Article Per Year (5 Year)
p-Index From 2021 - 2026
4.494
P-Index
This Author published in this journals
All Journal Tekno : Jurnal Teknologi Elektro dan Kejuruan Techno.Com: Jurnal Teknologi Informasi Jurnal Sosioteknologi Jurnal Transformatika JUSIFO : Jurnal Sistem Informasi Jurnas Nasional Teknologi dan Sistem Informasi Sistemasi: Jurnal Sistem Informasi JMM (Jurnal Masyarakat Mandiri) SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Multitek Indonesia : Jurnal Ilmiah Jurnal Tecnoscienza JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Advanced in Information and Industrial Technology (JAIIT) Sewagati Jurnal Informatika Polinema (JIP)
Endah Septa Sintiya
Politeknik Negeri Malang
Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Bahasa Inggris Usman Nurhasan; Dian Hanifudin Subhi; Anugrah Nur Rahmanto; Endah Septa Sintiya; Deddy Kusbianto Purwoko Aji
MULTITEK INDONESIA Vol 20 No 1 (2026): July
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v20i1.13681

Abstract

Automated evaluation of flowchart representations is essential for the facilitation of the acquisition of basic programming concepts. Nevertheless, traditional evaluation systems that rely exclusively on structural matching demonstrate some of their most fundamental limitations. The false negative misclassification rates of such systems are frequently high when students create visually distinct structures for algorithmic logic that are semantically equivalent. A hybrid assessment framework is introduced in this study to improve the reliability and efficacy of code evaluation in order to address this challenge. The model that has been proposed combines the probabilistic feature extraction capabilities of Graph Convolutional Networks (GCNs) with mathematical logic verification through symbolic execution of an SMT Solver. While the SMT Solver deterministically establishes functional equivalence, the GCN module adaptively manages graph topological variations. Use of a real-world dataset consisting of 3.600 flowcharts generated by novice students was implemented to assess the hybrid system's functionality. According to quantitative experimental results, the proposed framework obtained a peak F1 Score of 0.88, which is a substantial improvement over conventional Abstract Syntax Tree (AST) methods (F1 Score 0.75). Additionally, the 77.4% reduction in false negative rates was achieved by incorporating the SMT Solver in comparison to a pure GCN configuration. Finally, the semantic equivalence and structural divergence issues that arise during algorithm assessment are effectively resolved by this dual architectural integration. By implementing the proposed system, higher education institutions are equipped with a more dependable mechanism for reducing human error, thereby improving the impartiality, accuracy, and efficiency of the evaluation process.
Teknik Elisitasi Kebutuhan Perangkat Lunak: Literatur Review Ari Cahaya Puspitaningrum; Endah Septa Sintiya
JUSIFO : Jurnal Sistem Informasi Vol 8 No 1 (2022): June
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v8i1.11569

Abstract

The selection of software requirements elicitation techniques is very important for organizations as the first step in the software development process. This study is motivated by the existence of problems, where the organization does not understand the type of software being developed, so it is difficult to determine the right need elicitation technique. In this study, a literature review was used by collecting existing studies. Used 17 studies related to the discussion of elicitation techniques used. This study aims to review previous studies so as to produce recommendations for software requirements elicitation techniques. Based on the study, it can be concluded that interview, prototyping and JAD are most often used in software projects. In addition, for the small-medium scale software projects, more use of interviews, JAD, and ERD-based specifications. Meanwhile, the large-scale software projects involve more stakeholders with elicitation techniques such as group discussions, interviews, and parallel discussions to find joint solutions.
RANCANG BANGUN SISTEM INFORMASI BERBASIS EXTREME PROGRAMMING UNTUK TRANSPARANSI PENGELOLAAN DONASI PANTI ASUHAN Endah Septa Sintiya; Candra Bella Vista; Dimas Wahyu Wibowo; Arya Kusumawardana; Ari Cahaya Puspitaningrum
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12328

