Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Communications in Science and Technology JURSIMA (Jurnal Sistem Informasi dan Manajemen) JIIP (Jurnal Ilmiah Ilmu Pendidikan)
Yusta, Afrasim
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Library & Information Science Mathematics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI APLIKASI E-COMMERCE BERBASIS WEB Hendriyati, Penny; Yusta, Afrasim
JURSIMA (Jurnal Sistem Informasi dan Manajemen) Vol 9 No 1 (2021): Jursima Vol. 9 No. 1, April Tahun 2021
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer GICI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v9i1.232

Abstract

Aplikasi e-commerce berbasis web memudahkan pelaku usaha toko online mempromosikan produknya dan mempermudah customer untuk mendapatkan informasi tentang produk yang dimiliki penjual. Peran sistem informasi secara online saat ini dimanfaatkan sebagai sarana peningkatan informasi. Nayadicka OlShop merupakan usaha rumahan yang menjual butik, pemiliknya bernama Nayadicka. Selama ini, Keterbatasan pemasaran produk menjadi kendala penjual di dalam meningkatkan omset penjualan sistem pengolahan penjualan yang kurang optimal, dan sulitnya menjangkau customer serta pembuatan laporan yang masih manual menjadi suatu dampak yang buruk bagi pemilik toko sehingga laporan data penjualan produk menjadi terhambat. Tujuan dari penelitian ini adalah untuk meningkatkan mutu pelayanan Nayadicka OlShop, mengatasi permasalahan penjualan, memberikan efektifitas dan efisiensi dalam tenaga dan waktu, meningkatkan jangkauan penjualan di ruang lingkup yang lebih luas dan mempermudah proses penyajian data. Metode yang digunakan untuk penelitian ini adalah metode waterfall. Perancangan sistem menggunakan Diagram Konteks, Data Flow Diagram (DFD), bahasa pemrograman PHP dan database MySQL.Penelitian ini menghasilkan sebuah aplikasi e-commerce berbasis web yang memberikan informasi secara real time, laporan penjualan data produk, mempromosikan produk yang dijual secara lebih luas sehingga dapat meningkatkan penjualan dan dapat digunakan oleh customer dan admin Nayadicka OlShop kapanpun dan dimanapun secara efisien dan efektif . Kata Kunci : Perancangan Sistem, E-Commerce, Waterfall, Web
Pengaruh Penggunaan Media Pembelajaran Berbasis Web Terhadap Motivasi dan Hasil Belajar Mahasiswa STTIKOM Insan Unggul Herawati, Hetty; Yusta, Afrasim; Sianturi, Susy Katerina
JIIP - Jurnal Ilmiah Ilmu Pendidikan Vol. 4 No. 8 (2021): JIIP (Jurnal Ilmiah Ilmu Pendidikan)
Publisher : STKIP Yapis Dompu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (679.96 KB) | DOI: 10.54371/jiip.v4i8.346

Abstract

Tujuan dari penelitian ini adalah untuk mengetahui: 1) Pengaruh penggunaan media Pembelajaran Berbasis Web terhadap motivasi belajar Mahamahasiswa STTIKOM Insan Unggul 2) Pengaruh penggunaan media Pembelajaran Berbasis Web terhadap hasil belajar Mahasiswa STTIKOM Insan Unggul. Penelitian ini dilakukan dengan memberikan pembelajaran web untuk kelompok eksperimen dan pembelajaran konvensional untuk kelompok kontrol. Metode yang digunakan adalah demonstrasi. Setelah proses pembelajaran selesai, hasil belajar siswa akan diukur dengan tes dan motivasi dari siswa akan diukur dengan angket. Berdasarkan hasil analisis data yang diperoleh ini menunjukkan bahwa data pre-test serta data posttes motivasi kedua Kelas > 0,05, dengan demikian dapat dikatakan kedua data homogen. Selanjutnya dapat disimpulkan adanya peningkatan nilai rata-rata yang signifikan baik sebelum dan sesudah menggunakan media pembelajaran berbasis web. Hal ini menunjukkan bahwa penggunaan media pembelajaran berpengaruh positif terhadap motivasi dan hasil belajar mahasiswa.
Classification of Heart Disorders Using Deep Learning and Machine Learning Approaches Sumiati; Hendriyati, Penny; Dafa, Abdullah Hasan; Yusta, Afrasim; Sianturi, Susy Katarina
Communications in Science and Technology Vol 10 No 2 (2025)
Publisher : Komunitas Ilmuwan dan Profesional Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21924/cst.10.2.2025.1773

Abstract

Heart disorders persist a primary cause of mortality worldwide, underscoring the necessity for precise and effective diagnostic support systems. The objective of this study is to classify heart disorders employing a combination of deep learning and machine learning approaches based upon electrocardiogram (ECG) image data., The model’s performance was evaluated through 5-fold cross-validation per patient to ensure robust generalizability. The dataset comprised 486 ECG images from 284 patients. A total of six models were subjected to comparative analysis, including Support Vector Machine (SVM), VGG16, ResNet50, Custom CNN, Xception, and Inception-V3, by utilizing key evaluation metrics including accuracy, precision, recall, specificity, F1-score, and AUC-ROC. The experimental results demonstrated that Inception-V3 achieved the optimal overall performance, demonstrating a balance between sensitivity and precision. Furthermore, deep learning models generally outperformed traditional methods such as support vector machines (SVM). The mean performance across all models yielded an accuracy of approximately 78.6% and an AUC-ROC of 0.83, demonstrating reliable discrimination in cardiac disorder classification. Deep learning-based architectures, particularly Inception-V3 and Xception, demonstrated considerable potential in the development of automated and accurate diagnostic systems for the early detection of cardiac disorders. Future research could explore hybrid approaches and larger and more diverse datasets to enhance clinical applicability. This study provides improved accuracy and reliability in cardiac disorder classification by leveraging and comparing machine learning and deep learning approaches. The proposed model has been demonstrated to effectively capture complex patterns in medical data, thereby supporting early diagnosis and improving clinical decision-making.
Co-Authors Dafa, Abdullah Hasan Hendriyati, Penny Hetty Herawati Sianturi, Susy Katerina Sumiati Susy Katarina Sianturi