Article Per Year (5 Year)
p-Index From 2021 - 2026
2.426
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) Jurnal Pengabdian Masyarakat dan aplikasi Teknologi 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 : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
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
Literacy Review Study on the Implementation of Convolutional Neural Network Architecture in Segmentation and Classification of Lung Medical Images Riyono, Joko; Supriyadi, Supriyadi; Pujiastuti, Christina Eni; Puspa, Sofia Debi; Putri, Aina Latifa Riyana
JISA(Jurnal Informatika dan Sains) Vol 8, No 1 (2025): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v8i1.2172

Abstract

Medical image processing has become an essential aspect of healthcare, enabling accurate disease diagnosis and monitoring through advanced technologies. One of the most widely used methods in this domain is the Convolutional Neural Network (CNN), which has demonstrated high effectiveness in segmentation and classification tasks, particularly for chest X-ray images used in diagnosing lung-related diseases. This study aims to evaluate and analyze various CNN architectures implemented in lung X-ray imaging through a Systematic Literature Review (SLR) approach. The research explores the application, accuracy, challenges, and future opportunities of CNN-based models such as VGG, ResNet, AlexNet, and GoogLeNet. A total of 15 relevant studies published between 2019 and 2023 were selected after applying rigorous inclusion and exclusion criteria. The findings indicate that CNN architectures significantly enhance the accuracy of lung disease detection and support both segmentation and classification tasks. However, challenges such as dataset variability, model generalization, and ethical implications remain. This review provides comprehensive insights into CNN applications in medical imaging, emphasizing their potential and highlighting areas for further research.
Simulasi Clustering Provinsi di Indonesia dalam Penyebaran Covid-19 Berdasarkan Indikator Kesehatan Masyarakat Menggunakan Algoritma Gaussian Mixture Model Joko Riyono; Puspa, Sofia Debi; Pujiastuti, Christina Eni
MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Vol. 5 No. 1 (2022): Vol. 5 No. 1 Maret 2022
Publisher : Prodi Pendidikan matematika Universitas Islam Majapahit (UNIM), Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/majamath.v5i1.1699

Abstract

Gaussian Mixture Model adalah suatu metode yang mengkontruksikan Clustering suatu dataset menjadi beberapa kelompok data yang memiliki distribusi Gaussian atau Normal. Pada penelitian ini akan dibahas gagasan untuk menentukan Clustering penyebaran Covid-19 pada 34 provinsi di Indonesia menggunakan Gaussian Mixture Model berdasarkan nilai indikator kesehatan masyarakat. Mengingat masih berlangsungnya pandemi Covid-19 di beberapa provinsi di Indonesia hingga saat ini, penelitian ini dipilih dengan tujuan sebagai masukan kepada pemerintah selaku pembuat kebijakan untuk bahan acuan penanganan pandemi Covid-19 sehingga program-program pencegahan penyebaran Covid-19 di tiap provinsi dapat tertangani secara lebih optimal. Hasil analisis data diperoleh 6 cluster optimal yaitu cluster yang berpotensi sangat tinggi berisi 1 provinsi, tinggi 4 provinsi, sedang 13 provinsi, cukup rendah 4 provinsi, rendah 2 provinsi, sangat rendah 10 provinsi dalam penyebaran Covid-19.
ESTIMASI MODEL ARIMA DALAM MEMPREDIKSI PERGERAKAN HARGA PEMBUKAAN SAHAM PT. BNI TBK Riyono, Joko; Prayitno, Dody; Pujiastuti, Christina Eni
Metrik Serial Humaniora dan Sains Vol. 6 No. 2 (2025): Oktober
Publisher : Konsorsium Cendekiawan Indonesia

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

Abstract

Salah satu model yang populer dalam peramalan dengan pendekatan time series adalah Model Autoregressive Integrated Moving Average (ARIMA). Dalam penelitian ini ARIMA akan digunakan untuk memprediksi harga saham harian pembukaan PT.BNI.Tbk. Data yang akan digunakan merupakan data sekunder ,tepatnya data tentang nilai saham harian pembukaan (open Price) PT.Bank Negara Indonesia (Persero),Tbk. periode 8 April 2022 dengan harga pembukaan sebesar Rp 4.163,00 sampai dengan 19 Januari 2025 dengan harga pembukaan Rp 4.540,00 . Data diiolah menggunakan software R dan diperoleh hasil bahwa harga saham harian penutupan PT.BNI.Tbk mengikuti model ARIMA (0,1,2). Model ini digunakan untuk memprediksi harga saham harian pembukaan PT.BNI.Tbk pada 12 hari kedepan  ditanggal 31 januari 2025 dan hasil prediksi sebesar Rp 4.525,586.
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 Putri, Fayza Nayla Riyana Supriyadi Supriyadi Supriyadi Syaifudin Syaifudin, Syaifudin Syaifudin, - -