Article Per Year (5 Year)
p-Index From 2020 - 2025
2.407
P-Index
This Author published in this journals
All Journal Ekonomi Bisnis Prosiding KOMMIT Prosiding PESAT Jurnal Ilmiah FIFO Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Teknoinfo Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Jalabahasa: Jurnal Ilmiah Kebahasaan JIKI (Jurnal Ilmu Komputer dan Informatika) Nekton Jurnal Pengabdian Masyarakat Bangsa Jurnal Penelitian Multidisiplin Bangsa Prosiding SeNTIK STI&K
Ida Astuti
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Penerapan Random Forest Regression Untuk Memprediksi Harga Jual Rumah Dan Cosine Similarity Untuk Rekomendasi Rumah Pada Provinsi Jawa Barat Ega Sri Lestari; Ida Astuti
Jurnal Ilmiah FIFO Vol 14, No 2 (2022)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2022.v14i2.003

Abstract

Penelitian ini bertujuan untuk mengimplementasikan sebuah algoritma machine learning yaitu Random Forest Regression dalam memprediksi harga rumah dan algoritma Cosine Similarity dalam memberikan rekomendasi rumah. Data yang diambil menggunakan teknik web scrapping, lalu data tersebut akan di olah menggunakan metode CRISP-DM (Cross-Industry Standard Process dor Data Mining) dengan tahap business understanding, data understanding, data preparation, modeling, evaluation dan deployment. Hasil akurasi dari proses prediksi dengan tuning parameter sebesar 85,29%, sedangkan hasil akurasi rekomendasi mendapatkan hasil 89,99% pada data uji. Penelitian berhasil mengimplementasikan model berupa website yang dapat digunakan oleh pengguna dalam mencari kebutuhan harga rumah di daerah provinsi Jawa Barat kemudian rekomendasi diberikan dengan peralihan link menuju website rumah123.com untuk informasi lebih lengkap. Website yang sudah dibangun telah diuji dengan pengujian inferensial mendapatkan nilai precision yang didapatkan oleh sistem 75%, recall 100%, akurasi sistem 80%, sedangkan f-measure 86%, sedangkan pada sistem rekomendasi mendapatkan nilai precision yang didapatkan oleh sistem 78%, recall 100%, akurasi sistem 80%, sedangkan f-measure 88%. Pengujian dengan user acceptance test pada website mendapatkan persentase sebesar 89.29% dengan kategori sangat baik.
Data Mining untuk Klasifikasi Diagnosa Kanker Payudara Dengan Menerapkan Algoritma C4.5 Yulia Eka Praptiningsih; Winda Widya Ariestya; Ida Astuti; Sylvia Nurulita
Jurnal Ilmiah FIFO Vol 15, No 1 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i1.005

Abstract

Penyakit kanker merupakan gangguan kesehatan pada organ tubuh manusia atau jaringan tubuh di mana sel-sel yang tidak normal berkembang biak dengan tidak terkendali. Kanker adalah penyebab kematian terbesar kedua, tak terkecuali kanker payudara yang diderita sebagian besar wanita Indonesia. Tujuan penelitian ini adalah untuk mendiagnosa penyakit kanker payudara yang diderita pasien apakah bersifat  ganas atau jinak  menggunakan algoritma C4.5 sehingga dapat membantu penanganan penyakit kanker tersebut untuk mencegah kematian.  Metode penelitian yang digunakan terdiri dari tiga tahapan yaitu preprocessing, modeling, dan evaluation. Tahap preprocessing, 570 catatan data klinis dari UCI (UC Irvine) Machine Learning Repository digunakan dalam penelitian ini dan selanjutnya dilakukan split data yaitu data train dan data test. Tahap modeling (pembentukan model) mengimplementasikan algoritma C4.5 sebagai metode klasifikasi penyakit kanker payudara ganas dan jinak. Tahap akhir evaluation dari hasil klasifikasi pada 32 atribut diperoleh 8 atribut sebagai penentu. Hasil evaluasi performance menunjukan algoritma C4.5 dapat digunakan sebagai algoritma pada klasifikasi penyakit kanker payudara karena nilai akurasi yang diperoleh cukup besar yaitu 93,04%, presisi 80,00% dan recall 92,31%.
Pelatihan Pemanfaatan Artificial Intelligence dalam Pembelajaran di SD Global Islamic School Depok Ariestya, Winda Widya; Astuti, Ida; Ruhama, Syamsi; Hapsari, Dewi Anggraini Puspa; Adhayanti, Nurul
Jurnal Pengabdian Masyarakat Bangsa Vol. 2 No. 3 (2024): Mei
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v2i3.877

