p-Index From 2021 - 2026
6.965
P-Index
This Author published in this journals
All Journal International Journal of Evaluation and Research in Education (IJERE) ComEngApp : Computer Engineering and Applications Journal Indonesian Journal of Electronics and Instrumentation Systems IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmu Komputer dan Informasi Jurnal Ilmiah Informatika Komputer Jurnal Simetris Jurnal Buana Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Intiqad: Jurnal Agama dan Pendidikan Islam Telematika : Jurnal Informatika dan Teknologi Informasi Scientific Journal of Informatics CESS (Journal of Computer Engineering, System and Science) Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Jurnal Fourier InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Proceeding of the Electrical Engineering Computer Science and Informatics JPSE (Journal of Physical Science and Engineering) Jurnal Teknologi dan Sistem Komputer Jurnal Informatika INTEGER: Journal of Information Technology Jurnal Matematika: MANTIK JURNAL MEDIA INFORMATIKA BUDIDARMA BAREKENG: Jurnal Ilmu Matematika dan Terapan JOURNAL OF APPLIED INFORMATICS AND COMPUTING JTAM (Jurnal Teori dan Aplikasi Matematika) Jurnal Informatika Universitas Pamulang JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Telematika Mathvision : Jurnal Matematika Building of Informatics, Technology and Science Transformasi : Jurnal Pendidikan Matematika dan Matematika Jurnal Mnemonic Majalah Ilmiah Matematika dan Statistika (MIMS) Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Serambi Engineering
Claim Missing Document
Check
Articles

Penerapan Metode Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM) dalam Memprediksi Prediksi Curah Hujan Harian Musfiroh, Musfiroh; Novitasari, Dian Candra Rini; Intan, Putroue Keumala; Wisnawa, Gede Gangga
Building of Informatics, Technology and Science (BITS) Vol 5 No 1 (2023): June 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v5i1.3114

Abstract

Since the last three years North Luwu has experienced frequent hydrological disasters in the form of floods and landslides. The disaster had a negative impact on the availability of clean water, failed to plant and even tended to reduce the quality of the harvest. Cocoa is one of the leading commodities of North Luwu Regency whose productivity has decreased due to the impact of climate change so that it will affect the sustainability of the local population's income. Therefore, the purpose of this research is to anticipate rainfall that will occur to prevent or reduce the risk of failure and loss. Principal Component Analysis (PCA) Method is used as feature extraction to find out the most influential variables and the Long Short-Term Memory (LSTM) method is used as a prediction method. Future rainfall is predicted using meteorological variables such as pressure, evaporation, maximum temperature, average humidity, and sunshine duration from 1 January 2017 to 30 September 2022. Based on the PCA results, 4 variables are obtained that have the most influence on rainfall, namely: variable evaporation, maximum temperature, average humidity, and length of sunlight. These variables are used as input to predict rainfall using LSTM. In this study using trial parameters, namely the number of hidden, batch size, and learn rate drop period. The best prediction results were obtained for MAPE of 0.0018 with the number of hidden, batch size and learn rate drop periods of 100, 32, and 50 respectively. The prediction results show very heavy rainfall occurring on August 28, 2021 of 101.9734 mm, 21 September 2021 of 108.6528 mm, and 5 April 2022 of 116.5510 mm. In this study PCA was able to increase accuracy in considering all parameters and choosing the most effective.
Perbandingan Metode Extreme Learning Machine (ELM) dan Kernel Extreme Learning Machine (KELM) Pada Klasifikasi Penyakit Cedera Panggul Aisah, Siti Nur; Dian Candra Rini Novitasari; Farida, Yuniar
Jurnal Fourier Vol. 12 No. 2 (2023)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2023.122.69-78

Abstract

Nyeri punggung bawah merupakan sebuah masalah kesehatan yang umum terjadi di dunia dan termasuk penyebab utama kecacatan.  Di Indonesia  pada tahun 2019 Hernia menduduki peringkat kedelapan penyakit terbanyak dengan jumlah kasus 292.145. Selain Hernia ganguan atau penyakit yang terjadi pada tulang panggul juga disebabkan karena menderita penyakit Spondylolithesis. Penelitian ini bertujuan untuk mengklasifikasi penyakit cedera panggul menggunakan Extreme Learning Machine (ELM) dan Kernel Extreme Learning Machine (KELM). Hasil uji coba terbaik yaitu dengan Nilai akurasi, sensitivitas dan spesifitas yaitu 90.25%, 88.66%, dan 92.22% untuk metode KELM.
Perbandingan Ekstraksi Fitur Untuk Klasifikasi COVID-19, MERS, dan SARS Menggunakan Algoritma Extreme Learning Machine Zahroh, Khofifah Auliyatuz; Dian Candra Rini Novitasari; Lutfi Hakim
Jurnal Fourier Vol. 13 No. 1 (2024)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2024.131.30-41

