Article Per Year (5 Year)
p-Index From 2021 - 2026
4.275
P-Index
This Author published in this journals
All Journal Teknika Jupiter Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Informatika Jurnal Informatika Proceeding International Conference on Information Technology and Business International conference on Information Technology and Business (ICITB) Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) International Journal of Artificial Intelligence Research Prosiding Seminar Nasional Darmajaya JURNAL TEKNOLOGI DAN OPEN SOURCE IJISCS (International Journal Of Information System and Computer Science) Jurnal Tekno Kompak Jurnal Komunitas: Jurnal Pengabidian Kepada Masyarakat Jurnal Teknik Informatika (JUTIF) International Research on Big-data and Computer Technology (IRobot) Jurnal Pengabdian kepada Masyarakat Aptekmas : Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Mandiri NEAR: Jurnal Pengabdian kepada Masyarakat Bulletin of Network Engineer and Informatics (BUFNETS) Darma Diksani: Jurnal Pengabdian Ilmu Pendidikan, Sosial, dan Humaniora Jurnal PETISI (Pendidikan Teknologi Informasi)
Melda Agarina
IIB Darmajaya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 52 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 52 Documents
Search

 2   3   4   5   6 
Inovasi Platform Digital untuk Tracer Study Desain dan Pengembangan Sistem Informasi Alumni SMAN 4 Bandar Lampung Innani, Turzina; Agarina, Melda; Halimah, Halimah; Nursiyanto, Nursiyanto
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 6 No. 2 (2025): Jurnal PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v6i2.1992

Abstract

Abstrak: Tracer study merupakan salah satu aspek penting dalam memantau dan mengevaluasi keberhasilan lulusan serta efektivitas kurikulum pendidikan. Pelaksanaan tracer study di SMAN 4 Bandar Lampung sebelumnya masih menggunakan Google Form dan Microsoft Excel, yang belum mampu menyimpan data secara terstruktur dan berkelanjutan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi alumni berbasis website yang mendukung pelaksanaan tracer study secara lebih efektif dan efisien. Sistem dikembangkan menggunakan metode Agile Software Development melalui tahapan requirement, design, development, testing, deployment, dan review. Pengumpulan data dilakukan melalui wawancara, kuesioner, dan studi pustaka. Hasil dari penelitian ini adalah sistem tracer study berbasis website yang memiliki fitur lengkap untuk input data alumni, pengisian kuesioner, serta manajemen data oleh admin. Pengujian dilakukan menggunakan black box testing dan usability testing, dengan hasil bahwa sistem berjalan sesuai fungsinya dan mendapatkan skor usability sebesar 0,90 yang menunjukkan tingkat kelayakan penggunaan yang sangat baik. Sistem ini diharapkan dapat menjadi solusi jangka panjang untuk pemantauan alumni dan evaluasi mutu pendidikan di SMAN 4 Bandar Lampung.
Brain Tumor Auto Segmentation On 3D MRI Using Deep Neural Network Agarina, Melda; Maulana, Muh Royan Fauzi; Sutedi, Sutedi; Karim, Arman Suryadi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5106

Abstract

Accurate and automated segmentation of brain tumours from Magnetic Resonance Imaging (MRI) is crucial for clinical diagnosis and treatment planning, yet it remains a significant challenge due to tumour heterogeneity and data imbalance. This research investigation examines the effectiveness of a 3D UNet architecture for the segmentation of brain tumours utilizing MRI imaging modalities. The research employs the BRATS 2021 dataset, which consists of 675 MRI datasets across four distinct imaging modalities (FLAIR, T1-Weighted, T1-Contrast, and T2-Weighted) and encompasses four distinct segmentation label classes. The employed model integrated soft dice loss and dice coefficient as its loss functions, with the objective of achieving convergence despite the presence of imbalanced data. While constraints related to resources limited the training process, the model yielded promising outcomes, exhibiting high accuracy (99.43%) and specificity (99.5%), The model aids medical professionals in understanding tumor growth and enhances treatment planning via segmentation predictions in surgery. Nevertheless, the sensitivity, particularly concerning non-enhancing tumour classes, persists as a significant challenge, underscoring the necessity for future research to concentrate on data-centric methodologies and enhanced pre-processing techniques to improve model efficacy in critical medical applications such as the segmentation of brain tumours.
Analisis Ulasan Pengguna Aplikasi Seabank Dengan Support Vector Machine Dan Naïve Bayes Adela, Cindy Nada; Karnila, Sri; Sutedi, Sutedi; Agarina, Melda
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i2.4156

