Article Per Year (5 Year)
p-Index From 2021 - 2026
2.837
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer AKSIOMA Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Journal Of Nursing Practice LENSA (Lentera Sains): Jurnal Pendidikan IPA EDUKATIF : JURNAL ILMU PENDIDIKAN Sehat Masada Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) J-Intech (Journal of Information and Technology) Jurnal Multidisiplin Indonesia
Indriati Indriati
Universitas PGRI Semarang
Chemistry 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 Library & Information Science Mathematics Nursing Physics Public Health Social Sciences Veterinary Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Identifikasi Kerusakan Transmisi pada Mobil Otomatis Torque Converter menggunakan Pendekatan Improved K-Nearest Neighbor Ricardo, Muhammad Erico; Indriati, Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 6 (2023): Juni 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan mobilitas masyarakat Indonesia dipicu oleh pertumbuhan penduduk dan popularitas mobil bertransmisi otomatis. Mobil bertransmisi otomatis lebih mudah digunakan, tetapi perawatannya sering diabaikan oleh pemilik. Hal ini dapat menyebabkan kerusakan, yang sulit didiagnosis oleh teknisi yang tidak berpengalaman. Sistem klasifikasi kerusakan transmisi otomatis torque converter dikembangkan untuk mengatasi permasalahan ini. Sistem ini menggunakan pendekatan Improved K-Nearest Neighbor, yang merupakan pengembangan dari metode K-Nearest Neighbor dengan menggunakan Z-Distance. Hasil penelitian menunjukkan bahwa sistem klasifikasi ini memiliki akurasi tertinggi sebesar 95,83%. Nilai precision, recall, dan F-measure masing-masing adalah 96,87%, 97,50%, dan 96,82%. Pada pengujian K-Fold Cross Validation, sistem ini menghasilkan rata-rata akurasi sebesar 91.66%.
Analisis Sentimen berbasis Aspek terhadap Ulasan Game Honkai Impact 3rd menggunakan IndoBERT Hidayat, M.; Indriati, Indriati; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dalam zaman digital saat ini, kemajuan teknologi berkembang dengan cepat dan semakin kompleks, menyajikan berbagai opsi hiburan, termasuk game online yang terhubung dengan Internet. Honkai Impact 3rd adalah contoh game action RPG 3D yang menggunakan IndoBERT untuk menganalisis sentiment ulasan pengguna terkait gameplay, performa, serta aspek player. IndoBERT, sebuah model sebelumnya yang sudah disesuaikan untuk bahasa Indonesia berdasarkan BERT, mempergunakan data set Indo4B dengan kapasitas melebihi 23GB text dalam bahasa Indonesia. Dataset ini mencakup 4 miliar kata formal dan non-formal dari bermacam sumber. Dalam proses pembangunan kosakata, IndoBERT dengan SentencePiece dengan tokenizer Byte Pair Encoding (BPE), suatu model untuk membagi dan menyatukan sub kata. SentencePiece sendiri merupakan tokenizer dan detokenizer sub kata yang bersifat bahasa-agnostik, didesain untuk memproses pesan berbasis otak. Dalam penilaian akurasi dari berbagai uji coba, model IndoBERT terbukti mampu melakukan klasifikasi dengan baik. Perubahan pada nilai ukuran batch ternyata memengaruhi akurasi, dan hasil rata-rata makro serta rata-rata berbobot menunjukkan fluktuasi karena adanya ketidakseimbangan dalam dataset yang digunakan. Evaluasi performa model IndoBERT menyimpulkan bahwa terdapat kecenderungan overfitting, di mana model terlalu memahami data latih tetapi mungkin kurang generalisasi. Akurasi yang dihasilkan adalah 0,82 untuk aspek gameplay, 0,75 untuk aspek performa, dan 0,86 untuk aspek player.
Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube Zhafira, Dhaifa Farah; Rahayudi, Bayu; Indriati, Indriati
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 2 No 1 (2021): Agustus
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/justsi.v2i1.24

