Article Per Year (5 Year)
p-Index From 2021 - 2026
2.177
P-Index
This Author published in this journals
All Journal Avatara Prosiding Semnastek Semesta Teknika Aksara: Jurnal Ilmu Pendidikan Nonformal JIKA (Jurnal Informatika) Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Jutech: Jurnal Teknologi Informasi Jurnal Sistem Informasi
YUSUF, DIANA
Unknown Affiliation
Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
EVALUASI UX PADA E-LIBRARY ITB AHMAD DAHLAN JKT MENGGUNAKAN HUMAN-CENTERED DESIGN Listianto, Farros Fauzaan; Arman, Shevti Arbekti; Yusuf, Diana
Jurnal Informatika Vol 8, No 4 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i4.12644

Abstract

ITB Ahmad Dahlan merupakan salah satu kampus yang memanfaatkan teknologi informasi, salah satu teknologi yang digunakan adalah dengan membangun aplikasi E-library ITB Ahmad Dahlan JKT. Meskipun telah mengalami pengembangan, terungkap bahwa pihak perpustakaan kampus masih menganggap aplikasi tersebut belum mencapai tingkat kesempurnaan yang optimal, baik secara tampilan maupun fitur-fitur yang belum sepenuhnya memenuhi kebutuhan pengguna. Penelitian ini bertujuan untuk mengevaluasi usability dan memberikan rekomendasi perbaikan melalui user interface dalam bentuk prototipe pada aplikasi. Pengumpulan data diawali dengan observasi dan studi literatur, dilanjutkan dengan wawancara. Pada tahap perancangan digunakan pendekatan Human Centered Design (HCD) yang terdiri dari analisis konteks penggunaan, analisis kebutuhan pengguna, pembuatan desain solusi, dan evaluasi desain solusi. Evaluasi desain awal menggunakan metode Heuristic Evaluation (HE) ditemukan 8 masalah pada prinsip heuristic dan System Usability Scale (SUS) diperoleh rata-rata skor usability sebesar 57,08. Sedangkan pada desain solusi, metode HE hanya menemukan 3 masalah dan SUS mendapatkan rata-rata skor usability sebesar 78,16, yang menunjukkan adanya peningkatan yang signifikan. Melalui wawancara akhir, dapat disimpulkan bahwa desain solusi berhasil mengatasi permasalahan desain awal. Secara keseluruhan, penelitian ini memberikan kontribusi pada pengembangan aplikasi melalui pendekatan HCD yang terintegrasi dengan evaluasi HE dan SUS, sehingga menghasilkan peningkatan usability aplikasi terhadap kebutuhan pengguna dan penerimaan yang baik untuk meningkatkan pengalaman pengguna.
PENGELOMPOKKAN DATA MAHASISWA MENGGUNAKAN CLUSTERING UNTUK OPTIMALISASI PENERIMAAN MAHASISWA BARU Yusuf, Diana; Sestri, Elliya; Razi, Fahrul
Jurnal Informatika Vol 8, No 4 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i4.12637

Abstract

Salah satu tahapan penting dalam pengelolaan perguruan tinggi yakni proses penerimaan mahasiswa baru, dimana proses ini akan mempengaruhi kualitas dan kuantitas mahasiswa yang diterima di perguruan tinggi. Mengoptimalkan proses ini memerlukan pendekatan yang efektif untuk menganalisis data potensi mahasiswa. Dimana akan dilakukan pengelompokkan data mahasiswa menggunakan algoritma clustering K-Means untuk menemukan pola dan karakteristik yang dapat mengoptimalkan penerimaan mahasiswa baru. Penerapan algoritma K-Means vabel-variabel seperti program studi, IPK, kelurahan, kota, provinsi, dan jenis sekolah. Hasil pengelompokkan diharapkan dapat memberikan wawasan lebih dalam mengenai segementasi calon mahasiswa, sehingga perguruan tinggi dapat menyusun strategi penerimaan yang lebih tepat sasaran. Diharapkan dapat memberikan dasar bagi pengambilan keputusan yang lebih berbasis data untuk meningkatkan kualitas penerimaan mahasiswa pada masa mendatang.
ANALISIS FAKTOR SOSIAL EKONOMI YANG MEMPENGARUHI RENDAHNYA CAPAIAN PENDIDIKAN DI INDONESIA MENGGUNAKAN KOMBINASI METODE DATA MINING Yusuf, Diana; Razi, Fahrul
Jurnal Sistem Informasi (JUSIN) Vol 6 No 1 (2025): Jurnal Sistem Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jusin.v6i1.3115