Abstract

Aplikasi perbankan digital seperti Seabank, telah menjadi bagian dari kebutuhan kehidupan saat ini. Diluncurkan pada Februari 2021 oleh PT Bank Seabank Indonesia, dan meraih popularitas yang signifikan. Penggunaan aplikasi ini menghasilkan sejumlah besar ulasan yang mencerminkan sentimen pengguna terkait dengan kinerja, layanan dan keamanan aplikasi. Memahami sentimen positif, netral, dan negatif dari ulasan pengguna. Seabank memungkinkan untuk mendapatkan wawasan tentang tingkat kepuasan pelanggan, kelemahan aplikasi, dan area perbaikan yang diperlukan. Untuk itu penting dilakukan analisis data dan klasifkikasi ulasan pengguna. Penelitian ini bertujuan mengetahui kinerja dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Naïve Bayes, dalam mengklasifikasikan sentimen ulasan pengguna. Pengujian dilakukan dengan menggunakan 3789 data, pembagian rasio 80% training dan 20% testing. Hasil pelabelan menunjukkan adanya 438 sentimen positif, 1379 sentimen netral, dan 77 sentimen negatif. Sedangkan hasil pelabelan oleh ahli bahasa menunjukkan jumlah 1100 sentimen positif, 308 sentimen netral, dan 486 sentimen negatif. Hasil pengujian akurasi menggunakan confusion matrix menunjukkan bahwa algoritma Support Vector Machine memiliki nilai akurasi tertinggi sebesar 63%, sedangkan algoritma Gaussian Naïve Bayes memiliki nilai terendah sebesar 30%. Dengan demikian, dapat disimpulkan bahwa model SVM lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Seabank daripada model Naïve Bayes.
Pelatihan AI untuk Pariwisata Budaya Lokal dalam Proyek P5 Kurikulum Merdeka : Training on Utilizing AI Tools to Promote Local Cultural Tourism within the Pancasila Learner Profile Project (P5) of Merdeka Curriculum in Indonesia Karim, Arman Suryadi; Melda Agarina; Susanti, Susanti; Sutedi, Sutedi; Maulana, Muh Royan Fauzi; Purnomo, Hendri
DARMADIKSANI Vol 5 No 1 (2025): Edisi Juni
Publisher : Jurusan Pendidikan Bahasa dan Seni, FKIP, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/darmadiksani.v5i1.6808

Abstract

Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan potensi pengetahuan dan keterampilan siswa SMA dalam memanfaatkan kecerdasan buatan (AI) untuk mempromosikan pariwisata lokal sebagai bagian dari Projek Penguatan Profil Pelajar Pancasila (P5). Pelatihan yang diberikan berfokus pada penggunaan AI dalam pembuatan desain poster, video, audio, dan copywriting yang menarik. Hasil kegiatan ini menunjukkan bahwa pelatihan ini berhasil meningkatkan pemahaman siswa tentang konsep dan pengaplikasian AI, serta kemampuan mereka dalam menciptakan konten promosi yang kreatif dan relevan. Selain itu, pelatihan ini juga berkontribusi pada pengembangan Profil Pelajar Pancasila, khususnya pada dimensi berkarya dan berteknologi. Dengan demikian, kegiatan Pengabdian kepada Masyarakat ini menyoroti pentingnya integrasi teknologi AI dalam pendidikan guna mendukung pengembangan kompetensi abad ke-21 serta mendorong partisipasi aktif siswa dan dalam pembangunan daerah. Agar dampak kegiatan ini lebih berkelanjutan, disarankan adanya pendampingan lanjutan bagi siswa dan guru dalam pengembangan konten digital berbasis AI, serta kolaborasi dengan pemerintah daerah dan pelaku industri pariwisata untuk mempublikasikan hasil karya siswa secara lebih luas. Selain itu, pelatihan serupa dapat diperluas ke sekolah-sekolah lain di wilayah berbeda guna memperkuat kapasitas generasi muda dalam menghadapi tantangan era digital secara kreatif dan produktif.
Brain Tumor Detection On Magnetic Resonance Imaging Using Deep Neural Network Sutedi, Sutedi; Maulana, Muh Royan Fauzi; Agarina, Melda; Karim, Arman Suryadi; Nurfiana, Nurfiana
International Journal of Artificial Intelligence Research Vol 7, No 1.1 (2023)
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v7i2.1061

