Article Per Year (5 Year)
p-Index From 2021 - 2026
5.689
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA Conference on Innovation and Application of Science and Technology (CIASTECH) Jambura Journal of Informatics CCIT (Creative Communication and Innovative Technology) Journal Building of Informatics, Technology and Science Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Buana Ilmu Jurnal Sisfotek Global JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Teknosains : Jurnal Sains,Teknologi dan Informatika Jurnal Teknik Informatika (JUTIF) Jurnal Pendidikan dan Teknologi Indonesia Jumat Informatika: Jurnal Pengabdian Masyarakat Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Jurnal Sisfotek Global Jurnal Sosial dan Abdimas Scientific Student Journal for Information, Technology and Science Jurnal Algoritma Jurnal Buana Pengabdian Eduvest - Journal of Universal Studies Innovative: Journal Of Social Science Research Jurnal Informatika: Jurnal Pengembangan IT
Juwita, Ayu Ratna
Universitas Buana Perjuangan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Neuroscience Public Health Social Sciences Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
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.
Penerapan Algoritma K-means Clustering dan Hierarchical Clustering dalam Mengelompokkan Data Pengangguran di Karawang Mulyana, Assyifa Alif Rahayu; Juwita, Ayu Ratna; Siregar, Amril Mutoi; Fauzi, Ahmad
Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma
Publisher : Institut Teknologi Garut

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

Abstract

The existence of various new industrial areas in Karawang can trigger residents from outside the area to migrate so that this will increase the number of residents in Karawang. The increase in population can affect the unemployment rate in an area. To group data, you can use data mining techniques. The K-Means Clustering and Hierarchical Clustering algorithms have not been used to group unemployment data, so this research aims to group unemployment data with these two algorithms. The results are that the K-Means Clustering and Hierarchical Clustering algorithms can group data based on similar characteristics with the same number of clusters but have differences in data distribution within the clusters. The evaluation method with Silhouette Score shows that the two algorithms have the same performance in the analysis in this study.
Rancang Bangun Pendeteksi dan Penetralisir Asap Rokok dalam Ruangan Menggunakan Sensor MQ-2 dan Metode Fuzzy Logic Dina Wulan Nurjanah; Hanny Hikmayanti Handayani; Ayu Ratna Juwita
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

Saat ini sangat banyak perokok aktif di Indonesia. Hal ini juga menimbulkan masalah bagi orang yang tidak merokok karena dapat terpapar oleh asap rokok. Hal ini mengkhawatirkan bagi kesehatan karena rokok mengandung berbagai macam zat yang mengganggu kesehatan. Dalam penelitian ini dibangun suatu alat dengan menggunakan mikrokontroler Arduino Uno dan Sensor MQ-2 yang dapat mendeteksi dan mengukur kadar konsentrasi asap rokok dalam suatu ruangan yang juga dilengkapi dengan buzzer dan kipas untuk bisa menetralisir kondisi udara dalam ruangan. Perangkat ini juga menggunakan algoritma fuzzy untuk pengambilan keputusannya. Berdasarkan hasil pengujian yang dilakukan, sensor MQ-2 dapat membaca kadar konsentrasi asap dengan nilai jumlah selisih yaitu 6,33 ppm, selisih terkecil yaitu -0,1 ppm dan nilai selisih terbesar yaitu 0,98 ppm. Nilai yang didapat diproses oleh fuzzy logic untuk menentukan adanya asap rokok, serta mengaktifkan komponen buzzer, kipas, relay saat asap terdeteksi dan database mendapatkan informasi.
Klasifikasi Penyakit Serangan Jantung Menggunakan Metode Machine Learning K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM) Arif, Siti Novianti Nuraini; Siregar, Amril Mutoi; Faisal, Sutan; Juwita, Ayu Ratna
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 3 (2024): Juli 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i3.7844