Abstract

Educational inequality remains a persistent issue in Indonesia, particularly in regions with challenging socio-economic conditions. This study aims to analyze how various socio-economic factors influence the average years of schooling across Indonesian provinces using a combination of K-Means Clustering and Decision Tree algorithms. The dataset includes indicators such as poverty rate, gross regional domestic product (GRDP), per capita expenditure, and life expectancy, obtained from official national statistics. K-Means Clustering was employed to segment provinces into three distinct groups based on socio-economic similarities. The clustering revealed clear disparities among regions, where the most disadvantaged cluster showed significantly lower education levels. Subsequently, the Decision Tree algorithm was used to classify the average years of schooling, identifying per capita expenditure, life expectancy, and socio-economic cluster as the most influential variables. The combined approach allows for both segmentation and interpretation, providing data-driven insights that are accessible and actionable for policymakers. The findings highlight the importance of targeting socio-economic improvements as a strategy to enhance educational outcomes. Ultimately, this study underscores the value of integrating unsupervised and supervised machine learning models in addressing complex social issues in education.
Prediksi Risiko Stunting pada Balita menggunakan Algoritma Logistic Regression dan Decision Tree berbasis Data Terbuka Yusuf, Diana; Razi, Fahrul; Arman, Shevti Arbekti; Terisia, Vany; Nurjayanti , Revi
Prosiding Semnastek PROSIDING SEMNASTEK 2025
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Stunting masih menjadi tantangan kesehatan utama yang berdampak pada pertumbuhan dan perkembangan anak di Indonesia. Upaya deteksi dini risiko stunting memerlukan pendekatan berbasis data yang akurat dan praktis. Penelitian ini bertujuan mengembangkan dan membandingkan dua model klasifikasi, yaitu Logistic Regression dan Decision Tree, untuk memprediksi risiko stunting pada balita dengan memanfaatkan data kesehatan terbuka. Dataset yang digunakan mencakup variabel usia, berat lahir, berat badan, panjang badan, dan jenis kelamin. Proses penelitian meliputi preprocessing data, pemabagian data menjadi data latih dan data uji, penerapan model, serta evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa Logistic Regression memberikan performa lebih stabil dengan akurasi 84,4% pada data latih dan uji. Decision Tree memiliki akurasi lebih tinggi pada data latih (96,5%) namun menurun pada data uji (78,7%), menunjukkan kecenderungan overfitting. Visualisasi Decision Tree mengungkapkan bahwa usia dan berat badan menjadi fitur paling dominan dalam klasifikasi risiko stunting. Berdasarkan hasil tersebut, Logistic Regression direkomendasikan sebagai model yang lebih andal untuk implementasi prediski stunting di tingkat layanan kesehatan masyarakat. Temuan ini diharapkan dapat memberikan kontribusi bagi pengembangan sistem pendukung keputusan berbasis data dalam mitigasi stunting.
Implementasi Teknik Clustering Untuk Pengelompokan Mobil Bekas Berdasarkan Grade Pada Mobi Auto Yusuf, Diana; Sestri, Ellya; Razi, Fahrul
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol. 6 No. 2 (2023): J-SISKO TECH EDISI JULI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v6i2.8352

Abstract

Penelitian ini bertujuan untuk mengimplementasikan teknik clustering dalam pengelompokan mobil bekas berdasarkan grade pada perusahaan Mobi Auto. Metode clustering yang digunakan ialah K-Means Clustering untuk mengelompokkan mobil bekas ke dalam  3 (tiga) grade yakni grade A (Mobil Kualitas Sangat Baik), grade B (Mobil Kualitas Baik), dan grade C (Mobil Kualitas Rata-Rata). Data fitur kendararaan, kondisi fisik, riwayat perawatan, harga dan atribut tambahan dikumpulkan dan digunakan sebagai variabel dalam analisis klasterisasi. Hasil penelitian ini dapat memberikan pengelompokkan mobil bekas sesuai dengan grade yang ditetapkan oleh perusahaan. Hal ini akan membantu Mobi Auto dalam mengelola stok mobil bekas dengan lebih efisien, memberikan informasi yang akurat kepada pelanggan dan meningkatkan pengalaman pembelian mobil bekas. Implementasi K-Means Clustering ini dapat menjadi alat yang bermanfaat dalam pengelompokkan mobil bekas berdasarkan grade di perusahaan Mobi Auto. Penelitian ini memberikan dasar bagi pengembangan sistem pengelompokkan yang lebih canggih dan efektif di masa depan, serta memberikan manfaat dalam pengolahan dan analisis data secara keseluruhan untuk perusahaan penjualan mobil bekas.    
Co-Authors Bayangkari Karno, Adhitio Satyo Dodi Arif Fahrul Razi Fitriani, Fidha Larasati, Anggita Listianto, Farros Fauzaan Mildasari, Mildasari Nia Kurniati Nurjayanti , Revi Sestri, Elliya Sestri, Ellya Shevti Arbekti Arman Syamsu, Muhajir Vany Terisia Widi Hastomo