Abstract

Pada tahun 2019, terjadi kemunculan suatu wabah penyakit COVID-19. Wabah penyakit tersebut telah mengguncang dunia sehingga menyebabkan pandemi secara global. Selain COVID-19, terdapat dua wabah penyakit lain juga diakibatkan oleh virus corona yaitu MERS (Middle East Respiratory Syndrome) dan SARS (Severe Acute Respiratory Syndrome) yang sudah menjadi ancaman serius pada beberapa dekade terakhir. Ketiga wabah penyakit tersebut menyebabkan jutaan kasus serta ribuan orang yang meninggal di seluruh dunia. Berdasarkan permasalahan tersebut, perlu adanya penelitian yang dilakukan untuk klasifikasi penyakit COVID-19, MERS, dan SARS berdasarkan hasil pemeriksaan X-ray menggunakan perbandingan ekstraksi fitur GLCM (Gray Level Co-occurrence Matrix) dan GLDM (Gray Level Difference Matrix) serta klasifikasi ELM (Extreme Learning Machine). Pada penelitian ini menggunakan beberapa parameter uji coba diantaranya yaitu arah sudut, jumlah pada k-fold, serta jumlah hidden node. Hasil terbaik pada penelitian ini diperoleh menggunakan metode ekstraksi fitur GLDM dengan uji coba pada sudut , k-fold 10, serta hidden node 25 yang menghasilkan akurasi, sensitivitas, dan spesifisitas masing-masing sebesar 100% dengan waktu yang dibutuhkan yaitu 0.00042 detik. Sehingga, dapat disimpulkan bahwa hasil ekstraksi fitur GLDM lebih unggul daripada ekstraksi fitur GLCM.
OPTIMASI MODEL PENUGASAN BERDASARKAN PERAMALAN LAYANAN KAPAL TUNDA DI PELABUHAN TANJUNG PERAK MENGGUNAKAN METODE BACKPROPAGATION Masruroh Kusman, Umi; Hamid, Abdulloh; Candra Rini Novitasari, Dian; Dianita Utami, Wika; Ariyanto Wijaya, Indra
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.6008

Abstract

Indonesia merupakan negara kepulauan terbesar di dunia. Pemanfaatan laut yang optimal berpotensi meningkatkan perekonomian negara. Pelabuhan Tanjung Perak adalah pelabuhan terbesar dan tersibuk kedua di Indonesia. Efisiensi penggunaan kapal tunda berpengaruh signifikan terhadap operasional pelabuhan. Penelitian ini mengusulkan metode backpropagation untuk melakukan peramalan permintaan pelayanan kapal tunda, kemudian hasil peramalan dimasukkan ke dalam model penugasan untuk mengetahui optimalisasi penggunaan kapal tunda berdasarkan tingkat kesibukan kapal tunda, waktu tunggu layanan, dan jumlah antrian. Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data permintaan pelayanan kapal tunda pada bulan Januari 2019 – Mei 2022 yang dibedakan menjadi tiga, yaitu permintaan kapal kecil, sedang, dan besar. Hasil peramalan menggunakan metode backpropagation menghasilkan nilai MAPE sangat baik dibawah 10%. permintaan pelayanan terbanyak oleh kapal kecil dan besar terjadi pada bulan Juni dengan masing-masing sebanyak 2215 dan 51 permintaan, kemudian untuk kapal sedang permintaan terbanyak terjadi pada bulan Januari dengan jumlah permintaan mencapai 451. Sedangkan, permintaan terkecil pada kapal kecil terjadi pada bulan Februari dan September dengan jumlah permintaan 2141, kemudian permintaan terkecil dari kapal sedang terjadi pada bulan Juli dengan permintaan sebanyak 421, dan permintaan terkecil pada kapal besar terjadi pada bulan Januari dengan jumlah permintaan sebanyak 47. Hasil penugasan pada kapal tunda mencapai tingkat optimal dengan mengoperasikan 13 kapal tunda setiap harinya.
Pengelompokan Hasil Perkebunan di Indonesia Menggunakan Fuzzy C-Means Aisyah, Nora; Sukarni, Adinda Ika; Sari, Dian Candra Rini Novita
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.50682

