Article Per Year (5 Year)
p-Index From 2021 - 2026
4.333
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) KAPAL Jurnal Ilmu Pengetahuan dan Teknologi Kelautan SITEKIN: Jurnal Sains, Teknologi dan Industri Journal of Innovation and Applied Technology Jurnal Teknologi Informasi dan Ilmu Komputer JOIV : International Journal on Informatics Visualization Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Tri Dharma Mandiri: Diseminasi dan Hilirisasi Riset Kepada Masyarakat (Jurnal Pengabdian Kepada Masyarakat) Journal of Biopesticides and Agriculture Technology
Kurnianingtyas, Diva
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Public Health Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Prediksi Kelulusan Jaluk Masuk SNMPTN Dengan Mengguanakan Algoritma Support Vector Machine Kurniawan, Dimas; Soebroto, Arief Andi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Prediksi kelulusan jalur masuk Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) menjadi tantangan bagi calon mahasiswa dalam menentukan peluang diterima di universitas pilihan. Penelitian ini bertujuan untuk mengembangkan model prediksi kelulusan menggunakan algoritma Support Vector Machine (SVM) dengan kernel RBF, serta mengimplementasikannya dalam sebuah website berbasis Streamlit. Dataset yang digunakan terdiri dari 500 data siswa dengan berbagai fitur seperti nilai rapor semester 1–5, kategori prestasi, akreditasi sekolah, keaktifan organisasi, linearitas jurusan, serta ranking Perguruan Tinggi Negeri (PTN) tujuan. Data mengalami preprocessing, termasuk label encoding dan normalisasi menggunakan MinMax Normalization, sebelum dilakukan pelatihan model. Evaluasi model dilakukan menggunakan metode K-Fold Cross Validation dan optimasi parameter melalui Grid Search, menghasilkan akurasi sebesar 58%. Implementasi sistem prediksi dalam website memungkinkan pengguna memasukkan data dan mendapatkan hasil prediksi secara real-time, meskipun akurasi model masih perlu ditingkatkan. Hasil penelitian menunjukkan bahwa pemilihan fitur dan jumlah dataset berpengaruh signifikan terhadap performa model. Saran untuk pengembangan lebih lanjut mencakup eksplorasi algoritma lain seperti Random Forest atau XGBoost, peningkatan jumlah data, serta integrasi fitur tambahan untuk meningkatkan akurasi prediksi dan pengalaman pengguna.
Enhancing Islamic Boarding School Management in Jombang through Artificial Intelligence Kurnianingtyas, Diva; Daud, Nathan; Widodo, Agus Wahyu; Muflikhah, Lailil; Yudistira, Novanto
TRI DHARMA MANDIRI: Dissemination and Downstreaming of Research to the Community (Journal of Community Engagement) Vol 5 No 2 (2025)
Publisher : SMONAGENES Research Center, Univeritas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jtridharma.2025.005.02.143

Abstract

The drive for digital transformation and the need to enhance governance efficiency in religious educational institutions provided the backdrop for this community service program, which implemented artificial intelligence (AI) technology at an Islamic boarding school in Jombang. This program aimed to enhance the management competencies of Islamic boarding schools in Jombang by applying AI technology. The activities included socialization and training sessions on AI-based applications such as facial recognition, attendance systems, and student nutrition management tools. A one-group pretest–posttest design was employed to evaluate management competence before and after the training. The analysis showed a significant increase in participants’ scores from the pretest (23.86 ± 3.34) to the posttest (45.06 ± 1.56), with Z = –6.166 and p < 0.001. This improvement contributed to more efficient student attendance tracking, optimized data-based nutrition management, and motivated participants to integrate technology into pesantren administration. The practical implication of this program is the need for continuous training to expand further the adoption of artificial intelligence in other Islamic boarding schools.
