Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika JISA (Jurnal Informatika dan Sains) Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat dan aplikasi Teknologi
Pujiastuti, Christina Eni
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pelatihan Pembuatan Dashboard dan Visualisasi Data dengan Looker Studio untuk Penguatan Literasi Data dan Digital Puspa, Sofia Debi; Riyono, Joko; Pujiastuti, Christina Eni; Puspitasari, Fani
Jurnal Pengabdian Masyarakat dan aplikasi Teknologi Vol. 3, No. 2: October 2024
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.adipati.2024.v3i2.6272

Abstract

Revolusi Industri 4.0 membuat teknologi informasi berkembang dengan pesat sehingga membawa dampak yang sangat signifikan pada sektor industri. Pilar-pilar utama teknologi pada Industri 4.0 diantaranya Big Data, Artificial Intelligence, Cloud Computing, Internet of Things (IoT), dan lainnya. Dalam implementasi teknologi tersebut dibutuhkan persiapan SDM yang memiliki kemampuan penunjang seperti literasi data, literasi digital, high skill, kemampuan kolaborasi, dan kemampuan analitis yang baik. Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk penguatan literasi data dan digital melalui peningkatan keterampilan visualisasi data, pengolahan data, dan membuat dashboard menjadi interaktif dengan menggunakan Looker Studio. Sasaran PkM adalah guru dari multi-disiplin ilmu dan generasi Z di wilayah Jakarta dan sekitarnya. Kegiatan ini dilaksanakan secara daring yang diikuti oleh 130 peserta. Pelaksanaan PkM terdiri atas pre-test, penyampaian materi, dan post-test. Secara kuantitatif, evaluasi PkM diukur berdasarkan perbandingan hasil pre-test dan post-test. Diperoleh bahwa terdapat peningkatan rata-rata kemampuan peserta pelatihan sebesar 78,72% dari rata-rata sebelum pelatihan diberikan. Selain itu, evaluasi PkM juga dilihat secara kualitatif melalui kuesioner. Sebanyak 59,23% peserta menyatakan “Sangat Setuju” dan 36,15% menyatakan “Setuju” bahwa materi pelatihan bermanfaat untuk wawasan dan karir peserta. Melalui PkM ini diharapkan dapat meningkatkan keterampilan peserta dalam memperoleh insight dari data yang kompleks serta memonitoring laporan yang mampu diperbarui secara real time.Kata kunci: dashboard, literasi data, looker studio, visualisasi data
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. 
Optimalisasi AI secara Etis: Strategi Guru Meningkatkan Kualitas Karya Ilmiah untuk Menembus Jurnal Nasional Terakreditasi Puspa, Sofia Debi; Riyono, Joko; Pujiastuti, Christina Eni; Putri, Dianing Novita Nurmala; Putri, Aina Latifa Riyana
Jurnal Pengabdian Masyarakat dan aplikasi Teknologi Vol. 4, No. 2: October 2025
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.adipati.2025.v4i2.7910

Abstract

Penulisan karya ilmiah penting bagi guru untuk mendukung pengembangan ilmu dan peningkatan karir profesionalisme. Namun, guru sering mengalami kendala, seperti sulit menentukan topik, keterbatasan pemahaman struktur penulisan, serta keterbatasan penggunaan manajer referensi yang belum optimal. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk mengembangkan pengetahuan dan keterampilan guru dalam penulisan karya imiah serta meningkatkan literasi digital dalam pemanfaatan AI, seperti Elicit dan Research Rabbit, dengan tetap memperhatikan etika penulisan ilmiah. Pelatihan ini ditujukan bagi guru SMP di wilayah Tangerang dan Jakarta, dilaksanakan secara daring, dan diikuti oleh 82 peserta. Hasil evaluasi menunjukkan adanya peningkatan signifikan kemampuan peserta. Nilai rata-rata pre-test tercatat sebesar 46,48 dan meningkat menjadi 69,27 pada post-test. Uji t berpasangan menghasilkan p-value 0,000 kurang dari  0,05 yang menunjukkan adanya perbedaan signifikan antara kemampuan peserta sebelum dan sesudah mengikuti pelatihan. Secara kualitatif, 21,95% peserta menyatakan “sangat setuju” dan 68,29% “setuju” bahwa pelatihan ini bermanfaat dalam meningkatkan wawasan dan keterampilan menulis karya ilmiah.Kata kunci: artificial intelligence, etik, publikasi, teknologi
Co-Authors Bijlsma, David Leon Dody Prayitno Joko Riyono Leo, Joseph Andrew Puspa, Sofia Debi Puspitasari, Fani Putri, Aina Latifa Riyana Putri, Dianing Novita Nurmala Supriyadi Supriyadi Supriyadi