Abstract

Kebijakan Kampus Merdeka merupakan salah satu kebijakan baru yang digagas oleh Menteri Pendidikan dan Kebudayaan Republik Indonesia (Mendikbud RI). Kebijakan tersebut tengah ramai disorot publik khususnya pada platform Youtube berkaitan dengan video unggahan Mendikbud di kanalnya. Pada Youtube, opini masyarakat dapat membanjiri kolom komentar dalam sekejap karena kemunculannya sebagai platform pertama yang menawarkan fasilitas konten audio visual. Penelitian ini mencoba menganalisis opini masyarakat yang tertampung dalam kolom komentar Youtube ke dalam klasifikasi sentimen positif dan negatif. Klasifikasi diimplementasikan pada Google Colaboratory yang berbasis bahasa Python dan Jupyter Notebook dengan algoritme Naive Bayes Classifier serta pembobotan kata Term Frequency Inverse Document Frequency (TF-IDF). 5 proses utama dalam penelitian ini yang meliputi pelabelan manual, text preprocessing, pembobotan TF-IDF, validasi data menggunakan k-fold cross validation, dan klasifikasi. Hasil akurasi terbaik sebesar 97% yang didapat dengan menggunakan 900 data latih, 100 data uji, menerapkan pembobotan TF-IDF, dan 10-fold cross validation. Rata-rata akurasi yang didapat dari 10 iterasi pada k-fold cross validation yaitu sebesar 91.8% dengan nilai precision, recall, f-measure sebesar 90.35%, 93.6%, 91.95%. Berdasarkan hasil tersebut, Naive Bayes Classifier cukup baik sebagai alternatif untuk analisis sentimen.
Sistem Informasi Profil Kelompok Pertanian Terpadu Berbasis Web dengan Integrated Farming (Studi Kasus: Desa Dawuhan, Malang) Soebroto, Arief Andy; Hidayat, Nurul; Perdana, Rizal Setya; Indriati, Indriati; Darmawan, Hendra; Brilliansyach, Raihan Fikri; Ibnu, Mohammad; Nurannisa, Nadhira; Vasya, M Azka Obila
J-INTECH (Journal of Information and Technology) Vol 12 No 02 (2024): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v12i02.1501

Abstract

Dawuhan Village in Poncokusumo District, Malang Regency, is an evolving village with significant potential in the livestock sector. However, livestock data management in this village is still done manually, facing various challenges such as limited access, data integrity issues, and time-consuming processes. To address these issues, this research aims to develop a Web-Based Integrated Livestock Group Profile Information System. The primary objectives of this study are to improve accessibility, streamline the livestock data management process, and enhance data accuracy and security. The system is designed using the Next.js framework, chosen for its ease of use and security in implementing authentication and authorization, as well as its capability for future integration. The research results show that the developed system functions according to the requirements, providing a more efficient platform, reducing errors, and enhancing the user experience for farmers involved in data management. The implementation of this system is expected to improve operational efficiency and livestock data management in Dawuhan Village comprehensively.
Peran Komite Sekolah dan Manajerial Kepala Sekolah dalam Transparansi Dana BOS Indriati, Indriati; Nurkolis, Nurkolis; Ginting, Rosalina Br
EDUKATIF : JURNAL ILMU PENDIDIKAN Vol 7, No 1 (2025): February
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/edukatif.v7i1.7689