Abstract

Artificial Intelligence (AI) telah mengubah banyak aspek kehidupan, termasuk pendidikan. Sebagai fasilitator utama proses pembelajaran, guru harus memahami dan memanfaatkan AI untuk meningkatkan kualitas pembelajaran dan membuat belajar lebih menarik. Guru pada SD Global Islamic School Depok berusaha untuk mengikuti perkembangan teknologi dengan pemanfaatan tools AI yang digunakan dalam pembelajaran. Tujuan kegiatan ini adalah melakukan pelatihan atau pendampingan kepada guru dengan pemanfaatan tools AI yaitu Education CoPilot dan Google Gemini sehingga dapat mngoptimallkan kreativitas guru dalam persiapan pembelajaran baik dalam perencanaan, meningkatkan pemahaman dan pembuatan bahan ajar, evaluasi pembelajaran kepada siswa. Metode pelaksanaan yang dilakukan terdiri dari empat tahapan yaitu analisis kebutuhan, pembuatan materi pelatihan, pelaksanaan pelatihan serta evaluasi dan pelaporan. Hasil evaluasi yang dilakukan setelah pelatihan menunjukkan terjadi peningkatan pengetahuan guru 82.1% , hal  ini memberikan manfaat untuk meningkatkan kualitas pembelajaran, guru memperoleh kemampuan untuk beradaptasi dengan teknologi terkini, membantu guru untuk berinovasi dan berinteraksi secara lebih efektif dan efisien dalam proses pembelajaran.
Studi Sentimen Masyarakat terhadap PSSI di Era Erick Thohir menggunakan Algoritma Support Vector Machine (SVM) pada Media Sosial X Imaddudin, Satrio; Astuti, Ida; Ruhama, Syamsi
Jurnal Penelitian Multidisiplin Bangsa Vol. 1 No. 8 (2025): Januari
Publisher : Amirul Bangun Bangsa Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpnmb.v1i8.193

Abstract

PSSI sebagai organisasi induk sepak bola di Indonesia, memiliki peran strategis dalam pengelolaan dan pengembangan sepak bola Nasional. Penelitian ini bertujuan untuk melakukan studi sentiment masyarakat tentang PSSI di era kepemimpinan Erick Thohir melalui media sosial X dengan menerapkan metode Support Vector Machine (SVM). Data penelitian diperoleh melalui teknik data crawling, yang berhasil mengumpulkan 3.900 tweet dari platform media sosial X. Proses analisis dilakukan berdasarkan metodologi CRISP-DM, yang meliputi tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Pada tahap pengujian model, dilakukan tiga skenario pembagian data latih dan data uji dengan rasio 80:20, 70:30, dan 60:40, menggunakan dua bahasa, yaitu bahasa Indonesia dan bahasa Inggris. Hasil pengujian menunjukkan bahwa skenario terbaik tercapai pada rasio 80:20 dengan bahasa Inggris, menghasilkan akurasi sebesar 76,6%. Sentimen yang diidentifikasi dalam analisis ini diklasifikasikan menjadi tiga kategori: positif, netral, dan negatif. Dari hasil analisis, sentimen positif mendominasi dengan persentase 66%, diikuti oleh sentimen netral sebesar 27%, dan sentimen negatif sebesar 7,1%.
Transformasi Digital di Sekolah: Pelatihan Google Sheets untuk Pengolahan Nilai dan Pembuatan Rapor Guru INBS Cibinong Ariestya, Winda Widya; Astuti, Ida; Kusumawijaya, Ike Putri; Supriyatin, Wahyu; Susiloatmadja, Romdhoni
Jurnal Pengabdian Masyarakat Bangsa Vol. 2 No. 10 (2024): Desember
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v2i10.1797