Genetic Algorithm for Optimizing Footwear Logistics Distribution Using the Capacitated Vehicle Routing Problem (CVRP) Marodiyah, Inggit; Kurnianingtyas, Diva; Daud, Nathan; Sari, Indah Apriliana; Taurusta, Cindy
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 23, No 1 (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/sitekin.v23i1.37620

Abstract

Micro, small, and medium enterprises (MSMEs) are important economic drivers for Indonesia, especially in labor-intensive sectors like footwear manufacturing. MSMEs, though, face acute logistical problems because of heterogeneous customer demand, limited production capacity, and ever-increasing transportation costs. Few existing works have focused on monthly logistics planning for MSMEs in developing countries with realistic costing and demand structures. To develop and analyze a Genetic Algorithm (GA) optimization model to maximize profit within a constrained monthly footwear profit distribution network. To achieve this, we needed to assess how multi-retailer product allocation balance could be achieved with minimum operational constraints such as production caps, cost-efficient logistics, and streamlined processes. This study employed a quantitative experimental design approach and implemented a GA with real-valued chromosome representation, tournament selection, single-point crossover, and Gaussian mutation. The model was built using real data from a footwear MSME operating in the Lamongan and Tulungagung regions of Indonesia. The algorithm was implemented using Python and tested for reliability with 10 executed validations for independence. Within 60 generations, the GA maintained consistent convergence and achieved a final fitness value with a coefficient of variation of 0.24%. The optimized allocation achieved a net profit margin of 15.22% while utilizing the available production capacity (600 units/month). Because of increased profit contribution, greater-distance wholesale customers were served first despite incurring higher transport costs. The model had no constraint violation and reduced transportation costs to 1.45% of total revenue. Using GA to address multi-objective distribution challenges in the context of MSMEs appeared to have positive results, confirming the effectiveness of this approach. The proposed approach helps frame and guide critical allocation and routing decisions, which can be made within the boundaries of operational constraints. Further work is needed to incorporate stochastic demand modelling and multi-objective problem extensions and seek real-time application to bolster support for decision-making in dynamic scenarios.
From concrete jungles to urban gardens: AI-powered solutions for sustainable food production in cities Widjanarko, Alexander Imanuel; Daud, Nathan; Kurnianingtyas, Diva
Journal of Biopesticides and Agriculture Technology Vol. 2 No. 1: (February) 2025
Publisher : Institute for Advanced Science, Social, and Sustainable Future

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61511/jbiogritech.v2i1.2025.2545

Abstract

Introduction: Urban agriculture in Indonesia faces critical challenges including agricultural land conversion, aging farmer workforce (39% over 55 years, only 21% millennials), and rural urban inequality. While deep learning technologies prove effective for agricultural optimization, Indonesia lags neighboring countries due to regulatory ambiguity, limited incentives, and low youth participation. This study develops Urfalogy, an artificial intelligence powered platform addressing three primary urban farming constraints: limited space, insufficient capital, and inadequate technology. Methods: This research employed Agile software development methodology integrated with deep learning. The You Only Look Once version 8 (YOLOv8) algorithm was utilized for environmental object detection and segmentation. Dataset preprocessing included multiple augmentation techniques: scaling, geometric transformation, brightness adjustment, contrast and color saturation modifications. The platform integrates nine features: artificial intelligence layout designer, plant variety recommender, plant health detection, soil monitoring with internet of things sensors, e-commerce, real time expert consultation, appointment scheduling, interactive tutorials, and analytics dashboard. Finding: Model training achieved optimal performance metrics at epoch 100: segment loss of 0.56756, recall of 90.01%, and mean Average Precision at intersection over union 0.50 (mAP50) of 90.715%. During inference, the model successfully identified environmental components (ceiling, wall, floor), enabling precise spatial mapping for garden layout design. The integrated platform demonstrates comprehensive end to end capability supporting complete urban farming workflow from planning through sales. Conclusion: Urfalogy represents a transformative solution effectively bridging Indonesia's urban agriculture gap through artificial intelligence, Internet of Things integration, and human centered design, significantly advancing sustainability, food security, and economic opportunities. Novelty/Originality of this article: This research uniquely combines deep learning-based spatial optimization with comprehensive platform ecosystem design, integrating YOLOv8 environmental analysis with real-time consultation and e-commerce, addressing specific technological, economic, and accessibility barriers in Indonesian urban agriculture.
