Article Per Year (5 Year)
p-Index From 2021 - 2026
1.456
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) Jurnal CoreIT INOVTEK Polbeng - Seri Informatika Dinamisia: Jurnal Pengabdian Kepada Masyarakat Journal of Community Development Indonesian Journal of Informatic Research and Software Engineering Malcom: Indonesian Journal of Machine Learning and Computer Science
Afriyanti, Liza
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Nursing Public Health Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Optimalisasi Data Center Dengan Mengembangkan Virtualisasi Server (Studi Kasus : UIN Sultan Syarif Kasim Riau): Data Center Optimalization With Virtualization Server Development (Study Case : State Islamic University Of Sultan Syarif Kasim Riau) Afriyanti, Liza
Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) Vol. 2 No. 2 (2022): Indonesian Journal of Informatic Research and Software Engineering
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (514.428 KB) | DOI: 10.57152/ijirse.v2i2.203

Abstract

Perkembangan teknologi dari sisi perangkat keras maupun perangkat lunak mengalami perkembangan yang kian pesat. Saat ini penggunaan data center adalah sebagai fasilitas yang digunakan sebagai lokasi penempatan beberapa server dan sistem database yang saling terintegrasi untuk pengolahan data yang berukuran besar. Instansi perguruan tinggi yang memiliki mahasiswa, dosen, dan pegawai dalam jumlah besar membutuhkan perangkat pengelolaan server pada data center sehingga pengembangan dan pengelolaan sistem aplikasi serta teknologi informasi dapat dikelola secara maksimal.  Universitas Islam Negeri Sultan Syarif Kasim Riau (UIN Suska Riau) merupakan salah satu perguruan tinggi yang menggunakan Information and Communication Technology (ICT) sebagai pendukung utama sarana dan prasarana proses pendidikan dan pengajaran. Seiring dengan perkembangan sistem aplikasi yang ada di UIN Suska Riau, maka kebutuhan server kian bertambah. Berdasarkan permasalahan tersebut maka perlu dilakukan optimalisasi pemanfaatan data center dengan melakukan teknologi virtualisasi server sehingga dapat mengatasi permasalahan keterbatasan perangkat keras yang tidak sebanding dengan peningkatan kebutuhan sistem aplikasi. Hasil akhir dari penelitian ini adalah pengembangan virtualisasi server untuk mendukung optimalisasi pemanfaatan data center di lingkungan UIN Suska Riau.
Pengaruh Image Enhancement Contrast Stretching dalam Klasifikasi CT-Scan Tumor Ginjal menggunakan Deep Learning Yanto, Febi; Hatta, M Ilham; Afrianty, Iis; Afriyanti, Liza
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4233

Abstract

Kidney tumors are the third most common after prostate and bladder tumors, accounting for around 208,500 cases (2%) of all cancer cases globally. Renal Cell Carcinoma constitutes 85% of these cases, transitional cell cancer 12%, and other types 2%. In Indonesia, the incidence is 3 per 100,000 people, with a male-to-female ratio of 3.2:1. Ultrasound, CT scans, and MRI are used to detect, diagnose, and assess kidney tumors, with CT scans being crucial for evaluating complex lesions, both cystic and solid. This study uses the Image Enhancement Contrast Stretching technique to improve CT-Scan image quality for deep learning classification using the EfficientNet-B0 architecture. The dataset is split into training, validation, and testing sets in an 80:20 ratio. Hyperparameters include Adamax and RAdam optimizers with learning rates of 0.01, 0.001, and 0.0001. The highest performance was achieved using the Image Enhancement Contrast Stretching technique with the RAdam optimizer and a learning rate of 0.01, resulting in 100% accuracy, precision, recall, and F1-score. For the original dataset using the Adamax optimizer with a 0.01 learning rate, the highest performance was 99.12% accuracy, 98.28% precision, 100% recall, and 99.13% F1-score. This technique significantly enhances the performance of kidney tumor classification models.
Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mini Batch K-Means Clustering: Grouping Electricity Distribution Data Using The Mini Batch K-Means Clustering Algorithm Mulyadi, Syahrul; Insani, Fitri; Agustian, Surya; Afriyanti, Liza
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1425