Abstract

Transformasi digital di dunia pendidikan merupakan peluang sekaligus tantangan yang mengharuskan adaptasi terhadap kemajuan teknologi, termasuk dalam pengelolaan nilai akademik siswa. Sekolah Imam Nawawi Boarding School (INBS) Putra – Cibinong menghadapi kendala dalam pengolahan nilai dan pembuatan rapor yang masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dan memakan waktu signifikan. Untuk mengatasi hal tersebut, Tim Abdimas Universitas Gunadarma melaksanakan pelatihan penggunaan Google Sheets sebagai solusi digital. Pelatihan ini bertujuan membekali guru dengan keterampilan mengelola data akademik siswa secara lebih cepat, akurat, dan profesional melalui fitur otomatisasi seperti formula, filter, dan kolaborasi real-time. Evaluasi pelatihan menunjukkan bahwa 82% peserta menganggap program ini sangat bermanfaat dalam meningkatkan efisiensi kerja. Selain itu, kegiatan ini berhasil mendorong para guru untuk lebih aktif berkontribusi dalam transformasi digital di lingkungan pendidikan. Pelatihan ini juga memberikan dampak positif dalam menciptakan lingkungan belajar yang lebih efisien dan berbasis teknologi.
STEGANOGRAFI CITRA DIGITAL MENGGUNAKAN METODE LEAST SIGNIFICANT BIT (LSB) Ervan Rahadian Hakim; Ida Astuti; Winda Widya Ariestya
Prosiding Seminar SeNTIK Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Penerapan steganografi dapat digunakan untuk menyembunyikan informasi dan mencegah pihak ketiga mengetahui keberadaan informasi. Tujuan penelitian ini adalah menghasilkan aplikasi steganografi menggunakan algoritma Least Significant Bit dan Cipher pada citra digitaldengan memberikan tambahan parameter kata kunci untuk memberikan keamanan. Metode SDLC (Software Development Life Cycle) dengan model waterfall dimanfaatkan dalam pengembangan sistem yang terdiri dari tahapan perencanaan, analisis, desain, implementasi dan pengujian. Pengujian dilakukan menggunakan metode black box testing dan kualitas steganografi. Hasil pengujiankualitas steganografi pada uji ketelitian (fidelity), format gambar (.png) lebih efisien dari segi perubahan ukuran gambar stegoyaitu rata-rata 20% dibanding dengan format gambar(.tiff) yaitu 42% dan format (.png) yaitu 83%. Pada uji pemulihan (recovery) diperoleh pesan teks yang disisipkan ke dalam citra digital dapat didekripsi dengan sempurna oleh program.
Peningkatan Literasi Pemrograman Siswa SMP melalui Pelatihan Berbasis Scratch Ariestya, Winda Widya; Astuti, Ida; Chandra, Reza; Syahri, Alfie; Yakti, Bayu Kumoro
Jurnal Pengabdian Masyarakat Bangsa Vol. 3 No. 3 (2025): Mei
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v3i3.2363

Abstract

Penelitian ini bertujuan untuk mengevaluasi efektivitas pelatihan berbasis Scratch dalam meningkatkan literasi pemrograman pada siswa kelas 9 SMP INBS Putera Cibinong. Metode kuantitatif digunakan, dengan pre-test dan post-test serta kuesioner kepuasan peserta. Pelatihan yang dirancang secara interaktif dan praktis diikuti oleh 16 peserta. Hasil menunjukkan bahwa pemahaman peserta meningkat secara signifikan; skor rata-rata meningkat dari 62,5 pada pre-test menjadi 93,75 pada post-test. Dengan signifikansi statistik p 0,001, uji t berpasangan menunjukkan hasil yang signifikan. Selain itu, hasil survei menunjukkan bahwa 81% peserta belum pernah menggunakan Scratch sebelumnya; namun, mereka sangat puas dengan materi, instruksi, dan guru. Meskipun ada kendala teknis dan keterbatasan waktu, pelatihan ini dinilai berhasil dalam menumbuhkan kepercayaan diri peserta dalam Scratch. Hasil ini menegaskan bahwa Scratch merupakan media pembelajaran yang efektif untuk memperkenalkan konsep pemrograman dasar di tingkat pendidikan menengah.
APLIKASI BIMBINGAN BELAJAR ONLINE SMART HOUSE BERBASIS WEBSITE Astuti, Ida; Azis, Eko Ali; Ruhama, Syamsi
JIKI (Jurnal Ilmu Komputer dan Informatika) Vol. 6 No. 1 (2025): JIKI (Jurnal Ilmu Komputer dan Informatika) Juli 2025
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jiki.v6i1.7629