Abstract

Tantangan hingga saat ini bahwa panti asuhan kesulitan dalam pengelolaan data anak asuh, pencatatan donasi, serta pelaporan keuangan seringkali dilakukan secara manual. Hal ini rentan terhadap kesalahan dan memakan waktu yang lama untuk pencarian hingga pelaporan. Panti asuhan memerlukan dukungan karena mempunyai tujuan mulia dalam membantu anak-anak yatim piatu dan kaum dhuafa seperti yang dilakukan panti asuhan Mawaddah Warohmah. Tujuan penelitian ini melakukan implementasi sistem Big Data, panti asuhan agar dapat mengumpulkan, menyimpan, dan menganalisis data dalam jumlah besar dari berbagai sumber donasi. Penerapan pengelolaan Big Data diharapkan dapat meningkatkan profesionalisme dan kepercayaan masyarakat terhadap panti asuhan, serta memaksimalkan pemanfaatan donasi untuk kesejahteraan anak asuhan. Metode yang digunakan yaitu extreme programming dengan tahap Planning, Design, Coding dan Testing. Hasil pengembangan sistem informasi berisikan fitur lengkap dengan pengelolaan acara panti, dana donatur dan administrasi dengan menggunakan framework Laravel berbasis MVC yang memudahkan dalam manajemen website yang digunakan. Hasil Pengujian  fungsional (BlackBox) terbukti sesuai atau valid, dan User Acceptance Testing (UAT) dengan presentase 96,8% hal ini terbukti sistem ini membantu dalam pengelolaan administrasi dan donasi kegiatan panti asuhan.
ANALISIS SENTIMEN MULTI-PLATFORM UNTUK STRATEGI PEMASARAN DIGITAL PADA DESTINASI WISATA Endah Septa Sintiya; Syahira Azizah Rendra Putri; Gunawan Budi Prasetyo; Candra Bella Vista
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18253

Abstract

Media sosial dan platform ulasan digital berperan penting dalam membentuk citra destinasi wisata, namun perbedaan karakteristik antar platform sering menghasilkan distribusi sentimen yang tidak merata. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap destinasi wisata melalui pendekatan multi-platform serta merumuskan strategi pemasaran digital yang efektif. Data dikumpulkan dari Google Maps, TikTok, dan Instagram menggunakan teknik scraping. Pelabelan sentimen dilakukan dengan pendekatan hybrid yang mengombinasikan metode lexicon-based dan Support Vector Machine (SVM). Proses klasifikasi menggunakan algoritma Random Forest dengan fitur TF-IDF, serta evaluasi model dilakukan menggunakan 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa model Random Forest mencapai akurasi sebesar 87,60%, precision 87,68%, recall 87,93%, dan F1-score 87,55%. Analisis distribusi sentimen mengungkap perbedaan karakteristik antar platform, di mana Google Maps didominasi sentimen negatif (47,4%), Instagram cenderung netral (46,1%), dan TikTok menunjukkan dominasi sentimen netral (53,5%). Selain itu, hasil analisis divisualisasikan menggunakan Priority Action Matrix yang mengidentifikasi strategi Quick Wins seperti peningkatan respons pada Google Maps dan kampanye user-generated content sebagai prioritas utama karena berdampak tinggi dengan upaya rendah. Penelitian ini memberikan kontribusi dalam pengembangan analisis sentimen multi-platform serta perumusan strategi pemasaran digital berbasis data pada destinasi wisata.
Analisis Ketersediaan Beras Menggunakan Sistem Dinamik Sebagai Pendukung Kebijakan Ketahanan Pangan Endah Septa Sintiya
JURNAL TECNOSCIENZA Vol. 7 No. 2 (2023): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v7i2.852

Abstract

Ketersediaan pangan menjadi isu global dalam memberikan jaminan warga negara dari ancaman peningkatan kelaparan. Sektor pertanian menjadi hal penting sebagai penghasil kebutuhan pangan dalam mendukung program Sustainable Development Goals. Indonesia sebagai salah satu negera pertanian ternyata masih menemui kendala dalam meningkatkan ketersediaan beras sebagai komoditas utama. Permasalahan terjadi ketika produksi beras fluktuatif mengikuti pola tanam, sementara konsumsi beras stabil dan dapat meningkat setiap tahun yang tidak diikuti dengan peningkatan ketersediaan beras. Beberapa variabel mempengaruhi dinamika padi dan ketersediaan beras. Sehingga diperlukan pemodelan sistem dinamik untuk memberikan rekomendasi model dan skenario dalam penentuan kebijakan strategis peningkatan ketersediaan beras untuk 10 tahun mendatang melalui uji validasi dan peramalan. Terdapat tiga jenis skenario yang dapat digunakan sebagai pilihan keputusan. Hasil terbaik terdapat pada skenario 2 dengan melakukan peningkatan jumlah beras ekspor, menaikkan jumlah cadangan beras pemerintah diikuti dengan menambah produksi padi terbukti paling tinggi nilai rata-ratanya dalam 10 tahun yang akan datang. Validasi menghasilkan nilai error rate 0.00131% dan Error Variance 0.08196%. Sehingga terbukti dari beberapa pilihan tersebut dapat dijadikan alternatif dukungan dalam membuat keputusan strategis.
Metode MOORA Sebagai Pendukung Keputusan Rekrutmen Pekerja Part Time Untuk Mahasiswa Jurusan Teknologi Informasi Dhebys Suryani Hormansyah; Endah Septa Sintiya; Luqman Affandi
JURNAL TECNOSCIENZA Vol. 8 No. 1 (2023): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v8i1.1045