Abstract

Manajemen distribusi listrik merupakan aspek penting dalam infrastruktur yang memerlukan pemahaman mendalam tentang pola distribusi di berbagai wilayah untuk memastikan pasokan listrik stabil bagi masyarakat dan pemerintah. Namun, mengelola data distribusi listrik yang melibatkan berbagai variabel seperti rumah tangga, industri, bisnis, sosial, gedung kantor pemerintah, dan jalan umum membutuhkan pendekatan yang efektif dalam mengelompokkan data untuk mengidentifikasi pola-pola yang signifikan. Penelitian ini bertujuan mengimplementasikan algoritma mini batch k-means untuk mengelompokkan distribusi listrik di setiap wilayah. Data yang digunakan dalam penelitian ini adalah data distribusi listrik dari tahun 2014-2022 yang terdiri dari 35 provinsi. Hasil pengujian menunjukkan bahwa terdapat tiga cluster yang signifikan dalam data peneliti, masing-masing ditandai dengan Silhouette Score yang berbeda. Cluster dengan Silhouette Score tertinggi adalah Cluster 2 dengan nilai 0.625, menunjukkan kohesi yang tinggi di wilayah regional Kalimantan-Sulawesi yang diamati dalam cluster 2 ini. Sementara itu, Cluster 4 memiliki Silhouette Score yang terendah dengan nilai 0.419, menunjukkan tingkat kohesi yang lebih rendah dalam pola distribusi listrik di setiap wilayah regional bagian Kalimantan-Sulawesi. Penelitian ini menegaskan bahwa algoritma mini batch k-means efektif untuk pengelompokkan data distribusi listrik dengan hasil yang memuaskan dalam pemisahan klaster yang berbeda
Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Density Based Spatial Clustering of Application With Noise (DBSCAN): Clustering Electricity Distribution Data Using Density-Based Spatial Clustering of Applications With Noise (DBSCAN) Algorithm Farid, Miftah; Insani, Fitri; Agustian, Surya; Afriyanti, Liza
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1426

Abstract

Pada masa kini, listrik sudah menjadi kebutuhan penting dalam kehidupan, karena kebanyakan aktivitas manusia bergantung pada listrik. Kebutuhan listrik pada setiap wilayah di Indonesia dipengaruhi oleh sejumlah faktor dan karakteristik khusus masing-masing. PLN mempublikasikan statistik penggunaan listrik untuk setiap wilayah di Indonesia dari tahun 2014 hingga 2022, yang terdiri dari 35 provinsi di Indonesia. Data ini menawarkan wawasan berharga untuk prediksi permintaan listrik, pelacakan tren historis untuk memprediksi pengembangan wilayah, memprioritaskan wilayah dengan permintaan tinggi untuk efisiensi dan konservasi energi, dan lain sebagainya.  Salah satu alat untuk mencapai tujuan tersebut adalah dengan mengelompokkan (clustering) wilayah berdasarkan karakteristik dan ciri-ciri wilayahnya. Penelitian ini melakukan proses clustering dengan membagi data pada tiga regional utama: Sumatera, Jawa-Bali, dan Kalimantan-Sulawesi, sementara regional Papua tidak dianalisis karena jumlah wilayah/propinsi yang terbatas. Metode yang dipakai adalah Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Tuning parameter dengan cara pencarian grid dilakukan untuk memperoleh hasil optimal berdasarkan silhouette score. Hasil clustering dapat memberikan gambaran keunikan profil konsumsi listrik di tiap wilayah, dengan silhouette score terbaik sebesar 0.62 untuk regional Jawa-Bali, 0,67 untuk Kalimantan-Sulawesi, dan 0,64 untuk Sumatera. Penelitian menunjukkan bahwa algoritma DBSCAN dapat digunakan untuk pengelompokkan distribusi listrik dengan hasil yang efektif.
Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mean Shift: Clustering Electricity Distribution Data Using the Mean Shift Algorithm Utari, Roid Fitrah; Insani, Fitri; Agustian, Surya; Afriyanti, Liza
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1428

