Article Per Year (5 Year)
p-Index From 2021 - 2026
3.987
P-Index
This Author published in this journals
All Journal Jurnal Rekayasa Sistem Industri KALAMATIKA Jurnal Pendidikan Matematika PRISMA SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Conference on Innovation and Application of Science and Technology (CIASTECH) JKPM (Jurnal Kajian Pendidikan Matematika) M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika Jusikom: Jurnal Sistem Informasi Ilmu Komputer Buana Ilmu Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Teknik Informatika (JUTIF) KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Inovasi Penelitian dan Pengabdian Masyarakat Decode: Jurnal Pendidikan Teknologi Informasi Scientific Student Journal for Information, Technology and Science Jurnal Algoritma Jurnal Komtika (Komputasi dan Informatika)
Lestari, Santi Arum Puspita
Universitas Buana Perjuangan Karawang
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
IMPLEMENTASI ALAT UKUR SUHU DAN PH AIR UNTUK BUDIDAYA LOBSTER DENGAN ALGORITMA FUZZY LOGIC BERBASIS IoT Susilo, Adi; Cahyana, Yana; Lestari, Santi Arum Puspita; Rohana, Tatang
JATISI Vol 11 No 4 (2024): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v11i4.8749

Abstract

Budidaya lobster air tawar memiliki prospek usaha yang cukup bagus, namun pertumbuhan usaha budidaya lobster yang ada belum selaras dengan permintaan, perihal ini teramati dari rendahnya tingkat produksi serta kualitas produk budidaya. Kualitas suhu dan pH air bisa mempengaruhi aktivitas dalam budidaya lobster air tawar, karena satu di antara faktor yang memberi pengaruh tingkat frekuensi molting serta kanibalisme menjadi rendahnya tingkat produksi budidaya. Agar mengatasi masalah tersebut maka dilakukan penelitian yang membuat alat dengan memanfaatkan algoritma fuzzy logic dan dipadukan teknologi Internet of Things. Berdasarkan capaian dengan melaksanakan uji sebanyak 10 kali, diketahui nilai error rata-rata pada sensor suhu yaitu 0,40% dan nilai error rerata pada sensor pH yaitu 0,22%.
Perbandingan Kinerja Algoritma Decision Tree dan Random Forest untuk Klasifikasi Nutrisi pada Makanan Cepat Saji Yaman, Nuurul Izzati; Juwita, Ayu Ratna; Lestari, Santi Arum Puspita; Faisal, Sutan
Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.21-2.1649

