Article Per Year (5 Year)
p-Index From 2021 - 2026
2.195
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor JOIN (Jurnal Online Informatika) MAJAMATH: Jurnal Matematika dan Pendidikan Matematika M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika JTIK (Jurnal Teknik Informatika Kaputama) JISA (Jurnal Informatika dan Sains) Abdimasku : Jurnal Pengabdian Masyarakat JURNAL ABDI MASYARAKAT INDONESIA (JAMIN) Metrik Serial Humaniora dan Sains Jurnal Pengabdian Sosial
Pujiastuti, Christina Eni
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
EVALUATION OF PARTICLE SWARM ALGORITHM MODIFICATIONS ON SUPPORT VECTOR MACHINE HYPERPARAMETER OPTIMIZATION TUNING FOR RAIN PREDICTION Putri, Aina Latifa Riyana; Riyono, Joko; Pujiastuti, Christina Eni; Supriyadi
Jurnal Ilmiah Kursor Vol. 12 No. 4 (2024)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v12i4.411

Abstract

The Particle Swarm Optimization (PSO) algorithm, though simple and effective, faces challenges like premature convergence and local optima entrapment. Modifications in the PSO structure, particularly in acceleration coefficients (  and ), are proposed to address these issues. Techniques like Time Varying Acceleration Coefficients (TVAC), Sine Cosine Acceleration Coefficients (SCAC), and Nonlinear Dynamics Acceleration Coefficients (NDAC) have been implemented to enhance convergence speed and solution quality. This research evaluates various PSO modifications for improving convergence and robustness in rainfall potential prediction using Support Vector Machine (SVM) classification. The UAPSO-SVM algorithm C=0.82568 and γ=0.01960 excels in initial exploration, discovering more optimal global solutions with smaller variability. In contrast, TVACPSO-SVM shows gradual improvement but requires more iterations for stability, while SBPSO-SVM achieves the fastest convergence at iteration 14 but risks overfitting. Robustness analysis reveals all PSO-SVM variants maintain stable performance despite variations in dataset subset sizes, with accuracy stabilizing after a spike at 20%.. Therefore, PSO modifications enhance convergence speed and resilience to data fluctuations, improving their effectiveness for rainfall prediction.  
Customer Segmentation Analysis Using Random Forest & Naïve Bayes Method In The Case of Multi-Class Classification at PT. XYZ Puspa, Sofia Debi; Puspitasari, Fani; Riyono, Joko; Pujiastuti, Christina Eni; Bijlsma, David Leon; Leo, Joseph Andrew
Mathline : Jurnal Matematika dan Pendidikan Matematika Vol. 8 No. 4 (2023): Mathline: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas Wiralodra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31943/mathline.v8i4.532

Abstract

Cases of the COVID-19 pandemic are gradually decreasing every day in Indonesia, but the impact of the COVID-19 pandemic has greatly affected various sectors, especially the economy and business. Sales transactions have not yet reached the company's target due to weak public purchasing power. The accuracy of customer segmentation analysis and attractive promo voucher offers are needed to increase the opportunity for people's purchasing power for a product. This study aimed to predict the level of customer purchasing power using the random forest and naïve Bayes methods in the case of multi-class data classification at PT. XYZ. The classification is carried out to determine the type of promo voucher suitable to be offered to customers according to the level of customer purchasing power. The data used is historical daily transaction data from January 1, 2022, to December 31, 2022, which is the transition period for the COVID-19 pandemic. Evaluation using the random forest method produces an accuracy of 99.99%, while the naïve Bayes method produces an accuracy of 92.99%. The random forest and naïve Bayes methods can work very well on large data volumes. However, from the comparison results, it can be concluded that the performance of the random forest method is better than the naïve Bayes method in the multi-class classification case in predicting the level of customer purchasing power at PT. XYZ.
Decision Tree for Determining Hospital Treatment for Covid-19 Patients Based on Hematology Parameters Using the C5.0 Algorithm Riyono, Joko; Pujiastuti, Christina Eni; Supriyadi, Supriyadi; Prayitno, Dody; Putri, Aina Latifa Riyana
JISA(Jurnal Informatika dan Sains) Vol 7, No 2 (2024): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v7i2.2103

