Article Per Year (5 Year)
p-Index From 2020 - 2025
1.554
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi Journal of Information Systems Engineering and Business Intelligence ILKOMNIKA: Journal of Computer Science and Applied Informatics SKANIKA: Sistem Komputer dan Teknik Informatika Sewagati Jurnal Pendidikan dan Pengabdian Masyarakat Modem : Jurnal Informatika dan Sains Teknologi Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya
Sherly Rosa Anggraeni
Unknown Affiliation
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Deep Learning Approaches for Multi-Label Incidents Classification from Twitter Textual Information Sherly Rosa Anggraeni; Narandha Arya Ranggianto; Imam Ghozali; Chastine Fatichah; Diana Purwitasari
Journal of Information Systems Engineering and Business Intelligence Vol. 8 No. 1 (2022): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.8.1.31-41

Abstract

Background: Twitter is one of the most used social media, with 310 million active users monthly and 500 million tweets per day. Twitter is not only used to talk about trending topics but also to share information about accidents, fires, traffic jams, etc. People often find these updates useful to minimize the impact. Objective: The current study compares the effectiveness of three deep learning methods (CNN, RCNN, CLSTM) combined with neuroNER in classifying multi-label incidents. Methods: NeuroNER is paired with different deep learning classification methods (CNN, RCNN, CLSTM). Results: CNN paired with NeuroNER yield the best results for multi-label classification compared to CLSTM and RCNN. Conclusion: CNN was proven to be more effective with an average precision value of 88.54% for multi-label incidents classification. This is because the data we used for the classification resulted from NER, which was in the form of entity labels. CNN immediately distinguishes important information, namely the NER labels. CLSTM generates the worst result because it is more suitable for sequential data. Future research will benefit from changing the classification parameters and test scenarios on a different number of labels with more diverse data. Keywords: CLSTM, CNN, Incident Classification, Multi-label Classification, RCNN
Pemanfaatan Platform Google Classroom untuk Pembelajaran Daring di Pondok Pesantren Miftahul Ulum Al-Islamy, Bangkalan, Madura Dini Adni Navastara; Nanik Suciati; Chastine Fatichah; Diana Purwitasari; Handayani Tjandrasa; Agus Zainal Arifin; Akwila Feliciano; Yulia Niza; Rangga Kusuma Dinata; Safhira Maharani; Ahmad Syauqi; Sherly Rosa Anggraeni; Fandy Kuncoro Adianto; Zakiya Azizah Cahyaningtyas; Salim Bin Usman; Kevin Christian Hadinata
Sewagati Vol 4 No 3 (2020)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.198 KB)

Abstract

Proses pembelajaran daring menjadi hambatan tersendiri dalam bidang pendidikan, terlebih untuk pendidikan wajib yang harus dilakukan secara bertatap muka langsung antara pengajar dan pelajar. Di luar faktor permasalahan eksternal, permasalahan internal perlu diselesaikan terlebih dahulu, yaitu media pembelajaran. Salah satu platform digital yang tersedia sebagai media pembelajaran untuk menunjang pembelajaran secara daring adalah Google Classroom. Aplikasi Google Classroom berbasis web yang berbentuk pembelajaran asynchronous atau dapat dikatakan pemberian materi ajar dilakukan secara tidak langsung. Walaupun sebuah media daring sudah tersedia, masih ada yang belum mengenal atau memahami penggunaan aplikasi Google Classroom sebagai media ajar mereka. Oleh karena itu, kami mengadakan pengabdian masyarakat berupa pelatihan tentang penggunaan aplikasi Google Classroom bagi guru-guru di Pondok Pesantren Miftahul Ulum Al-Islamy, yang berada di Bangkalan, Madura. Selain itu, tim pengabdi juga melakukan pendampingan bagi guru-guru dalam mempraktikkan penggunaan Google Classroom sesuai dengan mata pelajaran yang diajar. Berdasarkan hasil survei, sebanyak 91% dari total peserta pelatihan menyebutkan bahwa pelatihan ini dapat meningkatkan pengetahuan dan kemampuan secara softskill dan hardskill para guru.
Rekomendasi Produk Berbasis Collaborative Filtering Menggunakan Factorization Machine Graph Convolutional Networks Sherly Rosa Anggraeni; Diana Purwitasari; Chastine Fatichah; Yoga Yustiawan
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 5 No 2 (2023): Volume 5, Nomor 2, Agustus 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v5i2.556