Abstract

Mahasiswa membutuhkan pengalaman kerja sebagai bekal dalam bekerja di industri. Mahasiswa dengan kemampuan IT kesulitan untuk mencari pekerjaan part time pada platform penyedia jasa yang besar. Mereka dituntut bersaing dengan senior IT yang sudah memiliki pengalaman lebih banyak, untuk mengatasi tantangan ini dibutuhkan konsep sistem pendukung keputusan untuk menampung minat kerja mahasiswa dilengkapi dengan fitur perangkingan. Hal ini akan mempermudah penyedia kerja dalam memilih pegawai dari kalangan mahasiswa yang sesuai. Metode yang digunakan yaitu MOORA (Multi-Objective Optimization by Ratio) untuk menyesuaikan rasio kebutuhan pekerjaan. Kriteria yang digunakan program studi, pengalaman kerja dan magang, sedang menempuh skripsi, pengalaman organisasi, jumlah setifikasi keahlian, kemampuan pengerjaan project, pengalaman project penelitian dosen, dan pengalaman project pengabdian dosen. Sehingga penelitian ini dapat digunakan sebagai dasar rekrutmen dengan perangkingan pegawai mahasiswa sehingga mudah dan informatif.
Sistem Informasi Manajemen Posyandu Harmoni untuk Mendukung Digitalisasi Data Kesehatan Balita dan Ibu Endah Septa Sintiya; Rizdania; Afifah Nurul Izzati; Septyana Riskitasari; Deasy Sandhya Elya Ikawati
JURNAL TECNOSCIENZA Vol. 9 No. 2 (2025): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/wmkz8n26

Abstract

Pelayanan data kesehatan balita dan ibu di Posyandu masih banyak dilakukan secara manual, yang rentan terhadap kesalahan pencatatan, kehilangan data, serta keterbatasan akses informasi. Permasalahan ini menghambat efektivitas pengelolaan layanan dan pemantauan tumbuh kembang anak serta kesehatan ibu. Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Manajemen Posyandu Harmoni sebagai solusi digital dalam mendukung proses pencatatan dan pengelolaan data kesehatan secara lebih terstruktur dan efisien. Metode pengembangan sistem yang digunakan adalah Extreme Programming (XP), yang menekankan pada iterasi pendek, kolaborasi intensif dengan pengguna, dan pengujian berkelanjutan. Fitur utama sistem mencakup pengelolaan data balita, data ibu, pencatatan imunisasi, pemeriksaan kesehatan, serta laporan kegiatan posyandu. Pengujian dilakukan menggunakan pendekatan User Acceptance Testing (UAT) dengan melibatkan sepuluh responden, terdiri dari admin posyandu dan perwakilan donatur.Hasil pengujian menunjukkan tingkat kepuasan pengguna yang sangat tinggi, dengan rata-rata persentase sebesar 96,4%. Hal ini membuktikan bahwa sistem telah memenuhi kebutuhan pengguna baik secara fungsional maupun usability. Penelitian ini merekomendasikan implementasi sistem secara luas di berbagai Posyandu serta pengembangan fitur integrasi dengan sistem kesehatan daerah.
Pemodelan Akustik HMM–GMM untuk Pengenalan Ucapan Kata Darurat Bahasa Indonesia Candra Bella Vista; Endah Septa Sintiya; Wilda Imama Sabilla; Adevian Fairuz Pratama
Jurnal Nasional Teknologi dan Sistem Informasi Vol 12 No 2 (2026): Agustus 2026
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v12i2.2026.369-376

