Article Per Year (5 Year)
p-Index From 2021 - 2026
1.578
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Informatika Kaputama (JIK) Jurnal Pengabdian Inovasi dan Teknologi Kepada Masyarakat Jurnal Teknik Informatika SUMUR ( Jurnal Sosial Humaniora)
Luluk Elvitaria
Unknown Affiliation
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Teknik Informatika

 1 
Penerapan Algoritma C4.5 Dalam Mengukur Tingkat Kepuasan Pengguna E-Learning Pada Mahasiswa Universitas Abdurrab Luluk Elvitaria; Salamun; Esni Malau
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 2 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i2.898

Abstract

Integrasi teknologi dan jaringan internet telah menjadi bagian integral dari sistem pendidikan formal dan informal saat ini dan di masa depan. E-Learning telah berdampak signifikan pada dunia pendidikan dengan membantu siswa dan pendidik dalam proses pembelajaran. Universitas Abdurrab di Pekanbaru, Provinsi Riau, Indonesia, telah menerapkan sistem E-Learning untuk memberikan kesempatan kepada siswa untuk mengakses materi pembelajaran baik di dalam maupun di luar kampus, yang bertujuan untuk meningkatkan pengalaman belajar secara keseluruhan. Namun, siswa menghadapi tantangan teknis seperti kesalahan dalam mengakses platform dan kesulitan dalam pelacakan kehadiran dan pengiriman tugas. Penelitian ini menggunakan metode End User Computing Satisfaction (EUCS), dengan fokus pada lima aspek: konten, akurasi, format, keramahan pengguna, dan ketepatan waktu, untuk mengukur tingkat kepuasan pengguna. Data diproses menggunakan algoritma C4.5. Tujuan penelitian termasuk mengukur tingkat kepuasan mahasiswa dengan E-Learning di Abdurrab University, mengklasifikasikan tingkat kepuasan menggunakan algoritma C4.5, dan memberikan wawasan berharga bagi universitas untuk meningkatkan sistem E-Learning-nya. Hasil klasifikasi menunjukkan bahwa faktor utama yang mempengaruhi kepuasan pengguna terhadap E-Learning di kalangan siswa adalah atribut US1 (sistem memenuhi persyaratan tugas atau pekerjaan pengguna). Namun, setelah evaluasi ulang, atribut tertentu seperti A3 (sistem jarang mengalami kesalahan selama operasi) dengan 98 siswa dan A4 (sistem selalu mudah diakses tanpa gangguan teknis) dengan 91 siswa menunjukkan nilai gain rendah, khususnya 0,2596 dan 0,2768. Dalam skenario ini, siswa menyatakan ketidakpuasan dengan penggunaan E-Learning, seperti yang ditunjukkan oleh data dari 349 responden siswa yang menyelesaikan kuesioner.
Penerapan Metode Location Based Service (LBS) Untuk Aplikasi Bengkel Ban Terdekat Berbasis Android (Studi Kasus : Kecamatan Bukit Raya) Sukri, Sukri; Wita Yulianti; Luluk Elvitaria; Liza Trisnawati; Ramadhan Putra
JEKIN - Jurnal Teknik Informatika Vol. 6 No. 1 (2026)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v6i1.1960

Abstract

Peningkatan jumlah kendaraan bermotor berdampak pada meningkatnya potensi gangguan selama perjalanan, seperti ban bocor atau pecah ban. Kondisi ini menjadi permasalahan bagi pengendara, khususnya ketika berada di wilayah yang kurang dikenal, karena kesulitan dalam menemukan lokasi bengkel ban terdekat secara cepat dan akurat. Penelitian ini bertujuan untuk menerapkan metode Location Based Service (LBS) pada aplikasi berbasis Android guna memetakan dan mencari lokasi bengkel ban terdekat di Kecamatan Bukit Raya. Metode utama yang digunakan adalah Location Based Service dengan pemanfaatan Global Positioning System (GPS) untuk menentukan posisi pengguna secara real-time serta Google Maps API untuk menampilkan peta digital dan rute perjalanan menuju bengkel ban. Aplikasi dikembangkan menggunakan sistem operasi Android dan dirancang untuk menampilkan informasi lokasi bengkel, jarak tempuh, serta rute terdekat dari posisi pengguna. Pengujian sistem dilakukan melalui pengujian fungsional (black box testing) dan pengujian akurasi lokasi, dengan melibatkan sejumlah titik bengkel ban yang terdaftar di wilayah Kecamatan Bukit Raya. Hasil pengujian menunjukkan bahwa aplikasi mampu menampilkan lokasi bengkel ban dengan tingkat akurasi lokasi yang sesuai dengan koordinat GPS serta memberikan rute perjalanan terdekat dengan waktu respon rata-rata kurang dari beberapa detik. Selain itu, seluruh fitur utama aplikasi berfungsi sesuai dengan kebutuhan pengguna. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penerapan metode LBS pada aplikasi bengkel ban terdekat berbasis Android mampu membantu pengguna dalam menemukan lokasi bengkel ban secara cepat, akurat, dan efisien dari segi waktu, khususnya pada kondisi darurat di wilayah Kecamatan Bukit Raya.
Deteksi Pemalsuan Gambar Menggunakan Error Level Analysis dan DenseNet Berbasis Mobile Salamun, Salamun; Jamil Reza Lubis; Luluk Elvitaria
JEKIN - Jurnal Teknik Informatika Vol. 6 No. 1 (2026)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v6i1.2009