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh peran komite sekolah dan kompetensi manajerial kepala sekolah terhadap transparansi pengelolaan dana Bantuan Operasional Sekolah (BOSP) di SD Negeri Kecamatan Kaloran, Kabupaten Temanggung. Menggunakan pendekatan kuantitatif dengan survei sebagai metode utama, penelitian ini melibatkan 108 responden yang dipilih melalui tehnik proporsional random sampling dari komite sekolah di 27 SD Negeri. Data dikumpulkan menggunakan kuesioner dan dianalisi melalui regresi linear sederhana dan berganda. Hasil penelitian menunjukkan bahwa peran komite sekolah berpengaruh signifikan terhadap transparansi pengelolaan dana BOSP dengan koefisien korelasi 0,687, sedangkan kompetensi manajerial kepala sekolah memilikipenagruh signifikan dengan koefisien korelasi 0,676. Secara simultan, kedua variabel berkontribusi sebesar 62,9% terhadap transparansi pengelolaan dana BOSP. Penelitian ini merekomendasikan peningkatan kapasitas manajerial kepala sekolah dan peran aktif komite sekolah untuk mendorong akuntabilitas pengelolaan dana BOSP.
Upaya Meningkatkan Kemampuan Guru Dalam Melaksanakan Pembelajaran Yang Efektif Indriati, Indriati; murtanti, Riris Tri; Purwaniati, Sulis; Karlitasari, Karlitasari; Setyorini, Tri Endah
Jurnal Multidisiplin Indonesia Vol. 2 No. 6 (2023): Jurnal Multidisiplin Indonesia
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/jmi.v2i6.285

Abstract

Artikel ini bertujuan untuk meningkatkan kemampuan guru dalam melaksanakan proses pembelajaran yang efektif. Data hasil penelitian ini dikumpulkan dengan cara melakukan supevisi dengan instrumen. Dalam menganalisis data yang diperoleh digunakan metode analisis deskriptif. Guna meningkatkan kemampuan guru dalam melaksanakan proses pembelajaran yang efektif cara pembelajaran guru yang terus-menerus menggunakan model pembelajaran konvensional harus segera diakhiri, sudah berkembang begitu pesat dan maju. Kebiasaan guru mengajar dengan sistem lama harus segera mendapat penanganan oleh pengawas sekolah. Guru-guru harus berupaya melakukan pembelajaran menggunakan model-model pembelajaran yang didasari teori-teori yang benar. Tidak terbantahkan lagi bahwa pengawas sekolah harus mampu meningkatkan kemampuan guru melaksanakan proses pembelajaran. Tugas pengawas sekolah dalam hal ini adalah tugas wajib untuk semua pengawas sekolah, sehingga penelitian yang dilakukan bisa saja sama dalam meningkatkan proses pembelajaran namun pada subjek dan tempat yang berbeda. Salah satu aspek yang menarik untuk dikaji dari sosok seorang guru adalah aspek kinerja, karena kinerja guru menurut merupakan input yang paling penting dalam penyelenggaraan Pendidikan.
Automated menu planning for pregnancy based on nutrition and budget using population-based optimization method Kurnianingtyas, Diva; Daud, Nathan; Arai, Kohei; Indriati, Indriati; Marji, Marji
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 5: October 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i5.pp3483-3492

Abstract

Nutritional fulfilment during pregnancy depends on the budget. Meanwhile, nutrition is needed during pregnancy to keep the mother and fetus healthy. Therefore, this study aims to assist maternal nutrition planning by using population-based optimization methods such as genetic algorithm (GA), particle swarm optimization (PSO), duck swarm algorithm (DSA), and whale optimization (WO) according to their nutritional needs at minimum cost. Additionally, this study compares the method performance to find the best method. There are 55 foods obtained from previous studies divided into five groups: staple food (SF), vegetables (VG), plant-source food (PS), animal-source food (AS), and complementary (CP). The model evaluation results show that GA's performance differed significantly from other models because it obtained the highest fitness by 439.73 and more variation in fitness results. Three models other than GA have no significant difference, but DSA performance obtained a superior fitness of 367.18. Furthermore, optimization methods must be combined with other artificial intelligence methods to develop innovative technology to support maternal nutrition and prevent stunting.
Comparison Genetics Algorithm and Particle Swarm Optimization in Dietary Recommendations for Maternal Nutritional Fulfillment Kurnianingtyas, Diva; Daud, Nathan; Indriati, Indriati; Muflikhah, Lailil
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 21, No 2 (2024): June 2024
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v21i2.28937