Abstract

Cancer is a heterogeneous disease that can attack all parts of the body. Cancer is caused by the abnormal and uncontrolled growth of body cells, resulting in damage to body tissue and the potential to cause death. Cancer is a type of malignant tumor that attacks the body, one of which is the brain. Every year there are 300 brain tumor patients in Indonesia, both adults and children. Generally, doctors use two methods to diagnose these tumors, namely: biopsy and magnetic resonance imaging (MRI). Although the use of biopsy is quite accurate in identifying brain tumors, the time required is relatively long, reaching 15 days. While using MRI is relatively fast, the resulting accuracy is low and depends on the experience of medical personnel. This research aims to develop a method for diagnosing brain tumors using MRI images to make it faster and more accurate. The method used in this research was a deep neural network with a convolutional neural network (CNN) architecture layer. This method was chosen because deep learning has the advantage of pattern recognition with a high level of accuracy and is directly proportional to the number of datasets. This study used a dataset of 300 MRI images with two-dimensional (2D) axial imaging. The metrics used as a basis for the performance of the deep neural network model are accuracy, sensitivity, specificity, precision, and dice similarity coefficient with the results of each metric, namely: 99.3%, 98.6%, 98%, 98%, 98.3%. The research results showed that a deep neural network can speed up the diagnosis of brain tumors with high accuracy within 0.2 seconds.Â
Implementasi Metode Scrum Dalam Perancangan Sistem Manajemen Administrasi Digital Pada SMK di Provinsi Lampung Agarina, Melda; Sutedi, Sutedi; Karim, Arman Suryadi
TEKNIKA Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10630627

Abstract

Pemanfaat teknologi digital terkait administasri digital pada SMK di provinsi Lampung saat ini belum merata. Masih banyak beberapa SMK dikabupaten yang masih belum memanfaatkan aplikasi dalam proses administrasi yang berjalan saat ini. Masih banyak SMK yang memiliki permasalahan serupa diantaranya kesalahan dalam proses pencatatan data pembayaran serta administrasi proses belajar mengajar. Sehingga hal tersebut dapat menyulitkan pihak SMK terkait dalam perekapan data yang belum terdokumentasikan baik. Dalam penelitian ini tim peneliti merancang Sistem Informasi Manajemen Administrasi Digital agar dapat memudahkan beberapa SMK yang belum memiliki sistem informasi dengan pengolahan data administrasi yang baik. Metode yang digunakan yaitu metode scrum yang mengutamakan kebutuhan dan keinginan pengguna melalui proses dan tahapan seperti Products backlog, sprint planning, sprint backlog, sprint dan sprint review, adapun alat pengembangan sistem berupa UML dengan sistem yang dibangun berbasis website menggunakan bahasa pemprograman PHP. Hasil penelitian ini tidak hanya mengelola data komite saja namun dalam sistem ini pengolahan data administrasi yaitu berupa sistem yang dapat digunakan oleh kepala sekolah, admin, guru serta murid Kepala sekolah dapat melihat data presensi dan administrasi komite. Bagian keuangan dapat mengelola data pembayaran komite dan laporan. Bagian guru dapat mengelola data presensi dan siswa dapat melihat data prestasi, informasi dan pembayaran komite.
Pelatihan Peningkatan Pelayanan Administrasi Desa Melalui E-Arsip Berbasis Website Pada Kantor Desa Merambung Kecamatan Tanjung Raja Melda Agarina; Sutedi Sutedi; Arman Suryadi Karim; Ochi Marshella
NEAR: Jurnal Pengabdian kepada Masyarakat Vol. 3 No. 2 (2024): NEAR
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/nr.v3i2.1323

