adalah salah satu cara orang dapat makan apa yang diinginkan selagi menjaga jumlah kalori yang dikonsumsi. Akan tetapi, memilih makanan alternatif tersebut bukan merupakan hal mudah. Makanan pengganti harus sesuai dengan jumlah kalori yang dibutuhkan tubuh dan memiliki rasa makanan yang diminati. Dalam penelitian ini, penulis mengajukan rancang bangun sistem rekomendasi berbasis konten dengan hierarchical clustering yang dapat memberikan rekomendasi makanan alternatif berkalori lebih rendah dengan rasa serupa berdasarkan bahan makanan untuk membantu orang dalam menjaga konsumsi kalori mereka. Data makanan diambil dari basis data FatSecret karena mengandung banyak variasi makanan dan informasi jelas akan bahan dan kalori makanan. Sistem rekomendasi tersebut akan fokus pada data kalori dan bahan makanan serta data makanan pilihan pengguna. Dengan menggunakan machine learning library scikit-learn Python, data makanan yang ada akan dikelompokkan dengan hierarchical clustering untuk pembentukan kelompok makanan serupa lalu dilakukan filtering sehingga mendapatkan urutan rekomendasi yang sesuai. Hasil pengujian sistem rekomendasi melalui eksperimen terhadap 10 makanan yang telah dituliskan melalui survei dan dinilai oleh 32 responden menunjukkan bahwa sistem rekomendasi ini berhasil berdasarkan indeks penilaian keseluruhan rekomendasi sebesar 71,3% yang mengindikasi hasil memuaskan oleh responden. Akan tetapi, akurasi masih perlu ditingkatkan karena urutan rekomendasi yang kurang sesuai kepuasan pengguna dengan saran penambahan faktor bentuk, kategori, dan bahan utama makanan.
RANCANG BANGUN GAME MOBILE BERJENIS ROGUELIKE MENGGUNAKAN STRUKTUR CERITA BRANCHING NARRATIVE Fadiel Mufassir; Caecilia Citra Lestari
JURNAL TEKNIK INFORMATIKA Vol 14, No 1 (2021): JURNAL TEKNIK INFORMATIKA
Publisher : Department of Informatics, Universitas Islam Negeri Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jti.v14i1.14346

Abstract

In 2018 the total revenue from the digital game market has reached 137.9 billion USD with mobile being the largest segment of the digital gaming market. The games downloaded on Google Play have several categories, one of which is the role-playing category. That's where the opportunity to follow a trend appears by making an Android game that has the roguelike genre, which is a subgenre of role-playing games. Most games with the roguelike genre don’t have a story or it has a linear one with no control over the emotions of the player character, so this game will be made with a branching narrative story structure which allows players to choose the storyline to make it more interesting. A branching narrative offers the player with important choices; every choice offers a unique outcome to a certain scenario even though the number of outcomes in the story is limited. The survey shows that the branching narrative in the game can increase the curiosity of the player to the story in the game, increase the desire of players to play the game again, and that the branching narrative is strong enough to increase the desire of players to make an In-App Purchase.
What do Indonesians talk when they talk about COVID-19 Vaccine: A Topic Modeling Approach with LDA Theresia Ratih Dewi Saputri; Caecilia Citra Lestari; Salmon Charles Siahaan
JUITA : Jurnal Informatika JUITA Vol. 10 No. 2, November 2022
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (955.666 KB) | DOI: 10.30595/juita.v10i2.13500