Abstract

Cardiovascular disease (CVD) is a general term for disorders related to the heart, coronary arteries, and blood vessels. These diseases are most commonly caused by blocked blood vessels, either due to fat buildup or internal bleeding. According to the WHO, each year, cardiovascular diseases account for 32% of all deaths, which translates to about 17.9 million people annually. The numerous factors causing CVD make it challenging for doctors to diagnose patients who are at low or higher risk of heart attacks. A machine learning model is needed for the early recognition of heart attack symptoms. Supervised learning models such as KNN and SVM were used in previous studies without feature selection, with datasets obtained from Kaggle. PCA was applied to reduce data dimensions to smaller variables. With the use of confusion matrix and ROC curve evaluations, the accuracy results of the previous KNN model improved from 83.6% to 90.16%. The SVM model also saw an accuracy increase from 85.7% to 86.88%. The use of PCA feature selection demonstrated an improvement in accuracy in the study. The KNN model, with a higher accuracy rate of 90.16%, is better for classifying individuals as normal or diagnosed with a heart attack.
Aplikasi Berbasis Android untuk Mendeteksi Kulit Kucing Berdasarkan Model CNN Riyandi Aditya Fitrah; Anis Fitri Nur Masruriyah; Ayu Ratna Juwita
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

Penyakit kulit pada kucing dapat memberikan dampak negatif baik bagi pemilik kucing maupun hewan tersebut. Penyakit kulit seperti scabies atau kudis, serta ringworm, bersifat menular melalui sentuhan langsung dengan kucing yang terjangkit penyakit tersebut. Tungau telinga pada kucing umumnya berada di bawah rongga telinga. Kucing yang terjangkit penyakit kulit dapat mengalami kerusakan pada tubuhnya. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile berbasis Android yang dapat mendeteksi penyakit kulit pada kucing. Aplikasi ini dirancang untuk mengenali jenis penyakit kulit yang dialami kucing, seperti kudis, ringworm, dan tungau. Dalam penelitian ini, digunakan model deteksi objek berbasis deep learning dengan algoritma Convolutional Neural Network (CNN) dan TensorFlow Lite. Arsitektur yang digunakan adalah MobileNetV2 FPN Lite untuk memproses pelatihan model deteksi objek menggunakan dataset yang besar, sehingga model dapat diterapkan pada aplikasi mobile berbasis Android. Hasil penelitian menunjukkan bahwa model yang dirancang menghasilkan nilai mean Average Precision (mAP) sebesar 42% dan mean Average Recall (mAR) sebesar 23%. Evaluasi sistem dan validasi dari para ahli menghasilkan nilai sebesar 73%, menunjukkan bahwa aplikasi ini memiliki potensi untuk mendeteksi penyakit kulit pada kucing dengan akurasi yang cukup baik.
Penerapan Metode Naive Bayes Multinomial dan Complement dalam Membandingkan Tingkat Akurasi terhadap Analisis Sentimen Kurikulum Merdeka Wenda Adi Kusnaya; Yana Cahyana; Ayu Ratna Juwita
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

Kementerian Pendidikan telah mengeluarkan program Kurikulum Merdeka di lingkungan sekolah, yang memungkinkan siswa untuk mengembangkan minat, bakat, dan keterampilan mereka sehingga dapat lulus dengan kesiapan menghadapi dunia kerja atau pendidikan tinggi. Namun, program ini telah memicu berbagai tanggapan di Twitter, menciptakan kontroversi yang perlu dijelaskan. Untuk menganalisis sentimen terkait Kurikulum Merdeka, penelitian dilakukan menggunakan algoritma Naïve Bayes Multinomial dan Complement. Dalam penelitian ini, total 627 data yang telah diberi label dan diproses sebelumnya digunakan sebagai dataset. Dataset ini kemudian dibagi menjadi dua, yaitu 80% untuk data latih dan 20% untuk data uji. Metode evaluasi yang digunakan adalah confusion matrix. Hasil evaluasi menunjukkan tingkat akurasi sebesar 89% untuk algoritma Naïve Bayes Multinomial dan 88% untuk Complement. Kesimpulannya, algoritma Naïve Bayes Multinomial memberikan tingkat akurasi yang lebih tinggi dalam menganalisis sentimen terkait Kurikulum Merdeka.
Mendeteksi Radang Paru-Paru Menggunakan Computer Vision dengan Fuzzy Tsukamoto Baharuddin Risyad; Ahmad Fauzi; Ayu Ratna Juwita
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