Abstract

Kegiatan Pengabdian ini bertujuan untuk meningkatkan kemampuan literasi digital perangkat desa dalam mendukung proses pelayanan kepada masyarakat. Aplikasi sistem informasi desa yang dikembangkan secara mandiri yaitu untuk meningkatkan pelayanan administrasi desa melalui E-Arsip berbasis Web. Metode pelatihan yang diterapkan yaitu presentasi, simulasi, dan praktik. Kegiatan ini dilaksanakan selama satu pertama memaparkan tentang manfaat literasi digital dan manfaat sistem informasi khususnya dalam administrasi, dan sesi kedua yaitu praktik pemanfaatan aplikasi E-Arsip untuk membuat surat-surat dinas, serta pengelolaan dokumen dalam komputer. Setelah kegiatan pelatihan dilakukan pendampingan selama beberapa waktu agar perangkat desa dapat menggunakan aplikasi E-arsip dengan baik. Hasil kegiatan ini memberikan manfaat yang besar dan pengurusan administrasi lebih efektif bagi masyarakat Desa Merabung kecamatan Tanjung Raju, terutama pengurusan administrasi yang diperlukan masyarakat desa karena selama ini masyarakat kesulitan dalam pengurusan administrasi. Pelatihan penggunaan sistem informasi desa Berbasis Digital E-Arsip kepada perangkat Desa meningkatkan kemampuan literasi digital perangkat desa
Application of K-Means Clustering Algorithm for Grouping Posyandus Based on Toddler Demographic Density to Optimize Aid Distribution Muhamad Andre Wira Aditya; Melda Agarina
Bulletin of Network Engineer and Informatics Vol. 4 No. 1 (2026): BUFNETS (Bulletin of Network Engineer and Informatics) April 2026
Publisher : PT. GWEX NET PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59688/736979

Abstract

This study investigates the application of the K-Means clustering algorithm to classify Posyandu service areas based on toddler demographic characteristics, with the goal of supporting more efficient planning and targeted distribution of nutritional aid. Using a dataset consisting of 855 toddler records from the Puskesmas Braja Caka region, data preprocessing steps—including one-hot encoding, handling of categorical locality attributes, and Z-score standardization—were performed to ensure consistent feature representation. The Elbow Method indicated that six clusters provided the optimal balance between compactness and interpretability. The resulting cluster distribution comprised 133 toddlers in Cluster 0, 75 in Cluster 1, 151 in Cluster 2, 238 in Cluster 3, 125 in Cluster 4, and 133 in Cluster 5. Further analysis revealed distinct demographic characteristics: Clusters 0 and 2 had higher median ages, Cluster 3 displayed the widest age variability, and Cluster 4 showed the highest proportion of male toddlers. PCA visualization confirmed a clear separation among clusters, while boxplots illustrated meaningful differences in age distribution. These findings demonstrate that K-Means clustering effectively uncovers demographic patterns that can guide policymakers in allocating resources more accurately and prioritizing interventions for communities with higher toddler density or greater nutritional risk. As an actionable recommendation, health authorities are advised to prioritize nutritional supplementation and intensified monitoring in Cluster 3 (highest density, 238 toddlers) and Cluster 4 (male-dominant, youngest age group), while deploying tailored growth-monitoring programs in Clusters 0 and 2 where older toddlers are concentrated. This approach strengthens data-driven decision-making for Posyandu operations.
Analisis Deskriptif Data SKP Pegawai Kominfo Menggunakan Algoritma K-Means Clustering untuk Identifikasi Pola Kinerja Alan Marta Dinata; Melda Agarina
TEKNIKA Vol. 20 No. 2 (2026): Teknika Mei 2026
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.18142625