Abstract

To end the COVID-19 pandemics, the government attempted to accelerate the vaccination through various programs and collaboration. Unfortunately, the number is still relatively small compared to the number of populations in Indonesia. There are some reasons attributed to this challenge, one of them being the reluctance of citizens to accept the COVID-19 vaccine due to various factors. Knowing this factor to increase public compliance, the vaccination program can be speed-up. Unfortunately, traditionally acquiring the knowledge related to COVID-19 vaccine rejection can be challenging.  One of the ways to capture the knowledge is by conducting a survey or interview related to COVID-19 vaccine acceptance. This method can be inefficient in terms of cost and resources. To address those problem, we propose a novel method for analyzing the topics related to the COVID-19 Indonesians’ opinions on Twitter by implementing topic modeling algorithm called Latent Dirichlet Allocation. We gathered more than 22000 tweets related to the COVID-19 vaccine. By applying the algorithm to the collected dataset, we can capture the what is general opinion and topic when people discuss about COVID-19 vaccine. The result was validated using the labeled dataset that have been gathered in the previous research. Once we have the important term, the strategy based on can be determined by the medical professional who are responsible to administer the COVID-19 vaccine. 
Rancang Bangun Aplikasi Resep Masakan Tanpa Kontak Dengan Perintah Suara Endratno, Jeremy; Lestari, Caecilia Citra
Jurnal Informatika dan Sistem Informasi Vol. 8 No. 1 (2022): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/juisi.v8i1.2621

Abstract

Sering tidak kita sadari bahwa ketika kita menggunakan aplikasi saat memasak, terjadi banyak kontak fisik antara parangkat dan pengguna. Dengan menggunakan speech recognation, pengguna dapat memberikan perintah menggunakan perintah suara. Seperti perintah untuk menlanjutkan ke tahap berikutnya pada resep, pengguna hanya akan berkata "berikutnya". Banyak perintah lainnya dapat pengguna berikan untuk memperjelas resep pada saat memasakan, contoh lainnya adalah "kembali", "ulangi", "apa itu tomat", "bagaimana cara menumis", dan banyak lainnya. Dengan mengucapkan perintah suara, teknologi speech recognition akan menangkapnya dan mengubah perintah suara menjadi sebuah text yang dapat dimengerti oleh komputer. Perintah akan dicari kebenaranya menggunakan Natural Language Processing. Dengan begitu komputer dapat menjalankan perintah yang berikan lebih akurat. Semua penjelasan resep dijelaskan dengan rapi pada 1 halaman tanpa scrolling sehingga pengguna dapat melihat instruksi dengan jelas. Instruksi juga dijelaskan melalui penjelasan suara menggunakan teknologi Speech Synthesis. teknologi ini membuat komputer dapat mengubah text menjadi suara yang dapat dimengerti oleh manusia. Dengan adanya perantara ini, pengguna dapat menghindari kontak fisik yang dapat menyebarkan bakteri pada bahan masakan. Aplikasi dibuat menggunakan lingkungan xcode dan bahasa pemograman swift. Seluruh teknologi dapat diakses menggunakan library yang telah disediakan oleh xcode. Teknologi akan dirancang sedemikian rupa agar dapat berfungsi dengan baik pada aplikasi. Hasil uji coba mengatakan bahwa dalam kondisi normal sistem dapat dipakai dengan baik.
Penerapan Cov19-Resnet Untuk Deteksi Covid-19 Pada Gambar Chest X-Ray yang Difoto Ulang Menggunakan Smartphone Linardi, Shelina; Lestari, Caecilia Citra
Jurnal Informatika dan Sistem Informasi Vol. 8 No. 2 (2022): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/juisi.v8i2.4321