Abstract

The rapid spread of the COVID-19 disease, which occurred globally from late 2019 to the early 2020s, significantly impacted communities worldwide, requires early detection of COVID-19 which is very important for patients and also the people around them to be able to fight the COVID-19 pandemic. Therefore, a classification analysis will be carried out to make decisions regarding determining COVID-19 patients who do not require hospitalization or who require Regular Ward, Semi-Intensive Care Unit, or Intensive Care Unit (ICU) in hospitals based on hematology parameters from the Machine Learning Repository. Kaggle Dataset uses the C5.0 algorithm assisted by Rstudio software. It is also known that because the data contains missing data, it is also necessary to handle missing data using the Mean Method assisted by SPSS software. Performance evaluated using the Confusion Matrix method produces an accuracy value of 78% which is considered quite good, where testing with the C5.0 Algorithm uses a training and testing data ratio of 40:60. This research simplifies and speeds up medical decision-making, improving patient management. With COVID-19 declining, the method can be applied to enhance healthcare systems' accuracy and efficiency in handling other diseases or emergencies, ensuring better preparedness for future challenges.
Literasi Data Dengan Pembuatan Dashboard Dan Visualisasi Data Pada Data Runtun Waktu Dengan Looker Studio Dan RStudio riyono, joko; Pujiastuti, Christina Eni; Supriyadi, Supriyadi; Putri, Aina Latifa Riyana; Puspa, Sofia Debi
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 2 (2025): MEI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i2.2656

Abstract

Revolusi Industri 4.0 telah membawa pesatnya perkembangan teknologi informasi dan memberikan dampak besar pada berbagai bidang termasuk industri. Pilar teknologi terpenting dalam Revolusi Industri 4.0 meliputi big data, kecerdasan buatan, Internet of Things, komputasi awan, dan manufaktur aditif. PKM ini diadakan sebagai upaya dalam menambah kemampuan pengolahan dan visualisasi data khususnya di Runtun Waktu sehingga laporan menjadi menarik dan interaktif bagi mitra. Mitra PKM ini terdiri dari guru dan Gen Z dari wilayah Jabodetabek. PKM ingin agar Mitra PKM dapat memperoleh wawasan dan pengetahuan dari data yang kompleks serta memantau kondisi bisnis dan bidang lainnya yang dapat terupdate secara real time. Guna mengukur kemampuan Mitra sebelum dan sesudah mengikuti pelatihan, maka setiap Mitra PKM diminta menjawab Quiz sebelum dan sesudah pelatihan. Didasarkan hasil quiz dan kuesioner yang diberikan peserta PKM, sebanyak 85% setara dengan 110 dari total 130 peserta menilai bahwasanya pelaksanaan PKM berjalan dengan baik dan memberikan saran agar pelatihan dapat dilanjutkan dengan topik lain untuk menambah wawasan peserta di era digitalisasi saat ini. 
Enchancing Lung Disease Classification through K-Means Clustering, Chan-Vese Segmentation, and Canny Edge Detection on X-Ray Segmented Images Riyono, Joko; Pujiastuti, Christina Eni; Puspa, Sofia Debi; Supriyadi; Putri, Fayza Nayla Riyana
JOIN (Jurnal Online Informatika) Vol 9 No 1 (2024)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v9i1.1178

Abstract

The lungs are one of the vital organs in the human body. Not only play a role in the respiratory system, the lungs are also responsible for the human circulatory system. Supporting examinations can also facilitate medical workers in determining the diagnosis. Usually a lung examination is complemented by a chest X-ray examination procedure. This examination aims to see directly and assess the severity of lung conditions. With current technological advances, image analysis can be done easily. Through digital image processing methods, information can be obtained from images that can be used for analysis as a support for diagnoses in the world of health. Image segmentation is a method in which digital images are divided into several segments or subgroups based on the characteristics of the pixels in the image. In this study, clustering with the K-Means method will be carried out on the results of segmentation of x-ray images of lung diseases, namely Covid-19, Tuberculosis, and Pneumonia. The segmentation method that will be implemented is the Chan-Vese Method and the Canny Edge Detection Method. This research shows that the results of the accuracy of applying the K-Means Clustering method to Chan-Vese and Canny Edge-Based Image Segmentation are 80%.
The PENINGKATAN KETERAMPILAN GURU MELALUI PELATIHAN DASAR CODING & ANALISIS DATA STATISTIK UNTUK MENDUKUNG REVOLUSI INDUSTRI 4.0 Puspa, Sofia Debi; Riyono, Joko; Puspitasari, Fani; Pujiastuti, Christina Eni
Jurnal Abdi Masyarakat Indonesia (JAMIN) Vol 4 No 2 (2022): JURNAL ABDI MASYARAKAT INDONESIA (JAMIN)
Publisher : Universitas Trisakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25105/jamin.v4i2.14132

