Article Per Year (5 Year)
p-Index From 2021 - 2026
1.203
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Wahana : Tridarma Perguruan Tinggi Jurnal Teknologi Informasi dan Terapan (J-TIT) Best : Journal of Applied Electrical, Science and Technology Insyst : Journal of Intelligent System and Computation Joutica : Journal of Informatic Unisla JOINCS (Journal of Informatics, Network, and Computer Science) Jurnal ilmiah teknologi informasi Asia Journal of Information Technology
Endang Setyati
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Nursing Physics

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Clustering dan Visualisasi Data ASN dalam Penunjang Analisis Kecukupan Data di Perangkat Daerah Pemerintah Provinsi Jawa Timur Wikjatmiko, Zhulfi Bajra; Endang Setyati; Yosi Kristian
Joutica Vol 10 No 2 (2025): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jti.v10i2.1440

Abstract

Penelitian ini mengimplementasikan K-Means, Gaussian Mixture Model (GMM), dan Hierarchical Clustering untuk menganalisis kecukupan data 18.962 ASN Pemerintah Provinsi Jawa Timur dari 232 unit kerja di 38 wilayah administratif. Dataset terdiri dari 8 jenis perangkat daerah dengan Satpol PP (7.231 ASN) dan UPT (6.961 ASN) sebagai kontributor terbesar. Variabel clustering mencakup 12 atribut kelengkapan dokumen kepegawaian dalam format biner: foto ½ badan, foto full body, akta lahir, KTP, NPWP, sumpah jabatan PNS, nota BKN, SPMT, kartu ASN virtual, nomor NPWP, nomor BPJS, dan nomor KK. Metodologi penelitian meliputi preprocessing data dengan normalisasi Min-Max, penghapusan 287 duplikat, dan encoding biner. Metode Elbow menghasilkan cluster optimal k=7 untuk K-Means (distortion score 119.496), k=4 untuk GMM (BIC 119.839), dan k=3 untuk Hierarchical Clustering. Evaluasi menggunakan Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index menunjukkan K-Means memiliki performa terbaik (0.332, 3412.783, 1.224). K-Means mengidentifikasi 35% ASN kategori High (>80%), 45% Medium (70-79%), dan 20% Low (<70%). GMM menghasilkan distribusi 40% High, 55% Medium, 5% Low plus 14 outlier. Hierarchical Clustering menghasilkan 52% High, 47% Medium, 1% Low. Temuan menunjukkan unit kerja Surabaya memiliki kelengkapan tertinggi (54.27%) dibanding kabupaten lain (<5%). PNS memiliki kelengkapan 90% lebih baik dari PPPK/CPNS. Kartu ASN Virtual dan Nomor KK merupakan dokumen dengan kelengkapan terendah (<40%). Visualisasi melalui dashboard interaktif, heatmap, scatter plot PCA, dan dendrogram memfasilitasi identifikasi prioritas pembenahan data. Model ini dapat diadaptasi untuk mendukung transformasi digital birokrasi di instansi pemerintah lainnya.
Handwritten Image Segmentation Carakan Madura Based Projection And Connected Component Labeling: Segmentasi Citra Tulisan Tangan Carakan Madura Berbasis Proyeksi Dan Connected Component Labeling Miftah Farid; Joan Santoso; Endang Setyati
JOINCS (Journal of Informatics, Network, and Computer Science) Vol. 3 No. 2 (2020): November
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (36.703 KB) | DOI: 10.21070/joincs.v3i0.823

Abstract

At the time the Carakan Madura is currently found on sign of street names in the Madura region. It is also found in the historical sites and museum. However, many people do not understand about Carakan Madura because it is rarely used in daily life. There are many ways to keep Carakan Madura sustainable and not extinct, including preservation and maintenance of historical objects and also from education. The maintenance of these historical objects is usually carried out in museums and places where historical objects, including the Sumenep palace museum and Asta Tinggi. In the Sumenep palace museum, documents with Carakan Madura are still stored. In the Asta tinggi there are also stone carvings with the words Carakan Madura. There are other important things in the preservation of Carakan Madura, namely that Carakan Madura is included in the local content education curriculum for Madura language so that students can learn about Carakan Madura properly and well so students are not only knowing, but also understanding. For this reason, tools are needed so that students can more understand the Carakan Madura. The purpose of this research is to segment of the Carakan Madura handwritten image based on projection and connected component labeling. The results of this research can be concluded that the segmentation process in Carakan Madura handwriting has been successfully carried out in the form of the composing characters of Carakan Madura.
Deteksi Pemakaian Helm Proyek Dengan Metode Convolutional Neural Network Bambang Widodo; Hendrawan Armanto; Endang Setyati
Intelligent System and Computation Vol 3 No 1 (2021): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v3i1.157