Abstract

Makanan cepat saji telah menjadi bagian penting dari gaya hidup modern yang sibuk, makanan cepat saji lebih digemari karena membuat makan menjadi mudah dan nyaman. Anak muda zaman sekarang sangat menyukai makanan instan. namun, konsumsi makanan instan yang berlebihan dapat memicu berbagai masalah kesehatan, termasuk pola makan yang obsesif. Hal ini menimbulkan kebutuhan untuk mengembangkan metode analisis yang lebih akurat untuk mengklasifikasikan data nutrisi makanan cepat saji, tujuan klasifikasi adalah untuk memperoleh model pohon keputusan yang dapat digunakan untuk mengantisipasi dan memperhatikan bagaimana variable pada data yang berhubungan satu sama lain. Dalam membandingkan kinerja Algoritma Decision Tree dan Random Forest dalam memproses data nutrisi makanan cepat saji ditemukan bahwa semua variabel memiliki korelasi. Hasil implementasi ditemukan bahwa kedua model memiliki kemampuan yang luar biasa. kinerja Algoritma Decision Tree dan Random Forest pada dataset yang sama, Random Forest mengungguli Decision Tree dengan nilai akurasi 66.67%, sedangkan Decision Tree hanya mencapai 55.56%, menunjukkan bahwa Random Forest mampu memberikan prediksi yang lebih akurat untuk kelas data uji. Selain itu, karakteristik kelompok Random Forest, di mana beberapa pohon keputusan digabungkan, memberikan keunggulan dalam menangani kompleksitas data dan meningkatkan generalisasi model. Hasil ini menunjukkan bahwa pembelajaran kelompok dapat meningkatkan kinerja dan keandalan prediksi dalam membangun model klasifikasi, terutama dalam kasus dataset yang kompleks.
Sistem Pakar Mendiagnosis Tingkat Kecanduan Game Online Menggunakan Metode Certainty Factor Anisa Itiawanti; Yana Cahyana; Santi Arum Puspita Lestari
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kecanduan game merupakan sebuah pola perilaku bermain yang ditandai dengan seseorang yang tidak dapat mengendalikan keinginan bermain game, lebih memprioritaskan bermain game daripada melakukan kegiatan yang lain atau aktivitas yang lain. Kecanduan game online merupakan masalah yang serius tetapi dalam penangannya masih sangat minim, maka dibutuhkan sistem untuk mempermudah mendeteksi tingkat kecanduan bermain game online yang bersumber dari gejala yang dialami oleh pengguna dengan menggunakan sistem pakar. Ketidakpastian dalam penarikan kesimpulan sering terjadi dalam sistem pakar. Salah satu metode untuk mengatasi ketidakpastian tersebut adalah metode Certainty Factor. Metode Certainty Factor adalah metode untuk membuktikan apakah suatu fakta itu pasti atau fakta tidak pasti, metode Certainty Factor ini sangat cocok untuk mendiagnosa sesuatu yang belum pasti. Berdasarkan hasil pengujian yang dilakukan terdapat 22 data yang sesuai dari semua data uji 30 responden. Jadi, tingkat akurasi sistem setelah dilakukan pengujian terhadap 30 data uji adalah 73,3%.
Prediksi Kanker Paru dengan Normalisasi menggunakan Perbandingan Algoritma Random Forest, Decision Tree dan Naïve Bayes Banafshah Shafa; Hanny Hikmayanti Handayani; Santi Arum Puspita Lestari; Yana Cahyana
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.779