Paru merupakan organ vital yang penting pada manusia yang berfungsi untuk mengirim oksigen yang berasal dari udara dan mengubahnya dengan karbondioksida yang berasal dari darah ke luar. Letak paru-paru ada dalam rongga dada, dan paru-paru biasanya dapat terinfeksi karena polusi udara atau tercemar bakteri atau virus. Penyakit yang biasa menginfeksi paru-paru adalah pneumonia. Untuk mendeteksi adanya pneumonia, biasanya dokter melakukan pemeriksaan dengan cara rontgen. Pendeteksian pada citra rontgen masih belum banyak dilakukan dengan cara komputerisasi, sehingga tujuan dari penelitian ini adalah mengidentifikasi paru-paru berbasis computer vision. Tahapan pertama dalam penelitian ini adalah mengumpulkan data gambar X-ray yang diperoleh dari dataset di Kaggle.com. Proses selanjutnya adalah tahap pengolahan citra. Pertama dilakukan proses preprocessing, kemudian melakukan segmentasi untuk mencari piksel putih pada citra segmentasi dan piksel putih pada deteksi tepi. Dari tahapan yang telah dilakukan, proses selanjutnya adalah mencari nilai perbandingan piksel putih segmentasi dan piksel putih deteksi tepi, dan kemudian melakukan klasifikasi menggunakan Fuzzy Tsukamoto. Hasil dari uji coba terhadap 20 citra menghasilkan nilai akurasi sebesar 90%.
Evaluasi Kinerja Algoritma AdaBoost dan XGBoost Menggunakan Dataset Penyakit Obesitas Pada Populasi Dewasa Sukmawati, Cici Emilia; Nur Masruriyah, Anis Fitri; Juwita, Ayu Ratna; Tejayanda, Rigger Damaiarta; Nurmayanti, Trisya
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.27342

Abstract

Penelitian ini membahas terkait evaluasi kinerja AdaBoost dan XGBoost pada penyakit obesitas . Penelitian tersebut menggunakan dataset yang diperoleh dari sumber kaggle dengan jumlah data 2111 dengan 17 atribut. Selanjutnya, data tersebut dilakukkan preprocessing data sehingga berkurang menjadi 591 data. Kemudian, data tersebut dilakukan split data dengan perbandingan 70:30 dengan rincian data uji 119 dan data training sebanyak 472. Pengujian dilakukan menggunakan accuracy, precision dan recall. Berdasarkan hasil penelitian yang telah dilakukan, bahwa metode XGBoost terbukti lebih unggul dibandingkan dengan AdaBoost. Adapun accuracy, precision dan recall sebesar 92%. Sedangkan untuk accuracy dan recall untuk metode AdaBoost sebesar 40% sertaa precision 39%.
PENINGKATAN PEMANFAATAN TEKNOLOGI INFORMASI BAGI PESANTREN AT-TAUBAH Ayu Ratna Juwita; Tohirin Al Mudzakir; Cici Emilia Sukmawati; Adi Rizky Pratama; Yudi Firmansyah
JURNAL BUANA PENGABDIAN Vol 7 No 1 (2025): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