Abstract

Seiring dengan perkembangan Revolusi Industri 4.0 di Indonesia, banyak sektor yang berdampak akibat Revolusi Industri 4.0 salah satunya yaitu pada bidang pendidikan. Dalam mewujudkan SDM unggul Indonesia yang mampu beradapatasi dengan perkembangan teknologi dibutuhkan kemampuan berpikir tingkat tinggi, berpikir kritis, kreatif dan inovatif. Selain itu, kemampuan computational thinking, dasar pemrograman komputer (coding) serta kemampuan analisis data statistik juga akan dibutuhkan. Tujuan dari kegiatan pelatihan dasar coding dan analisis data statistik adalah untuk meningkatkan pengetahuan dan meningkatkan keterampilan guru terkait dasar coding dan analisis data statistik dalam rangka mendukung Revolusi Industri 4.0. Kegiatan ini diikuti oleh 55 peserta dan pelatihan dilaksanakan secara daring. Berdasarkan hasil analisis kuantitatif dengan menggunakan data nilai pre-test dan post-test pada uji t berpasangan diperoleh p-value sebesar 0.00 lebih kecil dari taraf signifikansi (5%) sehingga H0 ditolak maka terdapat perbedaan yang signifikan antara rata-rata kemampuan sebelum dan sesudah pelatihan. Diketahui peningkatan rata-rata kemampuan peserta pelatihan sebesar 37.109 atau sekitar 88.7% dari rata-rata sebelum pelatihan.
Pelatihan Aplikasi Matematik Maple Untuk Kalkulus Satu Peubah Bagi Guru Matematika Pujiastuti, Christina Eni; Supriyadi, Supriyadi; Riyono, Joko; Syaifudin, Syaifudin
Jurnal Pengabdian Sosial Vol. 1 No. 5 (2024): Maret
Publisher : PT. Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/772edf53

Abstract

Di era globalisasi, pengumpulan informasi akan lebih mudah dibandingkan sebelum adanya Internet. Guna mendapatkan informasi kita dapat dengan mudah memperolehnya dari Internet, demikian juga para pelajar. Banyak materi matematika baik teori maupun latihan soal dengan solusinya yang dapat di akses dilengkapi penyelesaian menggunakan perangkat lunak atau software matematika. Oleh karena itu, guru tidak boleh ketinggalan pengetahuannya dibidang pemakaian software matematika dari siswanya. Selain belajar mandiri melalui internet, guru juga dapat meningkatkan pengetahuan atau keterampilannya dengan mengikuti pelatihan penggunaan software matematika yang ada.Tujuan dari pelatihan software Maple adalah untuk membekali guru dengan pengetahuan dan keterampilan dalam menggunakan software Maple untuk membantu mereka dalam tugas-tugas seperti membuat jawaban atas pertanyaan tentang fungsi, limit fungsi, turunan, grafik fungsi, mengintegrasikan fungsi dan penerapannya. Setelah menyelesaikan pelatihan ini, pengetahuan siswa meningkat yang ditunjukkan dengan peningkatan skor dalam menjawab pertanyaan sebelum dan sesudah tes dengan benar.Berdasarkan kuesioner, responden sangat setuju bahwa pelatihan menambah pengetahuan, pemahaman dan keterampilan serta relevan dengan kebutuhan mereka.Pelatihan ini juga memberikan manfaat bagi panitia, khususnya dalam penyusunan modul untuk mengembangkan materi pelatihan dan luaran lainnya dalam bentuk dokumen.
Pelatihan Pengolahan Data Penelitian: Estimasi Parameter dan Analisa Regresi Menggunakan R Untuk Guru SMA Di Jakarta dan Sekitarnya riyono, joko; Pujiastuti, Christina Eni; Syaifudin, - -; Puspa, Sofia Debi
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 6, No 3 (2023): September 2023
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v6i3.1567