Abstract

Rekomendasi produk memiliki peran yang signifikan dalam berbagai industri, termasuk e-commerce, ritel, perhotelan, dan keuangan. Rekomendasi dapat meningkatkan kepuasan pelanggan dan penjualan dengan membantu pelanggan menemukan produk yang relevan. Pendekatan collaborative filtering digunakan dalam rekomendasi produk ini karena data yang tersedia hanya berfokus pada fitur pengguna. Pendekatan ini memanfaatkan data interaksi pengguna-produk untuk mengungkap pola dan kesamaan di antara para pengguna. Representasi graf digunakan untuk memodelkan hubungan interaksi pengguna-produk, yang memungkinkan pemodelan yang lebih komprehensif dari ketergantungan dan hubungan antara pengguna dan produk. Penelitian ini menggunakan GCN dalam kombinasi dengan Factorization machine (FM) untuk meningkatkan personalisasi rekomendasi. GCN menggunakan konvolusi graf untuk menyebarkan dan memperbarui node embedding berdasarkan hubungan ketetanggaan mereka. GCN memanfaatkan informasi lingkungan sekitar dan struktur graf yang lebih luas, untuk meningkatkan pemahaman tentang preferensi pengguna dan menghasilkan rekomendasi yang dipersonalisasi. GCN juga dapat mengatasi keterbatasan metode lain dengan mempertimbangkan hubungan yang lebih rinci antar produk dan fitur unik dari setiap produk. FM mempertimbangkan interaksi antara fitur pengguna dan fitur produk, sehingga memahami preferensi pengguna secara lebih mendalam. Diharapkan dengan mengintegrasikan kekuatan GCN dan FM, rekomendasi produk dapat memberikan pengalaman pengguna yang lebih menarik dan menyenangkan.
Integrasi Data Analytics dalam Kajian Perilaku Pengguna untuk Pengembangan Layanan Informasi Sherly Rosa Anggraeni
Modem : Jurnal Informatika dan Sains Teknologi. Vol. 3 No. 2 (2025): April : Modem : Jurnal Informatika dan Sains Teknologi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/modem.v3i2.364

Abstract

The rapid development of information and communication technology has driven the need for information services that are more relevant and adaptive to user behaviour. This research aims to integrate data analytics in the study of user behaviour to support the development of effective information services. The dataset used is Kaggle's Online Retail Dataset, which includes sales transaction data of online retail companies in the UK from December 2010 to December 2011. The analysis was conducted through customer segmentation using K-Means Clustering algorithm and predictive analysis with Association Rule Mining. The segmentation results successfully grouped customers into four main clusters, namely loyal customers, potential customers, passive customers, and low-spending customers. Model evaluation showed optimal performance with an accuracy rate of 85%, precision of 82%, recall of 78%, and F1-Score of 80%, and Silhouette Score of 0.62, indicating effective customer segmentation. The findings prove that the application of data analytics can provide deep insights into customer behaviour and support the development of more personalised and adaptive information services. This research is expected to be a reference in designing data-driven information service development strategies in various sectors.
OVERSAMPLING HYBRID METHOD FOR HANDLING MULTI-LABEL IMBALANCED Tursina, Dara; Anggraeni, Sherly Rosa; Fatichah, Chastine; Irfan Subakti, Misbakhul Munir
JUTI: Jurnal Ilmiah Teknologi Informasi Vol. 22, No. 1, January 2024
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v22i1.a1208

