Article Per Year (5 Year)
p-Index From 2021 - 2026
2.723
P-Index
This Author published in this journals
All Journal J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Review Pendidikan dan Pengajaran (JRPP) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal JEETech Journal of Applied Data Sciences J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Ilmu Komputer dan Informatika Scientechno: Journal of Science and Technology Jurnal Ilmu Komputer dan Teknik Informatika
Rahmawati, Lailia
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
PEMANFAATAN APLIKASI CANVA DALAM PENYUSUNAN MEDIA PEMBELAJARAN BERBASIS TEKNOLOGI Rahmawati, Lailia; Suharni, Suharni; Ambulani, Nur; Febrian, Wenny Desty; Widyatiningtyas, Reviandari; Rita, Rauza Sukma
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 5 No. 1 (2024): Volume 5 No 1 Tahun 2024
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v5i1.24151

Abstract

Pengabdian masyarakat ini bertujuan untuk meningkatkan keterampilan desain grafis para pendidik melalui pemanfaatan aplikasi Canva dalam penyusunan media pembelajaran berbasis teknologi. Kegiatan dilaksanakan pada 14 Desember 2023 melalui platform Zoom, melibatkan 32 peserta dari berbagai latar belakang pendidikan. Metode kegiatan mencakup persiapan, presentasi teori, demonstrasi praktis, serta sesi praktik bersama. Hasilnya mencakup peningkatan keterampilan desain grafis, pemahaman konsep desain visual, dan kemampuan peserta dalam menciptakan media pembelajaran yang berkualitas. Kegiatan ini juga membentuk jaringan dan komunitas antar peserta.
PENGEMBANGAN SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK ANALISIS SPASIAL DALAM PENGAMBILAN KEPUTUSAN Rahmawati, Lailia; Febrian , Wenny Desty; Fachruzzaki, Fachruzzaki; Mardiyati, Sri; Lengam, Rino; Suarnatha, I Putu Dody
Jurnal Review Pendidikan dan Pengajaran Vol. 7 No. 2 (2024): Volume 7 No. 2 Tahun 2024
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jrpp.v7i2.26929

Abstract

Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Geografis (SIG) yang dapat digunakan dalam analisis spasial untuk mendukung pengambilan keputusan. Melalui studi literatur yang mendalam, penelitian ini mengeksplorasi konsep dasar SIG, teknologi terkini, dan metode analisis spasial yang canggih. Temuan penelitian mengidentifikasi pentingnya integrasi teknologi sensor, pemrosesan data berbasis cloud, dan pemanfaatan kecerdasan buatan dalam pengembangan SIG. Konsep analisis spasial yang canggih juga diperkenalkan, mencakup pemodelan spasial, analisis overlay, dan teknik keterkaitan spasial. Integrasi SIG dalam pengambilan keputusan menjadi fokus utama, dengan penekanan pada pengembangan model dan algoritma yang dapat meningkatkan efisiensi dan ketepatan keputusan. Studi literatur juga mencatat tantangan, seperti kompleksitas data dan interoperabilitas, yang dapat diatasi melalui standarisasi data geografis dan penggunaan platform terintegrasi. Penelitian ini memberikan kontribusi baru terhadap pemahaman SIG, menghadirkan pemahaman yang lebih mendalam tentang potensi dan batasannya. Implikasi teoritis mencakup pengayaan konsep SIG, sementara implikasi praktis memberikan panduan berharga bagi pengembang sistem dan pengambil keputusan. Saran penelitian mencakup fokus pada pengembangan model prediktif spasial dan eksplorasi lebih lanjut terkait integrasi SIG dengan teknologi baru.
ANALISIS DAMPAK PENGGUNAAN ALGORITMA DEEP LEARNING DALAM PENGENALAN CITRA DAN VIDEO Rahmawati, Lailia; Kusant, Jani
Jurnal Review Pendidikan dan Pengajaran Vol. 8 No. 1 (2025): Volume 8 No. 1 Tahun 2025
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jrpp.v8i1.41603