Abstract

Berdasarkan data Global Cancer Observatory Organisasi Kesehatan Dunia angka kematian kanker paru sebanyak 1.796.144 orang di seluruh dunia. Kematian akibat kanker paru di Indonesia sebanyak 30.843 pada tahun 2020. Penyakit yang dapat membunuh orang akibat keganasannya yang paling umum disebabkan oleh kanker paru mencapai 13% dari keseluruhan diagnosis kanker. Penyakit ini dapat disebabkan dari internal ataupun eksternal paru- paru. Membuat model prediksi dirasa perlu, guna mendeteksi penyakit ini lebih awal untuk menekan angka kematian yang diakibatkan oleh kanker paru. Menggunakan proses pemodelan menggunakan algoritma Random Forest, Naïve Bayes dan Decision Tree untuk memproses data tersebut. Tujuan penelitian melakukan perbandingan algoritma Random Forest, Decision Tree serta Naïve Bayes untuk memprediksi penyakit kanker paru dengan menggunakan data yang terdiri dari 26. 000 data. Data ini meliputi informasi tentang pasien, gaya hidup, dan kondisi medis, seperti umur, jenis kelamin, polusi udara, konsumsi alkohol, alergi debu, risiko genetik, penyakit paru kronis, diet seimbang, obesitas, kebiasaan merokok, dan riwayat penyakit lain. Tahapan pengolahan data terdiri dari, pembersihan Data, yaitu menghilangkan fitur yang tidak relevan, seperti Index dan Patient ID, dan mengubah fitur kategorikal "Level" menjadi bentuk numerik, lalu analisis Korelasi,yaitu Mengidentifikasi atribut yang memiliki korelasi tinggi, seperti "Alcohol Use", "Occupational Hazards", "Genetic Risk", dan "Chronic Lung Disease", selanjutya normalisasi data mengubah sebaran data dari empat atribut yang memiliki korelasi tinggi agar lebih mudah diproses, kemudian seleksi fitur yaitu memilih fitur penting dengan menggunakan metode chi-square, yang menunjukkan bahwa "Coughing of Blood", "Passive Smoker", dan "Obesity" memiliki score tertinggi dan dianggap sebagai fitur penting, dilanjutkan dengan pemisahan Data, yaitu membagi data menjadi 80% untuk data pelatihan dan 20% untuk data pengujian, selanjutnya pembuatan model dengan menggunakan tiga algoritma, yaitu Random Forest, Decision Tree, dan Naïve Bayes, untuk memprediksi kanker paru. Random Forest dan Decision Tree mencapai akurasi 100%, sementara Naïve Bayes mencapai akurasi 86%. Berdasarkan evaluasi penelitian yang telah dilakukan pada data penyakit kanker paru, algoritma Random Forest dan Decision Tree sangat cocok untuk prediksi data penyakit kanker paru karena mampu menghasilkan model prediksi yang baik dengan pengujian Confusion Matrix serta Learning Curve.
Diagnosa Penyakit Kulit Wajah dengan Metode Decision Tree dan Algoritma C4.5 Afga Ilyasa; Sutan Faisal; Santi Arum Puspita Lestari
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini membahas tentang bagaimana algoritma dapat menghasilkan prediksi yang dapat digunakan sebagai acuan untuk mengimplementasikan diagnosa penyakit kulit wajah dengan menggunakan metode Decision Tree dan C4.5. Algoritma ini memungkinkan untuk mendiagnosa penyakit kulit wajah. Dalam observasinya, penelitian ini mengamati sejumlah pasien yang mengalami berbagai penyakit kulit wajah. Setiap pasien menjalani pemeriksaan oleh dokter kulit yang melakukan diagnosa berdasarkan gejala yang terlihat pada kulit wajah. Hasil prediksi yang dilakukan menggunakan Decision Tree dan C4.5 pada periode September – Januari tahun 2023, hasil pengujian menggunakan algoritma C4.5 mendapatkan tingkat akurasi sebesar 99,26%, dengan kesalahan sebesar 10%, yang masih masuk dalam kategori sangat baik. Hasil prediksi ini menghasilkan macro avg 0,97 dan weighted avg 0,96. Penelitian ini dapat memprediksi penyakit kulit wajah dengan cukup efektif, mirip dengan hasil dari pakar medis asli. Dalam pelaksanaannya, penelitian ini melibatkan beberapa tahap, meliputi pengumpulan data, pemrosesan data, pelatihan model, seleksi fitur, validasi, dan evaluasi. Fungsi dari penelitian ini adalah untuk pengambilan keputusan dan klasifikasi penyakit. Penelitian ini menggunakan metode Decision Tree dan C4.5 untuk mendiagnosa penyakit kulit wajah.
Penerapan Optical Character Recognition dan Text to Speech pada Aplikasi Pengenalan Teks Berbasis Android Niki Galih Prasetyo; Ahmad Fauzi; Santi Arum Puspita Lestari
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Optical Character Recognition (OCR) merupakan sebuah teknologi machine learning yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Metode OCR sendiri digunakan untuk mengenali teks hasil cetakan mesin (Machine Printed Text). Sistem OCR ini sudah berhasil mengenali beberapa tipe font, yaitu Times New Roman, Arial Black, Corbel, Century Gothic, Tahoma, Consolas, Lucida Calligraphy, Verdana, Book Antiqua, Sylfaen, dan Courier New, serta beberapa tulisan tangan yang sudah diuji, dengan rata-rata waktu proses pendeteksian sekitar 2 detik per kalimat dan 13 detik dari input sample text dengan font size dari 10 yang terkecil hingga 28 yang terbesar. Tingkat akurasi valid mencapai nilai akurasi sebesar 98% dari 15 sample text yang diuji. Tahap pengujian teks masing-masing dilakukan secara 3 kali, dengan tahap pengujian mendeteksi normal, mendeteksi teks dengan jarak 25-30 cm, dan mendeteksi teks yang ada pada layar komputer. Sistem OCR ini sudah mampu mengeluarkan sebuah output suara atau Text to Speech (TTS) dengan rata-rata proses kerja sistem kurang dari 1 menit. Sistem aplikasi OCR berbasis TTS ini dibuat menggunakan bahasa pemrograman Java dengan software pendukung Android Studio dan juga memanfaatkan salah satu library Google, yaitu API Google Cloud Vision dan juga library yang ada pada software Android Speech TTS.
Implementasi Hyperparameter Tuning Grid Search CV Pada Prediksi Produksi Padi Menggunakan Algoritma Linear Regresi Jamiluddin, Fathir; Faisal, Sutan; Lestari, Santi Arum Puspita; Fauzi, Ahmad
Journal of Information System Research (JOSH) Vol 6 No 1 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i1.5930