Abstract

Pembelajaran jarak jauh yang menggunakan Teknologi Informasi Komputer (e-learning) banyak digunakan untuk mentransformasikan proses pembelajaran dengan tujuan meningkatkan efisiensi dan efektivitas, transparansi, dan akuntabilitas pembelajaran. Proses pembelajaran yang terjadi di dalam Bimbingan Belajar Smart House ini masih menggunakan metode tradisional dimana bahan untuk pembelajaran yang disampaikan masih melalui tatap muka, tuntutan teknologi dan persaingan membuat pihak Bimbingan Belajar (Bimbel) untuk melakukan inovasi dengan sistem pembelajaran secara online. Tujuan penelitian ini adalah melakukan pembuatan sistem pembelajaran online pada Bimbingan Belajar Smart House agar menjadi alternatif sistem pembelajaran antara guru dan siswa. Aplikasi ini dibuat menggunakan bahasa pemrograman PHP dan menggunakan framework CodeIgniter, serta MySQL sebagai database. Metode penelitian yang digunakan adalah System Development Life Cycle (SDLC) yang terdiri dari tahapan perencanaan, analisis, perancangan, implementasi, dan ujicoba. Berdasarkan hasil uji coba menggunakan Black Box, semua fungsi dan fitur pada web dapat berjalan dengan baik. Pengujian dengan User Acceptence Test (UAT) terhadap 25 responden diperoleh nilai rata – rata 97,7% dengan kategori “Sangat Baik”, hal ini dapat dikatakan bahwa website BimBel Smart House dapat membantu siswa dan guru pada proses pembelajaran online.
DETEKSI DINI KARDIOMEGALI MENGGUNAKAN KLASIFIKASI DEEP LEARNING BERBASIS CONVOLUTIONAL NEURAL NETWORK PADA CITRA X-RAY DADA Wahyuni, Diny; Waskito, Bahtiar; Ariestya, Winda Widya; Astuti, Ida; Ruhama, Syamsi
JIKI (Jurnal Ilmu Komputer dan Informatika) Vol. 6 No. 1 (2025): JIKI (Jurnal Ilmu Komputer dan Informatika) Juli 2025
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jiki.v6i1.7643

Abstract

Proses diagnosa kardiomegali pada dada membutuhkan kecepatan dan akurasi tinggi, namun metode manual seperti wawancara pasien dan analisis subjektif rontgen sering menyebabkan hasil kurang akurat dan perbedaan persepsi antar dokter. Untuk mengatasi hal tersebut, penelitian ini mengembangkan klasifikasi kardiomegali menggunakan teknologi Deep Learning berbasis Convolutional Neural Network (CNN). Penelitian melibatkan dua tahap utama dalam pembuatan model, yaitu Feature Extraction dan Classification, menggunakan 5600 data (4000 untuk pelatihan, 1000 untuk pengujian, dan 600 untuk validasi). Setelah delapan percobaan, akurasi tertinggi diperoleh pada percobaan menggunakan batch size 50, epoch 10 dengan hasil sebesar 95,59%. Evaluasi menggunakan Confusion Matrix, diperoleh accuracy 93%, precision untuk kardiomegali 97%, serta recall sebesar 89%. Hasil ini menunjukkan bahwa metode CNN efektif untuk membantu diagnosa kardiomegali menjadi lebih cepat dan akurat.
Deep Learning for Horticulture: Convolutional Neural Network Driven Classification of Banana Types Astuti, Ida; Ibrahim, Lutfi Nabhan; Ariestya, Winda Widya; Ruhama, Syamsi; Wahyuni, Diny
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 16 No. 1 (2025): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/x39pj844

Abstract

One of the most widely grown horticulture fruits in Indonesia is the banana. In addition to its various health benefits, bananas are a good source of carbohydrates and vitamins A, C, and E. There are a lot of different kinds of bananas in Indonesia, and occasionally people have trouble telling them apart. This study uses a Convolutional Neural Network (CNN), a Deep Learning technique, to categorize bananas. Four different types of bananas—Cavendish, Kepok, Raja, and Tanduk—were classified. Planning, analysis, creating a banana classification model with CNN, and assessing the outcomes are the four phases of the research process. Data preprocessing, CNN model creation, training, and testing procedures are the next steps in the categorization model design process, which starts with the collection of banana data using a smartphone camera. The optimal model was obtained with the accuracy value of 96%, the average precision and recall values of 97% and 96% respectively. It was found based on test results with multiple tuning parameters, including dataset partition, optimizer use, and epoch. This study offers novelty in terms of the use of a large banana image dataset, extensive exploration of CNN parameters, and the potential application of the model in applications for the horticultural industry. In addition, this study contributes to the development of image-based AI technology in agricultural product classification, which is still relatively underexplored in Indonesia
Co-Authors Agung Pramono, Agung Alfie Syahri Andreas Hadiyono Azis, Eko Ali Bambang Solehudin Bayu Kumoro Yakti Chandra, Reza Darmawan Darmawan Ega Sri Lestari Endang Purwaningsih Ervan Rahadian Hakim Hapsari, Dewi Anggraini Puspa Ibrahim, Lutfi Nabhan Imaddudin, Satrio Iman Murtono Soenhadji Komang Arya Dimas Santika Kusumawijaya, Ike Putri Muh. Kasim Muhammad Indra Arifiansyah Nurul Adhayanti Putri Lannidya Parameswari Retno Ningsih, Tri Wahyu Romdhoni Susiloatmadja Ruhama, Syamsi Septi Mariani, Septi Syamsi Ruhama Sylvia Nurulita Wahyu Supriyatin Wahyuni, Diny Waskito, Bahtiar Winda Widya Ariestya Yulia Eka Praptiningsih