Abstract

Pemalsuan gambar menjadi permasalahan serius di era digital akibat pesatnya penyebaran informasi visual melalui media sosial dan platform daring. Keaslian citra digital memiliki peran penting dalam menjaga kredibilitas informasi serta mencegah penyebaran hoaks. Penelitian ini mengusulkan pengembangan aplikasi deteksi pemalsuan gambar berbasis mobile dengan mengombinasikan metode Error Level Analysis (ELA) dan arsitektur deep learning DenseNet-121. Metode ELA digunakan sebagai tahap praproses untuk menyoroti ketidakkonsistenan tingkat kompresi JPEG yang mengindikasikan adanya manipulasi gambar, sedangkan DenseNet digunakan untuk melakukan klasifikasi biner antara citra asli dan citra palsu. Pengujian dilakukan menggunakan dataset CASIA 2.0 yang terdiri dari 12.616 citra, yang telah melalui proses ELA dan penyeragaman ukuran citra. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai akurasi validasi sebesar 97,6% dan akurasi pengujian sebesar 98%. Aplikasi mobile yang dikembangkan mampu memberikan solusi praktis dan akurat dalam mendeteksi pemalsuan gambar sehingga dapat membantu pengguna dalam memverifikasi keaslian citra secara efektif.
Pengembangan Arsitektur Edge Computing untuk Early Warning System (EWS) Banjir Berbasis Multi-Sensor Menggunakan Model Hybrid LSTM–Random Forest Setiawan, Debi; Noratama Putri, Ramalia; Salamun; Luluk Elvitaria; Liza Trisnawati
JEKIN - Jurnal Teknik Informatika Vol. 6 No. 1 (2026)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v6i1.2028

Abstract

Banjir merupakan bencana hidrometeorologi yang sering terjadi di wilayah tropis dan berdampak signifikan terhadap aspek sosial, ekonomi, serta infrastruktur. Penelitian ini mengembangkan Early Warning System (EWS) deteksi banjir berbasis multi-sensor dengan arsitektur Internet of Things (IoT) real-time yang mengintegrasikan pemrosesan edge dan cloud. Sistem diimplementasikan di [lokasi penelitian] selama empat bulan dengan total 12.480 dataset yang dikumpulkan setiap interval 5 menit. Parameter yang diamati meliputi tinggi muka air menggunakan sensor ultrasonik JSN-SR04T, curah hujan, suhu udara, dan kecepatan angin. Data diproses melalui pembersihan, normalisasi Min-Max, dan ekstraksi fitur deret waktu. Model Long Short-Term Memory (LSTM) digunakan untuk memprediksi pola temporal kenaikan muka air, sedangkan Random Forest digunakan untuk klasifikasi tingkat risiko banjir. Evaluasi dilakukan menggunakan skema train-test split 80:20 dan 5-fold cross-validation dengan hyperparameter tuning berbasis grid search. Hasil pengujian menunjukkan bahwa model LSTM memperoleh akurasi 91%, presisi 90%, recall 92%, dan F1-score 91%, sedangkan Random Forest mencapai akurasi 89%, presisi 88%, recall 90%, dan F1-score 89%. Model hybrid LSTM–Random Forest memberikan performa terbaik dengan akurasi 93%, presisi 92%, recall 94%, dan F1-score 93%. Sistem mampu memberikan peringatan dini 25–40 menit sebelum ambang batas banjir kritis tercapai dengan waktu respons kurang dari 3 detik. Kebaruan penelitian ini terletak pada integrasi multi-sensor hidrometeorologi dengan skema hybrid LSTM–Random Forest dalam arsitektur edge–cloud real-time yang meningkatkan akurasi prediksi sekaligus menurunkan latensi sistem peringatan dini banjir.
Co-Authors Abdul Rahman Arisandi, Diki Debi Setiawan Debi Setiawan, Debi Esni Malau Fajar Alan Syahrier Fitrah Ramadhani Husaini, Rizki Ramadhan Ira Puspita Sari Jamil Reza Lubis Liza Trisnawati Muhammad Hanif Ahda Noratama Putri, Ramalia Nugroho, Sapto Setyo Ramadhan Putra Ramalia Noratama Putri SALAMUN Salamun Salamun Setiawan, Debi Setiawan Sukri Sukri sukri Sukri, sukri Syaid Alarbi Wita Yulianti