Abstract

Pada akhir tahun 2019, dunia digemparkan dengan munculnya Corona virus (COVID-19). COVID-19 cepat berkembang sehingga muncul varian baru dan diperlukan metode yang dapat melakukan deteksi awal kemungkinan adanya virus agar pasien dapat mendapat penanganan yang tepat. Rontgen dada dapat dilakukan untuk melihat kemungkinan COVID-19 pada paru-paru. Sementara itu, konsultasi menggunakan aplikasi telemedika sering digunakan pasien karena lebih hemat waktu dan aman. Sayangnya, gambar rontgen dada yang diberikan pasien memiliki kualitas yang buruk karena difoto ulang menggunakan telepon pintar sehingga menjadi tidak layak baca dan dokter sulit melakukan diagnosis. Oleh karena itu, COV19-ResNet akan digunakan untuk memprediksi kemungkinan adanya virus pada rontgen dada. Dataset yang digunakan merupakan kumpulan gambar dari hasil rontgen dada yang difoto serta dilakukan augmentasi gambar dengan metode rotasi, menambah kecerahan, menurunkan kontras, blur dan kebisingan gambar sehingga menyerupai hasil rontgen dada yang difoto ulang menggunakan telepon pintar. Model dilatih menggunakan 2200 dataset dengan pembagian 80% data pelatihan dan 20% data validasi. Dengan menggunakan 100 epoch dan batch size sebesar 32, model memiliki akurasi pelatihan sebesar 85% dan akurasi validasi sebesar 80%. Model juga telah diuji menggunakan 30 gambar dan memiliki akurasi 90%.
Pengembangan Model Prediksi Risiko Hipertensi Menggunakan Algoritma Gradient Boosting Decision Tree Yang Dioptimalkan Ongkosianbhadra, Franciscus Valentinus; Lestari, Caecilia Citra
Jurnal Informatika dan Sistem Informasi Vol. 9 No. 2 (2023): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/juisi.v9i2.4403

Abstract

Penelitian ini dilatarbelakangi adanya kebutuhan akan sistem prediksi yang dapat membantu dalam mengidentifikasi pasien yang memiliki risiko terkena hipertensi sejak dini. Hipertensi adalah kondisi medis dimana tekanan darah dalam arteri menjadi terlalu tinggi secara berkepanjangan. Hal ini menyebabkan beban tambahan pada jantung dan pembuluh darah, yang pada gilirannya dapat menyebabkan kerusakan pada organ dan meningkatkan risiko serangan jantung, stroke, dan penyakit ginjal. Hipertensi sering tidak menimbulkan gejala dan hanya dapat di diagnosa melalui pemeriksaan darah. Pengobatan melibatkan perubahan gaya hidup seperti mengurangi asupan garam, berolahraga secara teratur, dan mengontrol berat badan. Obat-obatan juga dapat diberikan untuk membantu menurunkan tekanan darah. Algoritma Gradient Boosting Decision Tree merupakan salah satu teknik machine learning yang memiliki akurasi tinggi dalam mengatasi masalah pembelajaran biner. Model dibuat dengan melatih algoritma Gradient Boosting Decision Tree pada 70693 baris dataset dari Pusat Pengendalian dan Pencegahan Penyakit Amerika Serika. Dataset tersebut memiliki 17 perilaku dan riwayat kesehatan seseorang yang dapat mengindikasikan risiko hipertensi orang tersebut. Algoritma Gradient Boosting Decision Tree dioptimalkan menggunakan beberapa metode hyperparameter tuning yaitu Random Search, Grid Search, Bayesian Optimization, Grading Search, dan Tree Parzer Estimation. Validasi tertinggi diperoleh dari pengoptimalan model menggunakan Tree Parzer Estimation, yaitu mencapai akurasi 74,43%.
Sistem Pendeskripsian Gambar Pemandangan Sekitar Bagi Penyandang Tunanetra Dengan Metode Reflective Decoding Network Santoso, Vincent Leonard; Lestari, Caecilia Citra
Jurnal Informatika dan Sistem Informasi Vol. 10 No. 1 (2024): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37715/juisi.v10i1.4685