Abstract

Perkembangan teknologi informasi mendorong peningkatan tata kelola pemerintahan, termasuk pengelolaan kinerja ASN. Kominfo telah memiliki data Sasaran Kinerja Pegawai (SKP), namun pemanfaatannya masih terbatas pada penilaian deskriptif tanpa analisis mendalam. Penelitian ini bertujuan mengidentifikasi pola kinerja pegawai Kominfo menggunakan algoritma K-Means Clustering dalam kerangka CRISP-DM. Data yang digunakan terdiri atas 404 pegawai dengan 10 variabel kinerja seperti disiplin, produktivitas, kualitas kerja, orientasi pelayanan, komitmen, kerja sama, dan nilai SKP. Analisis dilakukan menggunakan Python pada Google Colaboratory. Penentuan jumlah klaster optimal menggunakan Elbow Method menunjukkan titik siku yang jelas pada k=5, ditandai oleh penurunan Within-Cluster Sum of Squares (WCSS) yang mulai stabil setelah nilai tersebut. Evaluasi kualitas klaster melalui Silhouette Coefficient juga mendukung pemilihan lima klaster. Hasil penelitian mengungkap bahwa kelima klaster tersebut merepresentasikan variasi tingkat kinerja mulai dari tinggi hingga rendah, dengan mayoritas pegawai berada pada kategori sedang hingga baik. Disiplin dan kualitas kerja menjadi indikator paling konsisten, sedangkan komitmen dan kerja sama muncul sebagai variabel pembeda utama antar klaster. Penelitian ini membuktikan bahwa algoritma K-Means efektif dalam memetakan kinerja pegawai secara objektif dan berbasis data. Temuan ini dapat digunakan sebagai dasar penyusunan strategi pembinaan serta pengembangan SDM untuk meningkatkan produktivitas organisasi.
Business Intelligence Dashboard Using Power BI for Sentiment Analysis and Tokopedia Product Performance Abdurrahman Dzaki Alhadi; Melda Agarina
JURNAL TEKNOLOGI DAN OPEN SOURCE Vol. 9 No. 1 (2026): Jurnal Teknologi dan Open Source, June 2026
Publisher : Universitas Islam Kuantan Singingi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/jtos.v9i1.5745

Abstract

Customer reviews on e-commerce platforms provide valuable insights into product performance and consumer satisfaction. However, most existing studies focus primarily on sentiment classification and model evaluation, with limited integration of sentiment data and business indicators such as product price, sales volume, and category. This study developed a Business Intelligence (BI) dashboard using Microsoft Power BI to analyze Tokopedia product performance by integrating customer sentiment, ratings, product prices, categories, review counts, and sold counts. A descriptive quantitative approach was employed using a secondary dataset consisting of 65,543 reviews, 5,521 products, 856 anonymous shops, and 13 attributes. Sentiment labels were transformed into numerical sentiment scores (positive = 1, neutral = 0, negative = −1) through a rule-based mapping method to support quantitative analysis. The research process included data inspection, preprocessing, sentiment score transformation, data modeling, dashboard development, correlation analysis, and functional evaluation. Results showed that positive sentiment dominated the dataset, accounting for 97.56% of all reviews. The Food and Beverage category recorded the highest review volume and average sold count, while Electronics had the highest average product price. Spearman correlation analysis revealed a moderate negative relationship between product price and sold count (−0.443) and a strong positive relationship between review count and sold count (0.722). The dashboard supports data-driven product evaluation, pricing, and marketing decisions.
Co-Authors - Nurfiana Abdurrahman Dzaki Alhadi Adela, Cindy Nada Agung Nugroho Menggala Putra Alan Marta Dinata Arman Suryadi Karim, Arman Suryadi Bagus Prihadi Bobby Bachry Edi Edi Pranyoto Emanuel Kristidjadi Fauzi Maulana, Muh Royan Firdhayanti, Ayu Halimah Halimah Hendra Kurniawan Hendri Purnomo Hernawati Hernawati I Ketut Suada Innani, Turzina Kristidjadi, Emanuel M Said Hasibuan M Yusendra M. Royan Fauzi M.Royan Fauzi M.Royan Fauzi Maulana Maulana, Muh Royan Fauzi Muhamad Andre Wira Aditya Muhammad Ariza Eka Yusendra Nanang Shonhadji Nursiyanto Nurul Hikmah Afnil Ochi Marshella Ochi Marshella Febriani Putra, Agung Nugroho Menggala Rini Nurlistiani Ruki Rizal Sari, Erlinda Ratna SITI NURROHMAH JAMIL Sri Karnila Sri Karnila Stefanus Rumangkit Suryadi , Arman Susanti - Susanti - Susanti Susanti Susanti Susanti Susanti Susanti Sushanty Saleh Sutedi Sutedi Titin Fitri tri wahyuni Tri wahyuni Tria Devi Miranti Wasilah Yusminar Yusminar Yusminar Yusminar