Article Per Year (5 Year)
p-Index From 2021 - 2026
3.389
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics JUTI: Jurnal Ilmiah Teknologi Informasi Scan : Jurnal Teknologi Informasi dan Komunikasi Proceeding International Conference on Information Technology and Business Jurnal Informatika dan Teknik Elektro Terapan International conference on Information Technology and Business (ICITB) JURNAL MEDIA INFORMATIKA BUDIDARMA JIEET (Journal of Information Engineering and Educational Technology) Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Antivirus : Jurnal Ilmiah Teknik Informatika JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Journal of Information Systems and Informatics bit-Tech Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Jifosi Nusantara Science and Technology Proceedings Jurnal Ilmiah Teknologi Informasi dan Robotika Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Sewagati
Yisti Vita Via
Universitas Pembangunan Nasional Veteran Jawa Timur
Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
DETEKSI ANOMALI MENGGUNAKAN ENSEMBLE LEARNING DAN RANDOM OVERSAMPLING PADA PENIPUAN TRANSAKSI KEUANGAN Saputra, Dewa Raka Krisna; Via, Yisti Vita; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4910

Abstract

Di era digital, transaksi keuangan semakin beralih ke metode nontunai, karena sifatnya yang nyaman dan efisien. Namun, peningkatan penggunaan kartu kredit dan transaksi online juga meningkatkan risiko kejahatan finansial. Penelitian ini mengkaji metode ensemble learning dan random oversampling dalam mendeteksi anomali pada transaksi keuangan, khususnya penipuan kartu kredit. Algoritma klasifikasi yang digunakan meliputi Decision Tree (DT), Random Forest (RF), Logistic Regression (LR), dan Naive Bayes (NB), dengan pendekatan ensemble learning seperti Bagging, Boosting, dan Stacking. Hasil penelitian menunjukkan bahwa metode ensemble learning secara signifikan meningkatkan performa deteksi penipuan dibandingkan model dasar (base model). Khususnya teknik stacking menunjukkan peningkatan AUC yang signifikan, dengan beberapa algoritma mencapai AUC sempurna (1.00). Random Forest (RF) dengan metode ensemble learning menunjukkan performa yang sangat konsisten dan optimal dalam mendeteksi anomali penipuan. Penelitian ini menegaskan bahwa metode ensemble learning, terutama stacking, efektif dalam membedakan antara transaksi sah dan mencurigakan, sehingga dapat diandalkan untuk deteksi penipuan keuangan.
IMPLEMENTASI SSD-MOBILENET DAN U-NET UNTUK DETEKSI DAN PENILAIAN TINGKAT KEPARAHAN PADA APLIKASI PELAPORAN JALAN BERLUBANG Sadewa, Rahma Danu; Via, Yisti Vita; Nurlaili, Afina Lina
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5320

Abstract

Kondisi jalan rusak di Indonesia sangat memprihatinkan dan membutuhkan penanganan segera. Lubang-lubang di jalan yang menyerupai mangkuk dapat mengancam keselamatan pengguna jalan. Deteksi dan evaluasi kerusakan jalan berlubang bisa dilakukan dengan memanfaatkan teknologi kecerdasan buatan, seperti deep learning. Salah satu penerapan deep learning untuk tugas deteksi objek kompleks adalah Single Shot MultiBox Detector (SSD) yang memproses gambar dan menganalisis fiturnya menggunakan arsitektur MobileNet. Selain itu, tingkat keparahan kerusakan jalan berlubang dapat diidentifikasi menggunakan arsitektur U-Net yang berfungsi untuk segmentasi gambar dengan memprediksi pixel yang mewakili objek. Kombinasi metode SSD dan arsitektur MobileNet dengan U-Net menghasilkan analisis jumlah deteksi dan tingkat keparahan yang membantu pembuatan laporan kerusakan jalan berlubang dalam aplikasi. Pengujian beberapa gambar menunjukkan bahwa model SSD-MobileNet berhasil mendeteksi lubang di jalan dengan akurasi 93%, sementara model U-Net mencapai akurasi 80% dalam memprediksi tingkat keparahan pada jalan berlubang.
Implementasi Modified K-Nearest Neighbor (MKNN) untuk Deteksi Penyakit Anemia Putra Dwi Wira Gardha Yuniahans; Anggraini Puspita Sari; Yisti Vita Via
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol. 7 No. 1 (2025): Juni 2025
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v7i1.13425

Abstract

Anemia is a condition where the hemoglobin level in the human body drops below the normal threshold. It can cause several negative effects, such as delayed psychomotor development, a higher risk of infectious diseases, and in women, the possibility of premature birth. Therefore, early detection of anemia is essential to speed up treatment and recovery. One method that can support the diagnostic process is machine learning, particularly the Modified K-Nearest Neighbor (MKNN) algorithm. MKNN is an improved of standard KNN, incorporating additional steps such as validity calculation and weighted voting, which are not present in the original version. In this study, MKNN was applied to detect anemia and achieved an accuracy of 84% using a 75:25 train-test data split and k=5. The dataset was collected from Jemursari Hospital in Surabaya, consisting of 100 patient records. These records were used to evaluate the performance of the MKNN algorithm in anemia detection.
Co-Authors Affandi, Masfi Ulil Akbar, Fawwaz Ali Alfath Daryl Alhajir Andreas Nugroho Sihananto Anggraini Puspita Sari Budi Nugroho Dhian Satria Yudha Kartika Dita Atasa Diyasa, I Gede Susrama Mas Eka Prakarsa Mandyartha Eva Yulia Puspaningrum Fetty Tri Anggraeny Intan Yuniar Purbasari, Intan Yuniar Isnaini, Frisda Dita Kurniawan, Ananda Rheza Mas Diyasa, I Gede Susrama Matondang, Natalia Maulana, Hendra Maulana, Raihan Thobie Nabil Miftahul Nuril Silviyah Muhammad Muharrom Al Haromainy Natalia Matondang Nurlaili, Afina Lina Pande Putu Sunaryang Yogam Prasanta Prayoga, Aji Putra Dwi Wira Gardha Yuniahans Retno Mumpuni Sadewa, Rahma Danu SALAMUN ROHMAN NUDIN Saputra, Dewa Raka Krisna Sari, Nabella Permata Shodiq, Mochammad Lukman Sufi Miftakhoneki SUGIARTO - Sujayanti, Forentina Kerti Pratiwi Syahrul Hidayat Tataq Distasianto Teguh Yulianto, Teguh Utami, Hapsari Wiji Wahyu Saifullah Jauharis Saputra Wahyu Syaifullah Jauharis Saputra Wijaya, Pandu Ali Yana, Baktiar Yudha Yudha K., Dhian Satria ZAMAZANI, ZAIN MUZADID