Abstract

Perkebunan merupakan subsektor yang dapat meningkatkan kesejahteraan masyarakat dan juga menambah kekayaan negara indonesia (devisa). Hasil perkebunan dikelompokkan guna mengetahui daerah di Indonesia yang memiliki hasil perkebunan yang kurang baik atau termasuk daerah kurang produktif sehingga dapat dilakukan pembenahan strategi atau pengolahan perkebunan di Indonesia. Pengelompokan atau klasifikasi dilakukan dengan menggunakan metode fuzzy c means dengan data hasil perkebunan kelapa, kelapa sawit, kopi, kakao, karet di Indonesia tahun 2018, 2019, 2020. Penentuan jumlah cluster atau klasifikasi pada fuzzy c-means dilakukan menggunakan uji silhouette index, hal ini dilakukan agar mendapat cluster optimal. Hasil uji silhouette index didapat jumlah cluster optimal yakni 4 cluster, didapatkan daerah yang memiliki hasil perkebunan yang produktif paling tinggi terdapat pada provinsi Riau dan Kalimantan Tengah.
Forecasting Sea Surface Salinity in the Eastern Madura Strait Using a 1D Convolutional Neural Network Rozzy, Fahrul; Novitasari, Dian Candra Rini; Yuliati, Dian; Sani, Puteri Permata
Telematika Vol 21, No 1 (2024): Edisi Februari 2024
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v21i1.8959

Abstract

Tujuan: Penelitian ini bertujuan untuk memprediksi salinitas permukaan air laut pada perairan Selat Madura bagian Timur menggunakan 1D CNN dan menguji daripada performa model arsitektur 1D CNN yang dibuat. Berdasarkan hasil prediksi yang diperoleh, diharapkan mampu memberi informasi ke masyarakat terkait kondisi salinitas permukaan Selat Madura bagian Timur beberapa hari ke depan.Perancangan/metode/pendekatan: Hal pertama yang perlu dilakukan adalah memprediksi tiap parameter sebelum memprediksi salinitas permukaan. Penelitian ini menggunakan metode 1D CNN, dengan parameter kecepatan arus eastward, arus northward dengan 3 kedalaman berbeda, dan salinitas pada 2 kedalaman berbeda.Hasil: Berdasarkan penelitian ini diperoleh model 1D CNN mampu memprediksi salinitas dengan sangat baik, dengan MAPE sebesar 2.86% pada nilai dropout 0.8 dan batchsize 64. Adapun hasil prediksi untuk 6 hari ke depan, dari 17 Januari 2023 pukul 19.00 hingga 23 Januari 2023 pukul 07.00 dengan rentang waktu per 12 jam adalah mengalami penurunan dengan angka terendah menyentuh 33.313 PSU.Keaslian/ state of the art: Pada penelitian ini menggunakan parameter prediksi, metode, dan diperoleh hasil yang berbeda dengan penelitian sebelumnya.
Penerapan Fuzzy C-Means untuk Pengelompokkan Tingkat Kualitas Pendidikan di Jawa Timur Ulinnuha, Nurissaidah; Novitasari, Dian Candra Rini; Maulana, Achmad Resnu
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 2 (2023): JURNAL SIMETRIS VOLUME 14 NO 2 TAHUN 2023
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v14i2.9442

Abstract

Salah satu faktor yang menentukan apakah perkembangan manusia itu positif atau negatif adalah pendidikan. Khususnya Provinsi Jawa Timur yang memiliki angka kesenjangan mutu pendidikan antar daerah dan Lembaga. Penelitian ini bertujuan untuk untuk mengelompokkan kualitas pendidikan pada kota/kabupaten di Jawa Timur berdasarkan sejumlah parameter yaitu, angka partisipasi sekolah kasar, angka partisipasi murni, rata-rata lama sekolah, angka melek huruf. Metode clustering pada penelitian ini menggunakan algoritma Fuzzy C-Means.  Didapatkan cluster terbaik  0.65 dengan 2 cluster. Berdasarkan kualitas pendidikan, temuan mengungkapkan bahwa Jawa Timur terbagi menjadi dua cluster kota/kabupaten: cluster 1 (dengan tingkat kualitas pendidikan tinggi) dengan 14 anggota, dan cluster 2 (dengan tingkat pendidikan rendah) dengan 24 anggota.
Klasifikasi Kelayakan Kualitas Air Tanah Kota Surabaya Menggunakan Fuzzy Tipe Mamdani Nengse, Sulistiya; Dian Candra Rini Novitasari
Jurnal Serambi Engineering Vol. 10 No. 2 (2025): April 2025
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