Abstract

Penggunaan helm proyek pada pekerjaan dengan resiko kecelakaan tinggi seperti pekerjaan konstruksi seringkali diabaikan oleh pekerja, sehingga apabila terjadi kecelakaan kerja yang tidak diinginkan seperti kejatuhan benda keras dari atas atau terjadi benturan keras pada kepala akan berakibat fatal bagi pekerja tersebut. Penelitian ini bertujuan untuk mendeteksi pemakaian helm proyek oleh pekerja konstruksi pada citra. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network YOLO. Sistem terdiri dari tiga proses utama yaitu proses pre processing, proses training dan proses deteksi. Proses pre processing adalah melakukan resize dan anotasi labeling pada citra dataset. Selanjutnya adalah proses training pada dataset dengan menggunakan transfer learning YOLOv2. Pada proses deteksi digunakan 4 buah anchor box pada setiap grid pada citra, hasil dari mencari nilai ukuran bounding box yang memiliki IOU terbaik dengan melakukan proses clustering pada dataset training dan validasi yang terdapat bounding box menggunakan algoritma K-Mean clustering. Algoritma Intersection Over Union (IOU) dan Non Max Suppression (NMS) digunakan agar bounding box prediksi yang dibuat presisi dengan objek yang berhasil dideteksi dan untuk menghilangkan multideteksi pada objek yang sama. Proses deteksi pada sistem ini melakukan lokalisasi dan klasifikasi dengan sekali langkah proses sehingga hasil dari proses deteksi ini adalah orang menggunakan helm proyek dan orang tidak menggunakan helm proyek. Pengujian sistem deteksi dilakukan secara individu maupun kelompok maksimal 5 orang dengan F1-score yang diperoleh sebesar 0,79.
Identifikasi Viseme Untuk Fonem Bahasa Madura Berbasis Clustering Berdasarkan Facial Landmark Point Pyepit Rinekso Andriyanto; Joan San; Endang Setyati
J-INTECH ( Journal of Information and Technology) Vol 11 No 1 (2023): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v11i1.835

Abstract

The most effective form of language in communicating is spoken or spoken language. When speaking humans will move their mouth and lips to say certain words. This mouth and lip movement model describes a viseme (visual-phonem), namely a group of phonemes that have a visual or almost the same appearance. Madurese language is a unique language and has certain characteristics. In addition to having a language level, Madurese has aspirated phonemes or exhaled word pronunciations such as: /bh/, /dh/, /Dh/, /gh/ and /jh/ which do not exist in other languages. This research discusses the identification of viseme classes for Madurese phonemes based on clustering based on facial landmark points. Of the 47 Madurese language phonemes, 9 Madurese language visemes were obtained from the K-Means clustering process. The clustering process uses feature extraction based on facial landmark points so that the distance calculation for each feature is obtained. The features used are geometric features. The Madurese viseme model is used to build 2D mouth animations in uttering Madurese words or sentences based on input in the form of text. The benefit of this research is for learning purposes in pronouncing Madurese words or sentences, because Madurese has different writing and pronunciation.
Co-Authors Ajeng Restu Kusumastuti Akhmad Solikin Bambang Widodo Citra Mahaputri Damayanti, Elok Eko Vidiantoro F.X. Ferdinandus Hasyim Asy&#039;ari Hendrawan Armanto Jaenal Arifin Joan San Joan Santoso Miftah Farid Nur Nafi’iyah Pramana, Meirza Pyepit Rinekso Andriyanto Rina Dewi Indahsari samsul arifin Siti Mujilahwati Suhatati Tjandra Wikjatmiko, Zhulfi Bajra Yosi Kristian