Abstract

Penelitian ini bertujuan untuk menganalisis dampak penggunaan algoritma deep learning dalam pengenalan citra dan video melalui metode studi literatur. Algoritma seperti Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN), dan model hybrid telah menunjukkan performa unggul dalam tugas pengenalan pola dengan tingkat akurasi tinggi. Namun, tantangan seperti kebutuhan dataset besar, bias data, dan tingginya biaya komputasi masih menjadi hambatan signifikan. Solusi seperti transfer learning dan augmentasi data telah diusulkan untuk mengatasi keterbatasan ini. Penelitian ini juga menyoroti aspek etis dalam penggunaan algoritma deep learning, seperti privasi dan potensi penyalahgunaan teknologi. Berdasarkan analisis literatur, algoritma deep learning menawarkan peluang besar untuk meningkatkan performa pengenalan citra dan video, tetapi implementasi lebih lanjut memerlukan perhatian pada efisiensi, generalisasi, dan tanggung jawab etis.
Pembandingan Arsitektur Transformer dan CNN untuk Pengolahan Data Non-Visual Rahmawati, Lailia; Atmojo, Wahyu Tisno; Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.80

Abstract

Perkembangan pesat kecerdasan buatan dan pembelajaran mendalam telah mendorong eksplorasi berbagai arsitektur jaringan saraf untuk pengolahan data non-visual, seperti data numerik, sekuensial, dan tekstual. Dua arsitektur yang paling banyak digunakan dan berkembang adalah Convolutional Neural Network (CNN) dan Transformer. Meskipun CNN telah lama digunakan secara luas karena efisiensinya dalam mengekstraksi fitur lokal, arsitektur Transformer dengan mekanisme self-attention menawarkan kemampuan unggul dalam menangkap hubungan global dan dependensi kompleks antar elemen data. Penelitian ini bertujuan untuk membandingkan kinerja dan efisiensi arsitektur CNN dan Transformer dalam pengolahan data non-visual melalui pendekatan eksperimental kuantitatif. Dataset non-visual digunakan dan melalui tahapan pra-pemrosesan sebelum dilakukan pelatihan dan pengujian model. Evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, serta analisis efisiensi komputasi berdasarkan waktu pelatihan dan kompleksitas model. Hasil penelitian menunjukkan bahwa Transformer secara konsisten mencapai performa yang lebih tinggi dibandingkan CNN pada seluruh metrik evaluasi, khususnya dalam menangani pola kompleks dan hubungan jangka panjang pada data non-visual. Namun, CNN menunjukkan keunggulan dalam efisiensi komputasi dan kestabilan pelatihan dengan kebutuhan sumber daya yang lebih rendah. Temuan ini mengindikasikan bahwa tidak terdapat satu arsitektur yang sepenuhnya unggul dalam semua aspek, melainkan pemilihan model harus disesuaikan dengan karakteristik data dan kebutuhan aplikasi. Selain itu, penelitian ini menyoroti potensi pendekatan hibrida yang mengombinasikan CNN dan Transformer untuk meningkatkan performa dan generalisasi model. Penelitian ini diharapkan dapat menjadi referensi empiris bagi pengembangan sistem cerdas berbasis pembelajaran mendalam dalam pengolahan data non-visual.
Co-Authors Ambulani, Nur Atmojo, Wahyu Tisno Budiman Budiman Cynthia, Dessy Nia Cynthia, Maulidania Mediawati Efendi, Iqbhal Rizky Eka Pandu Cynthia, Eka Pandu Erviana, Irma Fachruzzaki, Fachruzzaki Febrian , Wenny Desty Febrian, Wenny Desty Gugus Azhari, Mohammad Gugus Azhari, Muhammad I Putu Dody Suarnatha Izzatul Umami Khairunnisa Khairunnisa Kusant, Jani Lengam, Rino Muhammad Lukman Hakim, Muhammad Lukman Pamungkas, Kris Maulana Ratih Kusumastuti Rauza Sukma Rita Reviandari Widyatiningtyas, Reviandari Rifki Arrosid, Muhammad Sri Mardiyati Suharni Suharni Sukini, Sukini Suprihartini, Yayuk Suryati Suryati Sutriawan Sutriawan Syahputra, Hendri Winarti, W Yusuf Pratama, Yoga