Abstract

Fulfilling maternal nutrition is an NP-hard problem. Optimization techniques are required to solve its complexity. This issue is crucial as it affects the number of stunted toddlers in Indonesia. Stunting begins in the womb due to inadequate maternal nutrition during pregnancy. Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) are optimization methods applied to NP-hard problems, including medicine. Their performance has not been compared in this field. This study aims to identify an alternative method for recommending daily menus based on maternal nutritional needs. There are 55 food ingredients used to fulfill five menu parts: staple food (SF), vegetables (VG), plant source food (PS), animal source food (AS), and complementary (CP). Nutritional adequacy for prenatal is determined by Total Energy Expenditure (TEE) based on basal energy, daily activity, and stress levels. Results show PSO outperforms GA in average fitness values, 30.45 to 102.51, while GA excels in execution time, 0.33 to 23.22 seconds. PSO is preferred for effectiveness, and GA for efficiency, but given the problem's urgency, PSO is recommended. Exploring other metaheuristic methods is advised to enhance menu recommendation solutions for maternal nutrition. Additionally, expanding the food database is necessary for more varied maternal menu to support stunting prevention.
Evaluasi Performasi Ruang Warna pada Klasifikasi Diabetic Retinophaty Menggunakan Convolution Neural Network Dewi, Candra; Santoso, Andri; Indriati, Indriati; Dewi, Nadia Artha; Arbawa, Yoke Kusuma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834459

Abstract

Semakin meningkatnya jumlah penderita diabetes menjadi salah satu faktor penyebab semakin tingginya penderita penyakit diabetic retinophaty. Salah satu citra yang digunakan oleh dokter mata untuk mengidentifikasi diabetic retinophaty adalah foto retina. Dalam penelitian ini dilakukan pengenalan penyakit diabetic retinophaty secara otomatis menggunakan citra fundus retina dan algoritme Convolutional Neural Network (CNN) yang merupakan variasi dari algoritme Deep Learning. Kendala yang ditemukan dalam proses pengenalan adalah warna retina yang cenderung merah kekuningan sehingga ruang warna RGB tidak menghasilkan akurasi yang optimal. Oleh karena itu, dalam penelitian ini dilakukan pengujian pada berbagai ruang warna untuk mendapatkan hasil yang lebih baik. Dari hasil uji coba menggunakan 1000 data pada ruang warna RGB, HSI, YUV dan L*a*b* memberikan hasil yang kurang optimal pada data seimbang dimana akurasi terbaik masih dibawah 50%. Namun pada data tidak seimbang menghasilkan akurasi yang cukup tinggi yaitu 83,53% pada ruang warna YUV dengan pengujian pada data latih dan akurasi 74,40% dengan data uji pada semua ruang warna. AbstractIncreasing the number of people with diabetes is one of the factors causing the high number of people with diabetic retinopathy. One of the images used by ophthalmologists to identify diabetic retinopathy is a retinal photo. In this research, the identification of diabetic retinopathy is done automatically using retinal fundus images and the Convolutional Neural Network (CNN) algorithm, which is a variation of the Deep Learning algorithm. The obstacle found in the recognition process is the color of the retina which tends to be yellowish red so that the RGB color space does not produce optimal accuracy. Therefore, in this research, various color spaces were tested to get better results. From the results of trials using 1000 images data in the color space of RGB, HSI, YUV and L * a * b * give suboptimal results on balanced data where the best accuracy is still below 50%. However, the unbalanced data gives a fairly high accuracy of 83.53% with training data on the YUV color space and 74,40% with testing data on all color spaces.
Analisis Sentimen Kebijakan New Normal dengan Menggunakan Automated Lexicon Senti N-Gram Siregar, Rifki Akbar; Sari, Yuita Arum; Indriati, Indriati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023105006