Abstract

Kompetensi Pengolahan Data Penelitian sangat diperlukan oleh pendidik terkait dengan kewajiban dalam penulisan naskah ilmiah sebagai prasyarat kenaikan pangkat. Guru sebagai ujung tombak kemajuan pendidikan di Indonesia diharapkan mempunyai pengetahuan yang bagus dalam pengolahan data penelitian guna menambah kemampuan dalam melukakan kegiatan penelitian tindakan.  Bahasa R   merupakan perangkat lunak terpadu open source yang dapat digunakan untuk manipulasi data, kalkulasi, simulasi dan peragaan grafik. Dalam rangka memberikan tambahan pengetahuan pengolahan data penelitian memanfaatkan open source R kepada para Guru  Sekolah Menengah Atas di wilayah Jakarta dan sekitarnya maka progam Pengabdian Kepada Masyarakat ini diberikan kepada mereka. Penyampaian materi dalam pelatihan ini dilakukan secara daring  menggunakan Zoom Meeting diikuti dengan sesi diskusi dan tanya jawab. Berdasarkan  hasil pre test dan post test  para peserta, terlihat kenaikan pengetahuan peserta dalam pemahaman pemakaian Bahasa R untuk pengolahan data penelitian dari skor nilai 3.095 menjadi 6,782. Guna mengetahui pendapat peserta mengenai manfaat yang diperoleh dengan mengikuti pelatihan PKM maka diakhir pelatihan para peserta diminta mengisi kuesioner,diperoleh  Nilai Indeks skala Likert 88,122% yang mengisyaratkan bahwasannya pelaksanaan pelatihan baik mengenai materi dan cara penyampaiannya dirasa sangat dapat diikuti oleh mitra.
CLUSTERING NEGARA BERDASARKAN SKOR PENGENDALIAN KONSUMSI TEMBAKAU MENGGUNAKAN ALGORITMA DBSCAN Joko Riyono; Pujiastuti, Christina Eni; Putri, Aina Latifa Riyana
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 8 No. 1 (2024): Volume 8, Nomor 1, Januari 2024
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v8i1.342

Abstract

Smoking is an activity that has a detrimental impact on the health of individuals, families, communities and the environment, both directly and indirectly. Therefore, it is necessary to control global tobacco consumption. The World Health Organization (WHO) in the Framework Convention on Tobacco Control (FTCT) developed the MPOWER strategy: a which countries can use to control tobacco consumption. In this study a clustering analysis of tobacco use control will be carried out based on the MPOWER score: a from WHO for each country using the Density Based Spatial Clustering of Applications with Noise (DBScan) algorithm. DBSCAN is a cluster formation algorithm based on the level of distance density between objects in a dataset. Using a density radius of 1.72 with a minimum point of 4 objects obtained from the kNNdisplot function on Rstudio produces 4 clusters, 75 data as noise, and the Davies Bouldin-Index value as the best cluster validity is 1.08118.
STUDI KASUS: SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN SOSIAL MENGGUNAKAN SIMPLE ADDITIVE WEIGHT Riyono, Joko; Pujiastuti, Christina Eni; Putri, Fayza Nayla Riyana
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v7i1.36

Abstract

Wabah Covid-19 yang melanda di hampir penjuru belahan dunia saat ini, tidak hanya memberikan efek yang buruk pada sistem kesehatan masyarakat dunia tetapi juga telah memporak porandakan kestabilan perekonomian di berbagai negara, Indonesia sebagai satu diantara negara berkembang juga mengalami masalah perekonomian sebagai akibat Covid-19. Pemerintah Indonesia telah berupaya dengan berbagai cara melakukan perbaikan perekonomian diantaranya pemberian bantuan sosial kepada masyarakat terdampak Covid-19. Sebagai akibat keterbatasan dana yang dimiliki pemerintah, maka diperlukan suatu sistem pendukung keputusan untuk penyebaran bantuan sehingga bantuan yang diberikan akan tepat sasaran. Metode Simple Additive Weighting (SAW) merupakan satu metode yang dapat digunakan dalam proses sistem pendukung keputusan. Dalam tulisan ini, Metode Simple Additive Weighting akan digunakan untuk proses penentuan pengambilan keputusan pemberian bantuan sosial Covid-19 didasarkan pada lima kriteria yaitu penghasilan, bangunan tempat tinggal, moda transportasi yang digunakan, tingkat pendidikan dan penerangan yang digunakan. Hasil penelitian ini menunjukkan bahwa dengan metode SAW (Simple Additive Weighting), calon penerima bantuan sosial dapat ditentukan dengan hasil yang yang lebih efektif dan akurat
Co-Authors Aina Latifa Riyana Putri Bijlsma, David Leon Dody Prayitno Joko Riyono Leo, Joseph Andrew Puspa, Sofia Debi Puspitasari, Fani Putri, Fayza Nayla Riyana Supriyadi Supriyadi Supriyadi Syaifudin Syaifudin, Syaifudin Syaifudin, - -