Abstract

Penelitian ini mengkaji regionalisasi dan klasterisasi data distribusi listrik di Indonesia menggunakan algoritma Mean Shift, dengan tujuan untuk meningkatkan efisiensi distribusi energi di berbagai wilayah geografis yang beragam. Listrik memiliki peran krusial dalam kehidupan modern namun distribusinya masih belum merata, terutama di daerah terpencil dan pedesaan yang terkendala oleh akses dan keterbatasan dana. Sebagai salah satu Bada Usaha Milik Negera (BUMN)  utama di sektor ketenagalistrikan, Perusahaan Listrik Negera (PLN) bertanggung jawab dalam menyediakan listrik di seluruh Indonesia, mendukung pertumbuhan ekonomi melalui penyediaan energi untuk sektor industri, pertanian, dan perdagangan. Dengan menggunakan algoritma Mean Shift, penelitian ini mengelompokkan Indonesia menjadi Sumatra, Jawa-Bali, Kalimantan-Sulawesi, dan Papua berdasarkan pola distribusi listrik, dengan menemukan bahwa pengaturan bandwidth optimal 0.5 menghasilkan tiga klaster per wilayah yang mencerminkan infrastruktur serupa, kebutuhan energi, dan sektor ekonomi dominan. Temuan ini menunjukkan fleksibilitas Mean Shift dalam menangani struktur data yang kompleks tanpa jumlah klaster yang telah ditentukan sebelumnya, yang penting untuk perencanaan strategis dalam pengelolaan energi di Indonesia demi mencapai distribusi listrik yang lebih efisien dan berkelanjutan
Pendampingan Mahasiswa Sebagai Agents of Change: Mendorong Penerapan Teknologi Informasi Yang Beretika dan Berlandaskan Nilai-Nilai Islam Afriyanti, Liza; Iskandar, Iwan; Sandi, Wahyu Ari
Journal of Community Development Vol. 5 No. 2 (2024): December
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/comdev.v5i2.1371

Abstract

The development of digital literacy is very important in facing the current digital era. In the educational context, digital literacy is the foundation that enables the learning process to be more interactive, dynamic and in line with current developments. This shows that digital literacy is not only relevant in everyday life, but also has a significant impact in the world of education, especially at the tertiary level. Students' digital literacy skills are an important aspect in facing the demands of today's digital era. However, just having information and communication technology skills is not enough, students are also required to understand, use and utilize digital technology effectively, responsibly and ethically with character and based on Islamic values. The form of service activity is a seminar which is held online via the zoom meeting application with the presentation method. To assess the achievement of goals and success of this service activity, the following indicators can be used as benchmarks, namely indicators of goal achievement and success benchmarks. By combining the two indicators above, it can provide a comprehensive picture of the achievement of objectives and the success of Community Service activities that have been carried out. Based on the evaluation results obtained from the reporting stage, it is known that this activity has various advantages and does not experience difficulties during its implementation, as well as assisting students as agents of change in the application of information technology can be carried out more ethically and based on Islamic values.
Kombinasi Teknik Pemrosesan Citra untuk Peningkatan Pendeteksian Objek Pada Carla Simulator Afriyanti, Liza
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 3 (2025): Oktober 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i3.1958