Abstract

Keamanan dan keselamatan merupakan kebutuhan dasar manusia. Situasi darurat seperti pencurian, kebakaran, maupun ancaman lainnya sering kali memerlukan respons yang cepat untuk mengurangi dampak negatifnya. Seiring berkembangnya teknologi, sistem keamanan berbasis suara menjadi solusi potensial untuk meningkatkan efektivitas deteksi dini dan tanggapan terhadap keadaan darurat. Penelitian ini bertujuan untuk mengembangkan model akustik berbasis Hidden Markov Model–Gaussian Mixture Model (HMM–GMM) guna mendeteksi kata-kata darurat dalam Bahasa Indonesia, seperti tolong, jangan, maling, kebakaran, dan kecelakaan. Dataset yang digunakan terdiri atas 1.100 berkas audio yang seimbang antara kelas darurat dan non-darurat. Fitur akustik dari dataset diekstraksi menggunakan Mel-Frequency Cepstral Coefficients (MFCC) beserta fitur turunan delta dan delta-delta. Evaluasi dilakukan dengan metode 10-fold cross-validation dan model terbaik diujikan dengan data holdout test untuk memastikan kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa model HMM–GMM dengan 4 state dan 16 komponen Gaussian memberikan performa terbaik dengan akurasi 94,5%, presisi 94,3%, recall 94,5%, dan F1-score 94,4% pada hold. Temuan ini membuktikan bahwa model HMM–GMM efektif dalam mengenali ucapan darurat Bahasa Indonesia secara akurat dan efisien.
IDENTIFIKASI PENYAKIT JANTUNG MENGGUNAKAN MACHINE LEARNING: STUDI KOMPARATIF Endah Septa Sintiya; Rizdania Rizdania; Ashri Shabrina Afrah; Agung Pramudhita
Jurnal Transformatika Vol. 21 No. 1 (2023): July 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.6274

Abstract

Heart disease is the number one cause of death globally. This condition is followed by an unhealthy lifestyle. Heart disease prediction needs to be done considering the importance of health. The presence of machine learning has made it easier for humans to make early detection of patterns that are close to heart disease. Prediction of heart disease is important given the behavior of people who are still prone to risk factors. Conditions where predictions using machine learning for heart disease have not been compared with many using machine learning methods. Predictions of heart disease are needed along with the interrelationships of the variables. This research compares 6 machine learning methods for disease classification with KNN, Naïve Bayes, Decision tree, Random forest, logistic regression, and SVM. The final classification obtained ranking accuracy with the highest value of 82% in the KNN method with the confusion matrix test, precision, accuracy, re-call, and fi-score. These results can be applied to real case studies of heart disease
Identifikasi Penyakit Jantung Menggunakan Machine Learning: Studi Komparatif endah septa sintiya; Rizdania Rizdania; Ashri Shabrina Afrah
Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v21i2.7144

Abstract

Heart disease is the number one cause of death globally. This condition is followed by an unhealthy lifestyle. Heart disease prediction needs to be done considering the importance of health. The presence of machine learning has made it easier for humans to make early detection of patterns approaching heart disease. This study compares 6 machine learning methods for disease classification with KNN, Naïve Bayes, Decision tree, Random forest, logistic regression, and SVM. The final classification obtained ranking accuracy with the highest value in the KNN method with precision, accuracy, re-call, fi-score tests. It is hoped that these results can be applied to real case studies of heart disease.
Co-Authors Adevian Fairuz Pratama Afifah Nurul Izzati Agung Nugroho Pramudhita Agung Pramudhita Ahmadi Yuli Ananta Amalia, Astrifidha Rahma Amanda, Sely Ruli Andhani, Yasmine Navisha Anugrah Nur Rahmanto Apol Pribadi Apol Pribadi Ari Cahaya Puspita Ningrum Ari Cahaya Puspitaningrum Ari Cahaya Puspitaningrum Ari Cahaya Puspitaningrum Arin Kistia Nugraeni Arya Kusumawardana Ashri Shabrina Afrah Astrifidha Rahma Amalia Astrifidha Rahma Amalia Bekti Cahyo Hidayanto Candra Bella Vista Deasy Sandhya Elya Ikawati Deddy Kusbianto Purwoko Aji Dian Hanifudin Subhi Dimas Wahyu Wibowo Dodit Suprianto Eka Larasati Amalia Ekojono Ekojono Ekojono, Ekojono Erfan Rohadi Farida Ulfa Fayra, Syahla' Syafiqah Feby Artwodini Muqtadiroh Fitrani, Laqma Dica Furqon, Muhammad Ariful Gunawan Budi Prasetyo Hidayah, Hilda Khoirotul Ikawati, Deasy Sandhya Elya Imam Fahrur Rozi Irmasari Hafidz Irsyad Arif Mashudi Khakim Ghozali Kusumawardana, Arya Latif, Ummi Khaira Luqman Affandi Mahfud Jiono Mohammad Al Hafidz Muhamad Anang Abdullah Faqih Muhammad Afnan Habibi Najwa, Nina Fadilah Nugraeni, Arin Kistia Rafandi, Hanif Naufal Ridwan Rismanto Rita Sari Rita Sari Rizdania Rizdania, Rizdania Sely Ruli Amanda Sely Ruli Amanda SEPTYANA RISKITASARI Sofyan Noor Arief Suryani Hormansyah, Dhebys Syahira Azizah Rendra Putri Tony Dwi Susanto Triana Fatmawati Tundjung, Mellyana Ulfa, Farida Usman Nurhasan Wilda Imama Sabilla Yuri Ariyanto