Abstract

Terdapat 217 juta orang yang tergolong Mild to Severe Visual Impairment (MSVI) yang membuat pengeliahatan mereka sangat terganggu. Tetapi orang tunanetra juga perlu melakukan aktivitas sehari-hari yang tetap perlu mengetahui keadaan atau pemandangan sekitar. Tetapi tidak mudah bagi orang tunanetra untuk mendapatkan informasi mengenai pemandangan sekitarnya tanpa bantuan orang lain. Salah satu metode untuk menyelesaikan masalah ini adalah dengan menggunakan Image Captioning yaitu sistem yang dapat mendeskripsikan sebuah foto menggunakan Natural Language Processing. Reflective Decoding Network adalah model untuk image captioning yang dapat membuat caption pada foto dengan tingkat metric METEOR yang bagus. Adanya sistem ini dapat membantu orang tunanetra untuk mendengarkan deskripsi pemandangan tanpa perlu mencari bantuan orang lain untuk mendeskripsikan pemandangan itu sendiri. Reflective Decoding Network ini berhasil diimplementasikan ke dalam aplikasi berbasis iOS dimana pengguna dapat mengambil gambar dan aplikasi mengeluarkan deskripsi dalam bentuk suara menggunakan library AVSpeechSynthesizer. Sistem ini bekerja dengan mengirim gambar yang diambil atau diupload dari aplikasi ke sebuah server yang memiliki model image captioning sebagai pembuat deskripsi gambar. Deskripsi tersebut lalu akan dikirimkan kembali ke aplikasi dan diubah kedalam bentuk suara. Model Reflective Decoding Network pada sistem ini memiliki nilai METEOR 20,1%. Objek deteksi pada sistem memiliki akurasi paling bagus di pencahayaan pagi dengan akurasi 53,9% dan jarak deteksi terjauh 20 meter.
Nature-based Hyperparameter Tuning of a Multilayer Perceptron Algorithm in Task Classification: A Case Study on Fear of Failure in Entrepreneurship Saputri, Theresia Ratih Dewi; Kurniawan, Edwin; Lestari, Caecilia Citra; Antonio, Tony
Journal of Applied Data Sciences Vol 6, No 2: MAY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i2.539

Abstract

Entrepreneurship plays a key role in generating economic growth, encouraging innovation, and creating job opportunities. Understanding which demographic, psychological, and socio-economic factors contribute to fear of failure in entrepreneurship is essential to developing proper standards in entrepreneurship education and policy. However, it remains challenging to accurately classify these factors, especially when balancing model performance with model complexity in a multilayer perceptron algorithm. An effective model requires the correct parameter setting via a hyperparameter tuning process. Adjusting each hyperparameter by hand requires significant effort and knowledge, as there are frequently multiple combinations to consider. Furthermore, manual tuning is prone to human error and may overlook optimal configurations, resulting in inferior model performance and prediction accuracy. This study evaluates nature-inspired optimization techniques, including particle swarm optimization (PSO), genetic algorithm (GA), and grey wolf optimization (GWO). Several parameters are tuned in the present multilayer perceptron model, including the number of hidden layers and the number of nodes in each hidden layer, learning rate, and activation functions. The used dataset which consists of 39 features from 333 samples captured individual fears, loss score, and computational efficiency as the required amount of time for finding the best parameter combination. Model accuracy performance scores are 45.16%, 53.76%, and 58.61% for GA, PSO, and GWO, respectively. Meanwhile their execution time are 10 minutes, 27 minutes, and 23 minutes, for GA, PSO, and GWO, respectively. Experiment results further reveal that each optimization algorithm has distinct advantages: GA excels at speedy convergence, PSO provides a robust exploration of hyperparameter space, and GWO offers remarkable adaptability to complicated parameter interdependencies. This study provides empirical evidence for the efficacy of nature-inspired hyperparameter modification in improving multilayer perceptron performance for fear of failure categorization tasks.
Co-Authors Cenjaya, Andrean Daniel Martomanggolo Wonohadidjojo Dhienalight Edwin Kurniawan Endratno, Jeremy Evan Tanuwijaya Fadiel Mufassir Laura Mahendratta Tjahjono Linardi, Shelina Muliadi, Kevin Hartato Mulyawan, Yandhy Raka Mychael Maoeretz Engel Ongkosianbhadra, Franciscus Valentinus Salmon Charles Siahaan Santoso, Vincent Leonard Siswanto, Felicia Devina Theresia Ratih Dewi Saputri Tony Antonio Yuwono Marta Dinata