Abstract

Dalam beberapa tahun terakhir, perkembangan kendaraan otonom (Autonomous Vehicle, AV) semakin pesat karena potensinya dalam merevolusi sistem transportasi dan meningkatkan keselamatan jalan raya. Keberhasilan AV sangat bergantung pada kemampuan deteksi objek yang akurat untuk menavigasi lingkungan kompleks, termasuk mengenali pejalan kaki, kendaraan lain, dan berbagai rintangan. Namun, kualitas citra yang dihasilkan oleh simulator seperti CARLA sering terdegradasi oleh kondisi pencahayaan, kabut, dan noise komputasi, sehingga kinerja model deteksi objek seperti YOLO (You Only Look Once) menjadi kurang optimal. Oleh karena itu, penelitian ini bertujuan mengembangkan sebuah model deteksi objek berbasis YOLO yang dioptimalkan dengan kombinasi teknik pemrosesan citra, meliputi Gaussian Blur, Contrast Limited Adaptive Histogram Equalization (CLAHE), dan Sharpening, untuk menghasilkan data input yang lebih bersih dan detail yang lebih tajam. Metode yang diusulkan mencakup generasi dataset simulasi menggunakan CARLA Simulator, penerapan teknik pra-pemrosesan citra secara berantai, serta pelatihan model YOLOv8 untuk mendeteksi objek secara real-time. Dengan memanfaatkan kekuatan Deep Learning dan validasi pada berbagai skenario lingkungan simulasi, diharapkan pendekatan ini mampu meningkatkan akurasi dan efisiensi deteksi objek dibandingkan metode konvensional yang hanya mengandalkan model YOLO tanpa preprocessing citra. Hasil penelitian ini diharapkan memberikan kontribusi signifikan terhadap pengembangan sistem deteksi pada kendaraan otonom, khususnya pada kondisi lingkungan yang menantang.
Digital Adoption Asistance for the Wood Craftmans Community Towards Upgrading MSMEs: Pendampingan Adopsi Digital Bagi Komunitas Pengrajin Kayu Menuju UMKM Naik Kelas Cynthia, Eka Pandu; Afriyanti, Liza; Arifandy, M. Imam
Dinamisia : Jurnal Pengabdian Kepada Masyarakat Vol. 8 No. 1 (2024): Dinamisia: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/dinamisia.v8i1.16706

Abstract

The government has launched the MSME Level Up program, which is a government program to facilitate MSMEs to move up a class in terms of digital adoption in order to expand marketing access, and business efficiency, increase sales transactions, and increase the competitiveness of MSMEs. Pekanbaru City has 1,034 registered MSMEs that are engaged in producing various products from wood. This PKM activity has succeeded in providing education and assistance to MSME Furniqa and MSME KadoKekayuan partners regarding Digital Adoption, Basics of Digital Media, Creating Digital Content, Digital Benchmarking, Advertising on Google and Meta (Instagram, Facebook, Tiktok), Maximizing Digital Marketing (Digital Simulation Marketing Templates), Getting to Know Analytics (Google and Meta), Measuring the Effectiveness of Advertising Campaigns, and Optimizing Search Engine Optimization (SEO) through content. As an evaluation, the level of success of activities and understanding of partners has been measured by obtaining results >80%.
Benchmarking Various Machine Learning Models to Detect Lung Cancer Afrianty, Iis; Afriyanti, Liza
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 11, No 2 (2025): December 2025
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/coreit.v11i2.38590

Abstract

This study benchmarked and evaluated the performance of various machine learning techniques to detect lung cancer using public datasets. The techniques used include Random Forest, Support Vector Machine, Logistic Regression, Multi-Layer Perceptron, C4.5, Bayesian Network, Reptree, Naive Bayes, and P.A.R.T. Evaluation was carried out using metrics such as Accuracy, F-measure, Precision, TPR, ROC, FPR, PRC, and MCC. The results showed that the Support Vector Machine algorithm performed best on balanced dataset distribution, while Random Forest showed stable performance on unbalanced datasets. This study confirms the importance of selecting appropriate algorithms and data distribution to improve lung cancer detection.
Co-Authors Arifandy, M. Imam Baehaqi Eka Pandu Cynthia Febi Yanto Fitri Insani Hatta, M Ilham Iis Afrianty Miftah Farid Mulyadi, Syahrul Sandi, Wahyu Ari Surya Agustian Utari, Roid Fitrah