Abstract

Dalam menghadapi pandemi COVID-19 ini, pemerintah Indonesia mengeluarkan beberapa kebijakan di antaranya adalah Pembatasan Sosial Berskala Besar, dan New normal. Kebijakan New normal ini kemudian menjadi ramai diperbincangkan oleh masyarakat. Analisis sentimen dari opini yang beredar terkait isu tersebut dapat dilakukan sehingga pemerintah dapat mengevaluasi kebijakan tersebut. Dalam penelitian ini diusulkan menggunakan Lexicon Senti-N-Gram untuk analisis sentimen dengan tujuan untuk mengetahui pengaruh Lexicon Senti-N-Gram pada analisis sentimen Bahasa Indonesia. Adapun penelitian ini menggunakan data sebanyak 350 data tweet yang terbagi menjadi 229 tweet kelas positif dan 121 tweet kelas negatif. Hasil evaluasi yang diperoleh dengan menggunakan data dengan stemming lebih tinggi dibandingkan dengan data tanpa stemming. Hasil pengujian kinerja sistem terhadap lexicon Senti-N-Gram mendapatkan nilai accuracy sebesar 63,42%, precision sebesar 77%, recall sebesar 62,88%, dan f-measure sebesar 69,23% dengan nilai rata-rata kappa antar Annotator sebesar 0.5395 untuk data yang melalui proses stemming.  Berdasarkan hasil pengujian yang telah diperoleh dapat disimpulkan bahwa proses stemming serta proses translasi kata satu per satu yang dilakukan dapat memengaruhi kata berdasarkan konteksnya. AbstractIn dealing with the COVID-19 pandemic, the Indonesian government has issued several policies, including Large-Scale Social Restrictions and New normal. The New normal policy then became widely discussed by the public. Sentiment analysis of the opinions circulating on this issue can be carried out so that the government can evaluate the policy. In this study, it is proposed to use the Lexicon Senti-N-Gram for sentiment analysis in order to determine the effect of the Lexicon Senti-N-Gram on Indonesian sentiment analysis. The research used 350 tweets, which were divided into 229 positive class tweets and 121 negative class tweets. The evaluation results obtained using stemming data were higher than those without stemming. The results of the system performance test of the Lexicon Senti-N-Gram obtained an accuracy value of 63.42%, 77% precision, 62.88% recall, and 69.23% f-measure with an average kappa value between Annotators of 0.5395 for data that goes through the stemming process. Based on the test results that have been obtained, it can be concluded that the stemming process and the process of translating words one by one can affect words based on their context.
Co-Authors Achmad Ridok Arbawa, Yoke Kusuma Arief Andy Soebroto Awalina, Aisyah Bayu Rahayudi Brilliansyach, Raihan Fikri Candra Dewi Daud, Nathan Edy Santoso Fiqri, Miftahul Fitra Abdurrachman Bachtiar Ginting, Rosalina Br. Hendra Darmawan Heni Pujiastuti Ibnu, Mohammad Issa Arwani Karlitasari, Karlitasari Kohei Arai Kurnianingtyas, Diva Lailil Muflikhah M. Hidayat M. Zainal Abidin Marji Marji Mugi Hartoyo Muh Arif Rahman murtanti, Riris Tri Nadia Artha Dewi Nurannisa, Nadhira Nurkolis Nurkolis, Nurkolis Nurul Hidayat Oktaviana, Natasya Eldha Permataningrum, Sandra Elanda Aza Purwaniati, Sulis Ricardo, Muhammad Erico Rizal Setya Perdana Santoso, Andri Satria, Rangga Adi Setyorini, Tri Endah Siregar, Rifki Akbar Sri Utami Dwiningsih Sutrisno, Sutrisno Suyono Suyono Tutik Setyowati, Tutik Vasya, M Azka Obila Yeni Mahwati Yuita Arum Sari Zhafira, Dhaifa Farah