Evaluasi Faktor Keberhasilan Implementasi Website Beasiswa dengan Model DeLone and McLean untuk Peningkatan Kepuasan Pengguna Pramesthi, Nisriina Dyan; Sianturi, Riswan Septriayadi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan pada jurnal: JIEET
Analisis Segmentasi Pelanggan Pada Industri Laundry Menggunakan Metode K-Means Clustering Untuk Rekomenasi Strategi Pemasaran Fauzi, Mohammad; Wicaksono, Satrio Agung; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini menghasilkan segmentasi pelanggan pada industri laundry berdasarkan pola transaksi menggunakan metode K-Means Clustering. Hasil pengujian menunjukkan bahwa kombinasi evaluasi Elbow Method, Silhouette Score, dan Davies-Bouldin Index (DBI) mengindikasikan jumlah klaster optimal sebanyak dua klaster (k = 2). Pemilihan jumlah klaster ini didukung oleh nilai Silhouette Score tertinggi serta nilai DBI terendah yang mencerminkan pemisahan klaster yang baik dan stabil. Klaster pertama menunjukkan kelompok pelanggan dengan tingkat frekuensi transaksi dan nilai total transaksi yang lebih tinggi dibandingkan klaster lainnya. Kelompok ini berkontribusi besar terhadap pendapatan dan menunjukkan pola transaksi yang konsisten. Sementara itu, klaster kedua merepresentasikan pelanggan dengan frekuensi transaksi dan nilai transaksi yang relatif lebih rendah, yang mengindikasikan tingkat keterlibatan pelanggan yang masih terbatas. Hasil segmentasi ini memberikan gambaran yang jelas mengenai perbedaan perilaku pelanggan dalam industri laundry. Temuan penelitian menunjukkan bahwa hasil klaster dapat dimanfaatkan sebagai dasar dalam penyusunan strategi pemasaran yang lebih terarah, seperti pemeliharaan pelanggan bernilai tinggi serta pengembangan program promosi untuk meningkatkan aktivitas pelanggan bernilai rendah. Dengan demikian, segmentasi berbasis data transaksi mampu mendukung pengambilan keputusan strategis secara lebih efektif dan terukur.
Optimalisasi Strategi untuk Healthtech Customer Relationship Management (CRM) melalui Analisis Segmentasi Pelanggan B2B Menggunakan Metode K-Means dan Customer Lifetime Value (CLV) Mauluda Wildani, Barik; Wicaksono, Satrio Agung; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini bertujuan mengoptimalkan strategi Customer Relationship Management (CRM) pada startup healthtech di Indonesia melalui pendekatan analitik berbasis data dengan menerapkan segmentasi pelanggan B2B menggunakan metode K-Means serta estimasi Customer Lifetime Value (CLV). Permasalahan yang melatarbelakangi penelitian ini adalah praktik CRM yang masih bersifat generik sehingga belum mampu mengakomodasi perbedaan nilai ekonomi dan karakteristik pelanggan dalam pengambilan keputusan operasional, khususnya terkait alokasi sumber daya dan program retensi. Penelitian ini menggunakan pendekatan kuantitatif dengan menganalisis 101 akun pelanggan B2B melalui tahapan pra-pemrosesan data, analisis eksploratif, penentuan jumlah klaster optimal menggunakan metode Elbow dan Silhouette Score, visualisasi klaster melalui Principal Component Analysis (PCA), serta estimasi CLV secara agregat berdasarkan total nilai kontrak pada masing-masing klaster. Hasil penelitian menunjukkan terbentuknya 3 klaster pelanggan dengan karakteristik dan kontribusi ekonomi yang berbeda secara signifikan. Klaster bernilai tinggi memerlukan strategi CRM yang berfokus pada retensi dan penguatan hubungan jangka panjang, klaster bernilai menengah menunjukkan potensi pengembangan nilai, sementara klaster bernilai rendah memerlukan pendekatan CRM berbasis efisiensi. Dibandingkan dengan praktik CRM sebelumnya, pendekatan berbasis segmentasi dan CLV memberikan dasar yang lebih objektif dan terukur dalam penetapan prioritas pelanggan, alokasi sumber daya, serta perumusan kebijakan operasional yang berkelanjutan pada industri healthtech.