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

Abstract

Surabaya is the second largest city in Indonesia which is densely populated. The need for fresh water for the population of Surabaya is 4.61 m3/second, where many still use groundwater as a source of clean water. In this research, groundwater feasibility test will be carried out using 6 parameters at 31 points in the city of Surabaya. The water quality parameters to be tested are turbidity, temperature, pH, hardness (CaCO3), E. coli bacteria, and Dissolved Oxygen. The method used in the classification of ground water feasibility is the Mamdani method because it has a broad field coverage and is easily understood by humans. The results showed that the average quality of groundwater in the city of Surabaya was: turbidity 2.34 NTU, temperature 28.6 oC, pH 7.4, hardness (CaCO3) 349.67 mg/liter, and E. coli bacteria 0,13 CFU/100 ml, and DO 1.93 mg/l. The results of the evaluation of the feasibility of groundwater are compared with water quality parameters for hygiene and sanitation purposed based on PerMenKes No. 32 of 2017, all parameters have met the quality standards and are suitable as a source of clean water except for the parameter of E. coli bacteria. Based on the modeling using Fuzzy Mamdani type, there are ten sampling points that have groundwater that is not suitable as a source of clean water. Management recommendations for the protection of groundwater resources in the city of Surabaya for the community and for decision making by the government are disinfection using chlorine.
FETAL HEALTH RISK STATUS IDENTIFICATION SYSTEM BASED ON CARDIOTOCOGRAPHY DATA USING EXTREME GRADIENT BOOSTING WITH ISOLATION FOREST AS OUTLIER DETECTION Sari, Firda Yunita; Rini Novitasari, Dian Candra; Hamid, Abdulloh; Haq, Dina Zatusiva
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp1711-1724

Abstract

Premature birth and birth defects contribute significantly to infant mortality, highlighting the need for early identification of fetal health risks. This study uses XGBoost for fetal health classification, integrating IForest for outlier detection to improve model performance. By varying the contamination percentage, learning rate (η), maximum depth, and n_estimator, the best results were achieved at CP = 8%, η = 0.01, max_depth = 7, and n_estimator = 100, which resulted in 100% accuracy, sensitivity, and specificity with a calculation time of 0.36 seconds. IForest effectively reduced the dataset from 2126 to 1956 samples by removing outliers, improving accuracy by 3.76%, and reducing computation time by 0.51 seconds. These findings suggest that IForest improves classification efficiency while maintaining high predictive performance, supporting early identification of fetal health risks to aid timely medical intervention.
Identification of Stunting Disease using Anthropometry Data and Long Short-Term Memory (LSTM) Model Amin, Faris Mushlihul; Novitasari, Dian Candra Rini
Computer Engineering and Applications Journal (ComEngApp) Vol. 11 No. 1 (2022)
Publisher : Universitas Sriwijaya