Abstract

Data and information continue to increase along with the development of digital technology. Data availability is becoming increasingly numerous and complex. The existence of unbalanced data causes classification errors due to the dominance of majority-class data over the minority class. Not only limited to the binary class, but data imbalance is also often encountered in multi-label data, which become increasingly important in recent years due to its vast application scope. However, the problem of class imbalance has been a characteristic of many complex multi-label datasets, making it the focus of this research. Handling unbalanced multi-label data still has a lot of potential for development. One approach, Synthetic Oversampling of Multi-Label Data Based on Local Label Distribution (MLSOL) and Integrating Unsupervised Clustering and Label-specific Oversampling to Tackle Imbalanced Multi-Label Data (UCLSO), has been developed. UCLSO's attention only focuses on the majority class, which can lead to data imbalance and excessive overfitting. Although effective in preventing majority class domination, this approach cannot overcome the lack of variation within the minority class. By contrast, MLSOL focuses on minority classes, allowing for variations in multi-label data and significantly improving classification performance. This research aims to overcome the problem of data imbalance by combining the MLSOL and UCLSO oversampling methods. Combining these two approaches is expected to exploit the strengths and reduce the weaknesses of each, resulting in significant performance improvements. The trial results show that the hybrid oversampling method produces the highest value on biological data with an F-1 score of 88%. Meanwhile, the single oversampling methods UCLSO and MLSOL on biological data produce an F-1 score of 67% and 62%, respectively.
Implementasi Algoritma Clustering DBSCAN terhadap Pola Navigasi Pengguna di Perpustakaan Digital untuk Mengungkap Zona Buta Akses Informasi dan Optimalisasi Antarmuka Sistem Sherly Rosa Anggraeni
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 8 No 2 (2025): Jurnal SKANIKA Juli 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v8i2.3524

Abstract

Advances in information technology have encouraged the transformation of libraries to digital form, increasing accessibility, but not all collections can be reached equally by users. This study aims to identify user navigation patterns and information access blind zones in the INLISLite digital library system using the DBSCAN clustering algorithm. Simulation log data representing common user exploration sessions were analyzed through the stages of one-hot representation, density-based clustering, and two-dimensional visualization with PCA. The results showed the formation of six main clusters with different navigation behavior characteristics and 15% of the sessions were classified as outliers. Pages such as “Advanced Search” and “Favorites” were detected as blind zones because they were not reached in most sessions. These findings indicate a failure of the interface to bridge users to the entire spectrum of information. Recommendations of navigation redesign, contextual pop-up of hidden content, and adaptive interface approaches were proposed as solutions. The DBSCAN-based approach proved effective for evaluating the effectiveness of digital information systems in terms of user behavior, and has the potential to be applied in the development of more responsive and inclusive digital libraries.
Pendampingan Literasi melalui Lokakarya Preservasi Buku Anak dengan Model Community Of Practice Rachman, Rani Auliawati; Safii, Moh.; Dewi, Amalia Nurma; Anggraeni, Sherly Rosa; Setiawan, Ari
Jurnal Pendidikan dan Pengabdian Masyarakat Vol. 8 No. 4 (2025): November
Publisher : FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jppm.v8i4.10347

Abstract

Buku anak memiliki peran penting untuk mendukung perkembangan literasi. Kegiatan membaca anak-anak terkadang menyebabkan kerusakan fisik, sementara keterampilan preservasi di kalangan pengelola Taman Baca Masyarakat (TBM) maupun orang tua masih terbatas. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan pengetahuan dan keterampilan praktis terkait preservasi koleksi buku anak melalaui lokakarya dan pendampingan di Ruang belajar Aqil Kota Malang. Metode pelaksanaan yang digunakan mengintegrasikan pendekatan Community of Practice (CoP) dan Community Development, dengan melibatkan sepuluh peserta dari TBM dan orang tua. Program dilaksanakan dalam tiga tahapan, pertama persiapan (penentuan domain, survei kebutuhan, penyediaan materi dan alat), tahapan kedua pelaksanaan (lokakarya daring-luring, praktik perbaikan halaman robek dan sambul buku dengan Teknik mending serta pembentukan sudut preservasi), dan tahap terakhir evaluasi keberlanjutan (survei kepuasan, observasi praktik, refleksi serta penyajian modul dan video tutorial). Hasil kegiatan menunjukkan peserta sebagian besar menilai materi relevan dan mudah dipahami serta bermanfaat. Evaluasi praktik memperlihatkan seluruh peserta mampu melakukan perbaikan buku secara mandiri, dengan tujuh orang tuntas tanpa pendampingan dan tiga lainnya masih memerlukan arahan tambahan. Keberadaan sudut preservasi menajadi sarana keberlanjutan program sekaligus pusat pembelajaran kolektif berbasis komunitas. PKM ini memberikan dampak jangka pendek berupa peningkatan keterampilan teknis peserta, dan jangka panjang berupa penguatan budaya preservasi berkelanjutan. Rekomendasi program selanjutnya dapat dilakukan dengan memperluas jejaring TBM serta menyesuaikan durasi kegiatan agar peserta memperoleh pengalaman praktik yang optimal.
Desain Pembelajaran Menulis Artikel Ilmiah Berbasis Gamifikasi Poin, Badge, dan Level-Up untuk Meningkatkan Motivasi dan Keterampilan Mahasiswa Rully Farida; Sherly Rosa Anggraeni
Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya Vol. 31 No. 2 (2025): Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya
Publisher : Universitas Insan Budi Utomo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33503/paradigma.v31i2.1917