Abstract

Rice is one of the main crops in Indonesia that produces the largest staple food, namely rice commodities. Rice is a staple food consumed by almost 98% of Indonesian people. This study aims to compare the Linear Regression Algorithm and Decision Tree in an effort to find the most appropriate algorithm for predicting rice production data. Linear Regression is still a useful model, especially if the data has a non- linear relationship that cannot be captured by Linear Regression. So it can be concluded that the Linear Regression Algorithm with optimization of the tuning grid search cv hyperparameter is able to predict rice production better than the Decision Tree Algorithm with an R2-score value of 86.895666, MAE 261049.168107, and MSE 160199780301.226318.
Prediksi Persediaan Obat Pada Apotek Menggunakan Algoritma Decision Tree Pratiwi, Sinta Amanda; Fauzi, Ahmad; Puspita Lestari, Santi Arum; Cahyana, Yana
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 4 (2024): Februari 2024
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i4.1681

Abstract

A pharmacy is a place for buying and selling drugs and must have an adequate stock of drug supplies so that it can serve consumers in need. In some pharmacies there are problems related to drug supply. Often the drugs needed by the community are empty in stock, while the drugs that are less needed are stored in the warehouse. Therefore, this study aims to conduct a prediction model of drug supply so that it can meet consumer needs. This study uses drug inventory data at Kaligandu Pharmacy, the data has 2745 rows and 5 attributes consisting of "Item Name", "Unit", "Previous Stock", "Rill Stock", and "Restock". The method used in this case is the Decision Tree algorithm with Accuracy, Precision, Recall, and F1-Score evaluation methods to see which drugs are available and not available based on "Unit". The results showed that the Decision Tree algorithm obtained good results by using a data comparison of 80 to 20 resulting in an accuracy value of 98.71%. In addition, the resulting values of Precision, Recall, and F1-Score are not much different, namely 0.9872, 0.9872, and 0.9867. The 70 to 30 data comparison produces a smaller value but is not much different from the results of 80 to 20, namely the accuracy of 98.28%, Precision 0.9832, Recall 0.9828, and F1-Score 0.9804. with these results this research can be continued by implementing drug inventory prediction using Decision Tree into an application
Integrasi Etnomatematika dalam Pembelajaran Bangun Datar Segi Empat Berbasis Kearifan Lokal untuk Meningkatkan Pemahaman Matematika Lestari, Santi Arum Puspita; Kusumaningrum, Dwi Sulistya; Nurapriani, Fitria
Jurnal Inovasi Penelitian dan Pengabdian Masyarakat Vol. 4 No. 2 (2024): Desember
Publisher : Indonesia Emerging Literacy Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53621/jippmas.v4i2.369

