Article Per Year (5 Year)
p-Index From 2020 - 2025
1.884
P-Index
This Author published in this journals
All Journal GEMA EKONOMI Infotekmesin JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Abdimas Bina Bangsa Jurnal Fortech Sejahtera: Jurnal Inspirasi Mengabdi Untuk Negeri Jurnal Manajemen, Akuntansi, Ekonomi Jurnal Informatika: Jurnal Pengembangan IT GEMASSIKA: Jurnal Pengabdian kepada Masyarakat Jurnal Pustaka Robot Sister Jurnal Pengabdian Masyarakat Darul Ulum Jurnal Pengabdian Masyarakat Darul Ulum Jurnal FORTECH
Jani Kusanti
Unknown Affiliation
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 Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Perancangan Monitoring Limbah Air Sungai Bengawan Solo di Kalurahan Sewu Agus Rianto; Jani Kusanti; Ramadhian Agus Triono Sudalyo
Jurnal Pengabdian Masyarakat Universitas Darul Ulum Vol 2 No 2 (2023): DIMAS-UNDAR
Publisher : Universitas Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32492/dimas-undar.v2i2.2205

Abstract

Limbah merupakan bahan pembuangan yang di hasilkan dari suatu proses produksi, baik industri maupun domestik (rumah tangga). Keberadaannya limbah sering tidak dikehendaki dan mengganggu lingkungan, karena limbah dipandang tidak memiliki nilai ekonomis khususnya limbah industri berasal dari kegiatan industri. Air limbah khususnya yang ada sekitar kota solo perlu adanya pemantauan secara dini dan rutin karena di kota solo banyak industri yang banyak menghasilkan limbah air yang langsung dibuang di sungai seperti industri tekstil. Limbah air khususnya yang ada di sungai tidak dikelola dengan baik akan merugikan masyarakat yang tinggal di sekitar sungai. Dalam perancangan alat deteksi dini dan monitoring limbah air sungai sensor yang digunakan yaitu menggunakan modul PH-4502C dengan sensor pH Elektroda BNC E-201C. Sensor ini akan mendeteksi kandungan kadar air sungai berupa nilai pH. Sedangkan untuk memonitor limbah air dengan realtime berbasis IoT pemberitahuan terjadi limbah air yang mengkawatirkan dan informasi limbah air berupa nilai pH dapat dimonitor secara real time yang dapat diaksses secara online. Untuk memonitor nilai pH secara real time menggunakan aplikasi open source Thingspeak. Data nilai pH selama terhubung dengan internet data nya akan tersimpan otomatis di Thingspeak. Tujuan dalam penelitian ini yaitu perancangan alat yang menghasilkan alat deteksi dini dan monitoring limbah air sungai berbasis IoT dengan alat ini maka akan terbantu informasi dini mengenai limbah air yang mengalir di sungai sehingga bisa diantisipasi sejak dini.
Pengembangan Expert Advisor Berbasis Indikator Moving Average dan Relative Strength Index dalam Trading Kripto Romadhoni, Alvian Nur; Kusanti, Jani; Baradja, Abdillah
Jurnal Pustaka Robot Sister (Jurnal Pusat Akses Kajian Robotika, Sistem Tertanam, dan Sistem Terdistribusi) Vol 3 No 2 (2025): Jurnal Pustaka Robot Sister (Pusat Akses Kajian Robotika, Sistem Tertanam, dan Si
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakarobotsister.v3i2.1036