Abstract

Penelitian ini bertujuan untuk mengembangkan desain pembelajaran menulis artikel ilmiah berbasis gamifikasi dengan elemen poin, badge, dan level-up guna meningkatkan motivasi dan keterampilan menulis mahasiswa mata kuliah Pendidikan Bahasa Indonesia. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan Borg & Gall yang dimodifikasi menjadi enam tahap, yaitu potensi dan masalah, pengumpulan data, desain produk, validasi desain, revisi desain, dan uji coba terbatas. Hasil penelitian menunjukkan bahwa desain pembelajaran yang dikembangkan memperoleh kategori sangat layak berdasarkan hasil validasi ahli. Uji coba terbatas yang dilakukan terhadap 30 mahasiswa menunjukkan adanya peningkatan rata-rata motivasi menulis mahasiswa dari 3,2 menjadi 4,1 dan peningkatan keterampilan menulis artikel ilmiah dari nilai rata-rata 72,5 menjadi 83,6. Temuan ini membuktikan bahwa penerapan unsur gamifikasi dalam desain pembelajaran mampu memberikan pengaruh positif terhadap peningkatan motivasi dan keterampilan menulis mahasiswa. Dengan demikian, desain pembelajaran ini dapat menjadi alternatif strategi pembelajaran menulis akademik di perguruan tinggi, meskipun masih diperlukan penelitian lanjutan dalam skala yang lebih luas untuk menguji keefektifannya secara menyeluruh.
Etika Pemanfaatan Informasi dalam Pembelajaran Berbasis AI: Refleksi Filosofis terhadap Peran Perpustakaan Digital Sherly Rosa Anggraeni; Rully Farida
Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya Vol. 31 No. 2 (2025): Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya
Publisher : Universitas Insan Budi Utomo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33503/paradigma.v31i2.1919

Abstract

Penggunaan kecerdasan buatan (AI) dalam konteks pembelajaran mengalami peningkatan signifikan, namun menimbulkan kekhawatiran terkait kejujuran akademik dan kualitas pembelajaran. Penelitian ini bertujuan untuk mengeksplorasi dimensi etika dalam pemanfaatan AI oleh mahasiswa Indonesia serta merefleksikan peran perpustakaan digital dalam menjaga integritas akademik. Metode campuran digunakan melalui survei terhadap 30 mahasiswa dan wawancara mendalam dengan mahasiswa dan pustakawan. Hasil menunjukkan bahwa meskipun AI dianggap membantu menyelesaikan tugas, sebagian besar mahasiswa menyadari adanya dilema moral, seperti plagiarisme dan ketergantungan berlebihan. Perpustakaan digital diharapkan mengambil peran aktif sebagai pendidik literasi etika AI. Temuan juga menunjukkan pentingnya integrasi etika informasi dalam kebijakan institusional dan layanan pustaka. Penelitian ini berkontribusi pada pengembangan kajian pengguna dan pemanfaatan informasi, dengan menegaskan pentingnya peran institusi informasi dalam membentuk literasi teknologi yang humanistik.
Co-Authors Agus Zainal Arifin Ahmad Syauqi Akwila Feliciano Amalia Nurma Dewi Ari Setiawan Chastine Fatichah Diana Purwitasari Dini Adni Navastara, Dini Adni Fandy Kuncoro Adianto Handayani Tjandrasa Irfan Subakti, Misbakhul Munir Kevin Christian Hadinata Moh. Safii Nanik Suciati Narandha Arya Ranggianto Rachman, Rani Auliawati Rangga Kusuma Dinata RR. Ella Evrita Hestiandari Rully Farida Safhira Maharani Salim Bin Usman Tursina, Dara Yoga Yustiawan Yulia Niza Zakiya Azizah Cahyaningtyas