Penerapan Metode Fuzzy Analytic Hierarchy Process (FAHP) untuk Rekomendasi Prioritas Perbaikan Usability Aplikasi Gapura UB Ayu Wulandari, Beby; Chandra Saputra, Mochamad; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Aplikasi Gapura Universitas Brawijaya adalah aplikasi layanan akademik terintegrasi yang digunakan civitas akademika Universitas Brawijaya, khususnya mahasiswa. Aplikasi tersebut memiliki permasalahan terkait usability yang memengaruhi pengalaman pengguna berdasarkan ulasan pengguna di Google Play Store. Penelitian ini bertujuan untuk menerapkan metode Fuzzy Analytic Hierarchy Process (FAHP) dalam menentukan prioritas faktor usability yang perlu diperbaiki pada aplikasi Gapura Universitas Brawijaya berdasarkan ulasan pengguna. Penelitian ini menggunakan pendekatan text mining terhadap ulasan pengguna yang didapatkan dari Google Play Store. Ulasan tersebut diproses kemudian dipetakan ke dalam faktor usability berdasarkan standar ISO 9241-11, yaitu efficiency, effectiveness, dan satisfaction. Metode FAHP selanjutnya diterapkan untuk melakukan pembobotan faktor usability guna menentukan prioritas perbaikan. Hasil penelitian menunjukkan bahwa aspek efficiency memiliki bobot tertinggi sebesar 0,569, diikuti oleh aspek effectiveness sebesar 0,430, sedangkan aspek satisfaction memiliki bobot 0. Beberapa permasalahan usability yang ditemukan dari ulasan pengguna, seperti kegagalan login, error sistem, keterbatasan akses fitur utama, serta ketidakandalan notifikasi layanan akademik, digunakan sebagai konteks permasalahan yang memengaruhi faktor usability tersebut. Berdasarkan hasil pembobotan FAHP, rekomendasi perbaikan difokuskan pada aspek efficiency dan effectiveness dengan mengacu pada guideline usability yang relevan.
Implementasi Sistem Inferensi Detak Jantung Berbasis Long Short-Term Memory (LSTM) pada Perangkat Mobile Fadilah Mi'roj, Muhammad; Pramukantoro, Eko Sakti; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit kardiovaskular masih menjadi salah satu penyebab utama kematian secara global, sehingga mendorong pengembangan sistem pemantauan detak jantung berbasis elektrokardiogram (ECG) yangmampu beroperasi secara real-time. Perkembangan perangkat mobile dan wearable menjadikan pendekatan on-device inference semakin relevan karena dapat menurunkan latensi, mengurangi ketergantungan jaringan, serta menjaga privasi data. Namun, sebagian besar penelitian klasifikasi detak jantung berbasis machine learning masih berfokus pada akurasi model, sementara evaluasi kinerja komputasi sistem inferensi ECG pada perangkat mobile masih terbatas. Penelitian ini bertujuan untuk merancang dan mengevaluasi kinerja sistem inferensi detak jantung real-time berbasis stream processing yang dijalankan secara on-device pada perangkat Android. Sistem menggunakan data ECG dari sensor Polar H10 dan memanfaatkan model Long Short-Term Memory (LSTM) terlatih dari penelitian sebelumnya yang dikonversi ke format TensorFlow Lite. Pengembangan dilakukan dengan pendekatan prototyping iteratif, mencakup akuisisi sinyal ECG, preprocessing, deteksi R-peak,segmentasi detak jantung, serta proses inferensi. Evaluasi kinerja difokuskan pada parameter waktu inferensi, penggunaan CPU, penggunaan memori (RAM), dan throughput sistem. Hasil eksperimenmenunjukkan waktu inferensi rata-rata sebesar 34,79 ms, penggunaan RAM sebesar 13,04 MB, penggunaan CPU sebesar 17,05%, serta throughput sebesar 1,65 inferensi per detik. Temuan ini memberikan gambaran empiris mengenai kelayakan dan karakteristik kinerja sistem inferensi detak jantung real-time berbasis machine learning pada perangkat mobile.