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

Abstract

Children with unbalanced nutrition are currently crucial health issues and under the spotlight around the world. One of the terms for malnourished children is stunting. Stunting is a disease of malnutrition found in children aged under 5 years; as many as 70% of stunting sufferers are children aged 0-23 months. There are several ways to diagnose stunting, one of which is using stunting anthropometry. Stunting anthropometry can measure the physique of children so that some of the features that characterize the presence of stunting can be identified. Features resulted from the stunting anthropometry cover age, height, weight, gender, upper arm circumference, head size, chest circumference, and hip fat measurement. The process of identifying stunting can be simplified using an intelligent system called the Computer-Aided Diagnosis (CAD) system. CAD system contains 2 main processes, namely preprocessing and classification. Preprocessing includes normalization and augmentation of data using the SMOTE method. The classification process in this study uses the LSTM method. LSTM is a modification of the Recurrent Neural Network (RNN) method by adding a memory cell so that it can store memory data for a long time and in large quantities. The results of this study compare between the results of models that apply preprocessing and the one without preprocessing. The model that only uses LSTM has the best accuracy of 78.35%; the model with normalization produces an accuracy of 81.53%; the model that uses SMOTE produces an accuracy of 81.66%; and the model that uses normalization and SMOTE produces the best accuracy of 85.79%.
Co-Authors Abdulloh Hamid Abdulloh Hamid Achmad Teguh Wibowo Adam Fahmi Khariri Adyanti, Deasy Ahmad Hanif Asyhar Ahmad Hidayatullah Ahmad Zoebad Foeady Ahmad Zoebad Foeady Aisyah, Nora Alvin Nuralif Ramadanti Amin, Faris Mushlihul Arifin, Ahmad Zaenal Aris Fanani Ariyanto Wijaya, Indra Ariyanto, Dimas Azmi, Tasya Auliya Ulul Chalawatul Ais Damayanti, Adelia Deasy Adyanti Dianita Utami, Wika Dilla Dwi Kartika Diva Ayu Safitri Nur Maghfiroh Elen Riswana Safila Putri Fahriza Novianti Fajar Setiawan FAJAR SETIAWAN Fajar Setiawan Fajar Setiawan Fajar Setiawan Fanani, Aris Farida, Yuniar Faris Mushlihul Amin Farmita, Mayandah Ferryan, Dhandy Ahmad Firmansjah, Muhammad Fitria, Nur Annisa Foeady, Ahmad Zoebad Galuh Andriani Ganeshar B.D. Prasanda Gita Purnamasari R Hani Khaulasari Hanimatim Mu'jizah Haq, Dina Zatusiva Ifadah, Corii Indriyani, Jiphie Gilia Irkhana Indaka Zulfa Jauharotul Inayah Kurniawan, Mohammad Lail Kusaeri Kusaeri Lubab, Ahmad Luluk Mahfiroh Lutfi Hakim Lutfi Hakim Lutfi Hakim Luthfi Hakim Luthfi Hakim M. Hasan Bisri Mardiyah, Ilmiatul Masruroh Kusman, Umi Maulana, Achmad Resnu Maulana, Jeneiro Moh. Hafiyusholeh Mohammad Rizal Abidin Mohd Fauzi, Shukor Sanim Monika Refiana Nurfadila MUHAMMAD FAHRUR ROZI Muhammad Fahrur Rozi Muhammad Syaifulloh Fattah Muhammad Thohir Musfiroh Musfiroh, Musfiroh Nanang Widodo Nanang Widodo Nanang Widodo Nanang Widodo Nisa Trianifa Noviati Maharani Sunariadi Noviati Maharani Sunariadi Nur Afifah Nur Hidayah Nurissaidah Ulinnuha Pramesti, Diah Devi Puspitasari, Wahyu Tri Putri Wulandari Putri, Evi Septya Putroue Keumala Intan Rafika Veriani Ramadanti, Alvin Nuralif Ratnasari, Cristanti Dwi Rifa Atul Hasanah RIFA ATUL HASANAH Rozi, Muhammad Fahrur Rozzy, Fahrul Safira, Icha Dwi Sani, Puteri Permata Sari, Firda Yunita Sari, Ghaluh Indah Permata Sari, Yana Vita Setiawan, Fajar Setyawati, Maunah Siti Nur Aisah Siti Nur Fadilah Siti Nur Fadilah Siti Ria Riqmawatin Sukarni, Adinda Ika Sulistiya Nengse Sulistiyawati, Dewi Suwanto Suwanto Suwanto Suwanto Swindiarto, Victory T. Pambudi Tasya Auliya Ulul Azmi Unix Izyah Arfianti USWATUN KHASANAH Utami, Tri Mar'ati Nur Utami, Wika Dianita Utami Dianita Veriani, Rafika Vina Fitriyana Wanda N.P. Sunaryo Wijaya, Indra Ariyanto Wika Dianita Utami Wika Dianita Utami Wika Dianita Utami Wika Dianita Utami Wisnawa, Gede Gangga Yasirah Rezqita Aisyah Yasmin Yuliati, Dian Yuliawanti, Felia Dria Yuni Hariningsih Yuniar Farida, Yuniar Yusuf, Ahmad Yuyun Monita Yuyun Monita Zahroh, Khofifah Auliyatuz Zulfa, Elok Indana