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

Abstract

Pada di era digital ini pemanfaatan teknolgi informasi dapat dimanfaatkan untuk meningkatkan model pembelajaran yang efekif yang diperlukan oleh setiap Lembaga Pendidikan. Dengan perkembangan teknologi yang sangat pesat pada saat ini tentunya membuat pengeoloa pendidkan khususnya para pengajar/siswa akan semakin berupaya meningkatkan kemampuan dan kompetensinya dalam mempelajjari teknologi informasi untuk meningktkan kualitas pembelajatran dijenjang pendidikan. Pesantren At-taubah merupkan salah satu pesantren yang berada di kabupaten karawang, pesantren tersebut turut serta dalam pengembangan pembelajaran dengan berbasis teknologi informasi dan multimedia. Untuk meninkatkan kualitas pembalajaran di pesantrean At- Taubbah maka dilaksanakan kegiatan pelatihan tentang pemanfaatan teknologi informasi, seperti Microsoft PowerPoint untuk menyusun materi pembelajaran berbasis multimedia dan interaktif. Kegiatan ini terbagi menjadi empat tahap yaitu persiapan, pelatihan, pendampingan, dan evaluasi.
Internet of Things-Based Water Dirt Detection System Using Fuzzy Logic Sugeno Algorithm Ardiansyah, Fikri; Indra, Jamaludin; Juwita, Ayu Ratna; Faisal, Sutan
Eduvest - Journal of Universal Studies Vol. 5 No. 3 (2025): Eduvest - Journal of Universal Studies
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/eduvest.v5i3.1778

Abstract

Water turbidity is one of the important indicators of water quality that affects human health and the environment. Many water sources are susceptible to pollution that can increase water turbidity. Traditional methods require manual sampling inefficiently and do not provide real-time data. Internet of Things (IoT) technology allows real-time and remote monitoring of water turbidity, The water turbidity detection system program created will use the Sugeno fuzzy logic method where this method can provide a percentage of water cleanliness based on selected input and apply predetermined rules so that it can produce NTUs output and percentage of water cleanliness. Based on the results of tests that have been carried out in this study, the System has a good level of functionality. the level of accuracy of the results of the system and manual calculations. obtained a level of error difference (error) of 13% meaning that from 100% error rate, the accuracy level value reaches 87% that the program is concluded to be running well. With the website, it can monitor and help make it easier for users to control the level of water turbidity in the environment without having to come to the location. From the tests carried out for the turbidity sensor components, it works well.
Co-Authors AA Sudharmawan, AA Adi Rizky Pratama Adi Rizky Pratama Adi Rizky Pratma Agustina Mardeka Raya Ahmad Fauzi Alganiu, Ajeng Shalwa Amansyah, Ilham Amril Mutoi Siregar Ardiansyah, Fikri ARIF, SITI NOVIANTI NURAINI Awal, Elsa Elvira Azzahra, Fathimah Noer Baharuddin Risyad Carudin, Carudin Cici Emilia Sukmawati Cici Emilia Sukmawati Dina Wulan Nurjanah Edo Ridho Lidinillah Faisal, Muhamad Agus Faisal, Sutan Fauzi, Farras Ahmad Fitri Nur Masruriyah, Anis Fransiskus Panca Juniawan Hanny Hikmayanti Handayani Heryana, Nono Indra, Jamaludin Irawan, Muhamad Anggi Khairani, Nova Pustita Kukuh Ardy Nugroho Lestari, Santi Arum Puspita Lusiana Rahmatiani Mayasari, Rini Mudzakir, Tohirin Al Mulyana, Assyifa Alif Rahayu Novalia, Elfina Nugraha, Bagja Nugraha, Najmi Cahaya Nurlaelasari, Euis Nurmayanti, Trisya nurul latifah Permana, Tedi Pratama, Adi Rizky Pratama, Adi Rizky Purwani Husodo Rahmat Rahmat Rahmat Sulaiman Rahmat Sulaiman Rifaldi, Rizky Riyandi Aditya Fitrah Rizki Mohamad Eka Marsa Sadjat rizky pratama, adi Rohana, Tatang Saefulloh, Nandang Siregar, Amril Mutoi Siti Silvia Arifin Sugihartono, Tri Sujana, Sylvia Sukmawati, Cici Emilia Tatang Rohana Tejayanda, Rigger Damaiarta Tohirin Al Mudzakir Tohirin Al Mudzakir Tohirn Al Mudzakir Triono Triono Triono Triono Wahiddin, Deden Wenda Adi Kusnaya Yaman, Nuurul Izzati Yana Cahyana Yudi Firmansyah