Analisis Pengalaman Pengguna pada Chatbot AI dengan Metode User Experience Questionnaire (UEQ) untuk Rekomendasi Pemilihan Chatbot Sesuai Kebutuhan Mahasiswa Alrum, Chaizhar Zaky; Hanggara, Buce Trias; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 3 (2026): Maret 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan kecerdasan buatan (Artificial Intelligence/AI) mendorong pemanfaatan chatbot sebagai alat bantu akademik di kalangan mahasiswa. Dua chatbot AI yang banyak digunakan saat ini adalah ChatGPT dan Perplexity, yang memiliki fungsi serupa namun berbeda dalam penyajian informasi dan pola interaksi. Perbedaan tersebut berpotensi menghasilkan pengalaman pengguna yang berbeda. Penelitian ini bertujuan untuk menganalisis dan membandingkan pengalaman pengguna ChatGPT dan Perplexity di kalangan mahasiswa Universitas Brawijaya menggunakan metode User Experience Questionnaire (UEQ), serta memberikan rekomendasi pemilihan chatbot sesuai kebutuhan akademik. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik purposive sampling terhadap 100 mahasiswa S1 Universitas Brawijaya yang pernah menggunakan kedua chatbot. Data dikumpulkan melalui kuesioner UEQ yang mencakup enam variabel, yaitu attractiveness, perspicuity, efficiency, dependability, stimulation, dan novelty. Analisis data dilakukan menggunakan UEQ Data Analysis Tool yang meliputi benchmarking dan uji statistik Two Sample T-Test.  Hasil penelitian menunjukkan bahwa ChatGPT memperoleh nilai mean lebih tinggi dibandingkan Perplexity pada setiap variabelnya. Namun, perbedaan signifikan hanya terdapat pada variabel attractiveness dan perspicuity. Berdasarkan hasil tersebut, ChatGPT direkomendasikan untuk kebutuhan pembelajaran dan pendamping akademik, sementara Perplexity lebih mendukung kebutuhan pencarian informasi dan referensi akademik.
Co-Authors Abilo, Steven Hansel Adimoelja, Ariawan Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Alrum, Chaizhar Zaky Anam, Muhammad Haris Khoirul Arief Andy Soebroto Ayu Wulandari, Beby Bajsair, Fath' Hani Sarli Bayu Rahayudi Candra Dewi Chandra Saputra, Mochamad Daud, Nathan Dian Purnamasari Dimas Kurniawan Dyan Putri Mahardika, Dyan Putri Edy Santoso Eko Sakti Pramukantoro, Eko Sakti Fabiano, Stefanus Fadilah Mi'roj, Muhammad Geoffrey Manurung, Daniel Hanggara, Buce Trias Hanif, Haidar Huda, Fais Al Ika Amalia Kartika Imam Cholissodin Indriati Indriati Indriati K., Dwi Angraeni Karsanto, Daniel Gifted Kirana, Naufal Laksana Kohei Arai Lailil Muflikhah Mahmudy, Wayan Marji Marji Marodiyah, Inggit Mauluda Wildani, Barik Mohammad Fauzi Mohammad, Luthfansyah Muh. Arif Rahman Muhammad Luqman Hakim, Muhammad Luqman Mukhrodi, Dillah Lyra Naufal, Muhammad Jilan Novanto Yudistira Pramesthi, Nisriina Dyan Prasetyo, Dimas Fajar Pratama, Aditya Rizki Putra, I Gusti Ngurah Mayun Suryatama Giri Rahadi, Cakra W.K. Rahadi, Shinta J.A. Rahardian, Brillian Aristyo Ramadhan, Mohammad Haikal Ramadhan, Noval Raihan Rina Rina Riswan Septriayadi Sianturi Rudianto, Amadeo Muhammad Augie Sari, Indah Apriliana Satrio Agung Wicaksono Soebroto, Arief Andi Sukma, Lintang Cahyaning Syafira, Putri Amanda Taurusta, Cindy Tusty Nadia Maghfira, Tusty Nadia Virliani, Putri Wayan Firdaus Mahmudy Widjanarko, Alexander Imanuel Yulfani, R. D.