Abstract

Perkembangan teknologi dalam dunia digital trading telah mendorong penggunaan Expert Advisor (EA) untuk meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan trading. Penelitian ini bertujuan untuk merancang dan mengembangkan EA berbasis indikator Moving Average (MA) dan Relative Strength Index (RSI) serta mengevaluasi performanya melalui backtesting pada platform TradingView. MA digunakan untuk mengidentifikasi arah tren sementara RSI digunakan untuk mendeteksi kondisi overbought, oversold dan konsolidasi. Pengujian dilakukan pada empat sampel instrumen trading, yaitu dua aset crypto (BTCUSDT dan ETHUSDT) dan dua pasangan mata uang forex (EURUSD dan USDJPY), menggunakan timeframe 1 jam dengan rentang data historis dari tahun 2021 hingga 2025. Strategi trading yang diimplementasikan pada EA ini mengikuti arah tren utama dengan aturan beli memperhatikan konfirmasi dari sinyal MA dan RSI. Penelitian Expert Advisor (EA) berhasil dikembangkan menggunakan bahasa Pine Script v5 di TradingView. Strategi yang digunakan adalah memicu sinyal beli saat RSI melakukan crossover ke atas level 50 dan harga berada di atas garis MA, dengan eksekusi entry yang disertai Take Profit (10%) dan Stop Loss (1%). Backtest menunjukkan performa terbaik pada instrumen crypto (BTCUSDT dan ETHUSDT). BTCUSDT menghasilkan profit bersih 833,01 USD (166,60%) dengan drawdown 34,92%, sementara ETHUSDT mencatat profit bersih 703,26 USD (140,65%) dengan drawdown 37,52%. Hal ini menunjukkan bahwa EA sangat responsif terhadap instrumen dengan volatilitas tinggi.
Identifikasi Kerusakan Dini Otomatis Komponen Elektronika Berbasis Arus Dengan Mikrokontrol Arduino Uno Rianto, Agus; Kusanti, Jani
Jurnal FORTECH Vol. 4 No. 2 (2023): Jurnal FORTECH
Publisher : FORTEI (Forum Pendidikan Tinggi Teknik Elektro Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56795/fortech.v4i2.4206

Abstract

Electric current is the flow of electricity in an electronic circuit where the amount flows through the circuit. The greater the current flowing in the circuit, the greater the value in amperes. The components in electronic circuits always have an electric current flowing through them. The electric current in this component is the basis for knowing whether the component is in good condition or not. On this basis, researchers use current sensors to detect damage to electronic components. In designing DC Current Based Early Damage Identification of Electronic Components with Text Notifications on the LCD using the Arduino UNO microcontroller, the current sensor is used, namely the ACS 712 current sensor. This Electronic Component Early Damage Identification Tool works automatically, the system will provide automatic error information via notifications on the LCD and the system will stop itself if one of the components is damaged. With this tool, Early Damage Identification of Electronic Components Based on DC Current with Text Notification on the LCD using the Arduino UNO microcontroller will make repairs easier and faster if one of the components is damaged. Because the notification on the LCD will notify you of damage to the damaged component
Location Aware Machine Learning Models for Predicting Online Sales of MSMEs: A Case Study from Indonesia Widiastuti, Erni; Kusanti, Jani; Agustiwi, Asri; Susilowardani, Susilowardani
Jurnal Manajemen, Akuntansi, Ekonomi Vol. 4 No. 2 (2025): Jurnal Manajemen, Akuntansi, Ekonomi (September)
Publisher : CV. Era Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59066/jmae.v4i2.1556

Abstract

The rapid growth of e-commerce in emerging economies presents new opportunities for Micro, Small, and Medium Enterprises (MSMEs). However, the main problem lies in the difficulty of accurately predicting online sales across regions with heterogeneous socioeconomic and infrastructural conditions, which often leads to inefficient resource allocation and missed market potential. This study aims to develop a location-aware predictive framework that integrates spatial intelligence into machine learning models for forecasting MSME online sales in Indonesia. The proposed model adopts a two-stage approach that combines XGBoost regression with spatial lag features, allowing the model to capture both local demand drivers and inter-regional dependencies. The datasets include historical e-commerce transactions, demographic indicators, infrastructure accessibility, and socioeconomic profiles aggregated at the regional level. To ensure robustness, spatial-temporal cross-validation is applied, and model performance is evaluated using RMSE, MAE, and MAPE. The results show that the location-aware model outperforms baseline approaches, reducing forecasting errors by up to 18% and identifying high-potential sales regions more effectively. Explainability analysis further highlights population density, regional income, and proximity to logistics hubs as key predictors. Future work will focus on extending the framework with deep learning and graphbased models to capture dynamic spatio-temporal interactions, as well as integrating real-time data streams for adaptive sales forecasting.
Co-Authors Agus Rianto Agus Rianto Ambyah Atas Aji Asri Agustiwi Baradja, Abdillah Dewi Kartika Sari Elfani Prasetyaningrum, Nurita Erni Widiastuti Giyono Giyono kun ismawati Muflik Malikun Noor Abdul Haris Nurita Elfani Prasetyaningrum Prasetyaningrum, Nurita Elfani Rina Sri Widayati Romadhoni, Alvian Nur Saftirta Gatra Dewantara Sandy Anwar Mursito Sanyoto, Wahyu Savitri Savitri Susilowardani Susilowardani, Susilowardani Tri Irianto TJ Yulaikha Istiqomah