Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Agri-Informatika SEINASI-KESI
Fransisca, Putri Sarah
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
DESAIN APLIKASI NEOMAL KIT, PENDAMPING PERJALANAN DI ERA NEW NORMAL Rindu, Ajeng Arifa Chantika; Isnainiyah, Ika Nurlaili; Kusyanti, Annisya Safa; Fransisca, Putri Sarah; Maulida, Rachma Adzima; Nada, Viryal Zahra
SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Pandemi wabah Corona Virus Disease 19 (COVID-19) tidak hanya menggemparkan lingkup nasional saja, namun ranah internasional disibukkan dengan kehadiran wabah virus COVID-19. Kejadian ini menimbulkan dampak pada aktvitas manusia dari berbagai sektor. Manusia juga dituntut untuk lebih memperhatikan kebersihan dan kesehatan masing-masing individu karena COVID-19 ini dapat menyerang siapapun dari kalangan manapun. Yang dapat dilakukan manusia saat ini hanyalah mencegah diri sendiri agar tidak terpapar virus tersebut. Salah satu ketetapan yang mengatur mengenai kehidupan saat pandemi sering kita kenal dengan Protokol Kesehatan. Hal ini memotivasi kami untuk membuat aplikasi yang dapat membantu masyarakat dalam mematuhi protokol kesehatan dengan menyediakan beberapa fitur seperti fitur distance alarm, mengecek suhu tubuh, melihat keramaian lokasi, serta membuat jadwal aktivitas dan mendapatkan pengingat ketika ingin keluar rumah untuk memakai masker, membawa handsanitizer, tissue, dan hand wash. Untuk memenuhi kebutuhan pengguna, penulis melakukan analisis desain dengan menggunakan metode Goal, Operator, Method, Selection (GOMS). Hasil analisis penulis menunjukkan bahwa pengguna dapat menggunakan fitur aplikasi Neomal Kit dengan berbagai cara yang berbeda dan juga menghabiskan waktu yang beragam.
Deteksi Citra Digital Penyakit Cacar Monyet menggunakan Algoritma Convolutional Neural Network dengan Arsitektur MobileNetV2 Fransisca, Putri Sarah; Matondang, Nurhafifah
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 10 No. 2 (2023)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.10.2.200-211

Abstract

Pada bulan Juli tahun 2022, penyakit cacar monyet ditetapkan sebagai darurat kesehatan global. Hal ini dikarenakan penyakit cacar monyet sudah terjadi di lebih dari 70 negara. Kasus cacar monyet di Indonesia ditemukan pertama kali pada bulan Agustus 2022 di Kota Jakarta. Kesamaan gejala yang dimiliki oleh penyakit cacar monyet, cacar air, dan campak menjadi tantangan untuk para tenaga kerja kesehatan dalam membedakan penyakit tersebut. Penelitian ini mengembangkan sebuah model algoritma deteksi otomatis untuk mendeteksi citra digital penyakit cacar monyet. Algoritma tersebut adalah convolutional neural network dengan arsitektur MobileNetV2 serta penerapan transfer learning. Pelatihan model dilakukan dengan jumlah 5 epoch dan mengimplementasikan dua jenis optimizer, yaitu Adam dan RMSprop. Penerapan Adam optimizer dengan learning rate 10-4 menghasilkan akurasi pada data uji sebesar 94%, akurasi pada data latih sebesar 92%, dengan nilai loss function 27%. Hasil yang berbeda dihasilkan oleh penerapan RMSprop optimizer dengan learning rate 45×10-3 menghasilkan akurasi pada data uji sebesar 97%, akurasi pada data latih mencapai 97% namun nilai loss function cukup tinggi yaitu mencapai 52%. Hasil ini menunjukkan bahwa Adam optimizer lebih efektif dalam menyempurnakan parameter model untuk mengoptimalkan deteksi gambar cacar monyet selama pelatihan.
Co-Authors Isnainiyah, Ika Nurlaili Kusyanti, Annisya Safa Matondang, Nurhafifah Maulida, Rachma Adzima Nada, Viryal Zahra Rindu, Ajeng Arifa Chantika