Abstract

Matematika dianggap sebagai pelajaran wajib dari tingkat pendidikan dasar hingga tinggi karena menjadi dasar dan penghubung bagi mata pelajaran lainnya. Namun, masih ada siswa yang mengalami kesulitan dan memandang matematika hanya sebagai perhitungan dasar. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemahaman matematika siswa dengan menghubungkan matematika dan kebudayaan lokal melalui etnomatematika yang berfokus pada bangun datar segi empat. Kegiatan PkM menggunakan metode sosial konstruktivisme yang dibagi menjadi 5 tahap yakni identifikasi masalah, kolaborasi, eskplorasi, implementasi, dan evaluasi. Melalui kegiatan pengabdian kepada masyarakat, dilakukan penyuluhan di SMPN 2 Cilebar, memperkenalkan etnomatematika pada bidang segi empat kepada siswa. Hasilnya menunjukkan bahwa 85% siswa (22 dari 25 siswa) mampu mengenali bentuk segi empat pada rumah adat Sunda. Selain itu, kegiatan ini berhasil meningkatkan minat siswa terhadap matematika dengan mengaitkannya secara nyata dengan kebudayaan lokal. Meskipun berhasil, masih ada faktor penghambat, seperti persepsi sulitnya matematika dan pandangan bahwa matematika bersifat abstrak. Dengan demikian, kesimpulan yang diperoleh dari kegiatan ini adalah memberikan kontribusi positif dalam memahamkan siswa mengenai penerapan matematika pada kehidupan sehari-hari melalui pendekatan etnomatematika.
CLASSIFICATION OF RICE PLANTS AFFECTED BY RATS USING THE SUPPORT VECTOR MACHINE (SVM) ALGORITHM Nofie Prasetiyo; Baihaqi, Kiki Ahmad; Lestari, Santi Arum Puspita; Cahyana, Yana
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 2 (2024): JUTIF Volume 5, Number 2, April 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.2.1949

Abstract

In the era of Indonesia's agrarian economy which is supported by the agricultural sector, rice plants play an important role in meeting food needs. However, pest attacks, especially field mice, can cause significant losses in rice production. To overcome this, this research proposes the use of the Support Vector Machine (SVM) algorithm with the Particle Swarm Optimization method in predicting rat pest attacks on rice plants. This research involves the process of collecting data from drone photos to identify affected agricultural land. The preprocessing stage involves changing colors from RGB to GRAY and zoom augmentation. Feature extraction is carried out using Histogram of Oriented Gradients (HOG) and Local Binary Pattern (LBP). Testing was carried out involving the SVM/SVC model and performance evaluation was carried out using accuracy, precision and recall metrics. The preprocessing test results showed an increase in performance with training accuracy of 68.33%. However, the actual prediction on the original image results in a low accuracy of around 25%. However, image testing after involving the entire process, including preprocessing and model prediction, shows a higher level of accuracy, reaching around 90%.
Co-Authors Adi Susilo Afga Ilyasa Ahmad Fauzi Ahmad Fauzi Anisa Itiawanti Baihaqi, Kiki Ahmad Banafshah Shafa Deden Wahiddin Dwi Sulistya Dwi Sulistya Kusumaningrum Faisal, Sutan Fauzi Ahmad Muda Firdaus, Thoriq Janati Firmansyah Maulana Fitria Nurapriani Hanny Hikmayanti Handayani Hartini, Dina Holila, Holila Indra, Jamaludin Intan Murni Pratiwi Iyan Khoerniyah Jamiluddin, Fathir Jorke Alkawiyu Juwita, Ayu Ratna Kusumaningrum, Dwi Sulistya Lutfi Aziz Maulana, Ikhsan Muhammad Ashi Dicky Niki Galih Prasetyo Nofie Prasetiyo Nurapriani, Fitria Nurmayanti, Trisya Nurofik Pratama, Adi Rizky Pratiwi, Sinta Amanda Rahmat Rahmat Ridwan, Ridwan Rishma Maudyna Roby Rupiat Rohana, Tatang Siregar, Amril Mutoi Sukamto, Ika Sumiyarsi Sutan Faisal Tohirin Al Mudzakir Wahiddin, Deden Wahyu Setio Aji Wilda Amalia Yaman, Nuurul Izzati Yana Cahyana Yulia Ningsih