Article Per Year (5 Year)
p-Index From 2021 - 2026
4.354
P-Index
This Author published in this journals
All Journal Jupiter Jurnal Teknologi Format : Jurnal Imiah Teknik Informatika JIKO (Jurnal Informatika dan Komputer) JOURNAL OF APPLIED INFORMATICS AND COMPUTING IJISCS (International Journal Of Information System and Computer Science) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Informasi Interaktif Jurnal Teknologi Komputer dan Sistem Informasi bit-Tech Respati Jurnal E-Komtek Teknika Jurnal Sosial dan Teknologi Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia Journal of Intelligent Software Systems Jurnal Teknologi Informasi Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII Kohesi: Jurnal Sains dan Teknologi Jurnal Ilmiah Mahasiswa Agrokomplek Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Teknomatika: Jurnal Informatika dan Komputer VISA: Journal of Vision and Ideas Jurnal Wicara Desa JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi)
Femi Dwi Astuti
Universitas Teknologi Digital Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Predicting Moral Degradation Using Tree-Ensemble Machine Learning Methods Rindha Fajirulhabshah; Femi Dwi Astuti
bit-Tech Vol. 8 No. 3 (2026): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i3.3514

Abstract

Moral degradation poses significant challenges across social, organisational, and digital environments, yet empirical tools for predicting individual vulnerability to unethical behaviour remain limited. This study develops an interpretable machine learning-based predictive model to estimate tendencies toward moral degradation using multidimensional moral domain scores derived from the Moral Perspectives and Foundations Scale (MPFS), with a specific focus on the Perpetrator Relevance (PR01) block. The final analytical sample consisted of 2,130 respondents after data filtering. Two tree-ensemble algorithms, Random Forest (RF) and Gradient Boosting (GB), were implemented and compared using an 80:20 train-test split. Model performance was evaluated using the coefficient of determination (R²), Mean Absolute Error (MAE), and Mean Squared Error (MSE). The results demonstrate that both models achieved strong predictive performance across all PR01 moral domains, with GB consistently outperforming RF. The highest predictive accuracy was observed in the Loyalty (GB R² = 0.616) and Authority (GB R² = 0.595) domains, accompanied by lower MAE and MSE values, indicating stable predictive tendencies rather than deterministic moral behaviour. To enhance interpretability, SHAP analysis was applied, revealing that binding moral dimensions, particularly Loyalty and Authority across multiple moral perspectives, exert the strongest influence on predicted moral degradation tendencies. Overall, the findings highlight the value of integrating ensemble learning with explainable AI techniques in moral psychology. Given the cross-sectional nature of the data, the proposed framework is intended as a risk-detection tool rather than a diagnostic or causal model, while future research should incorporate longitudinal and behavioural data to strengthen generalisability and inference.
Model Blockchain Untuk Pembayaran Lintas Batas Negara Bagi UMKM Bambang Purnomosidi Dwi Putranto; Rikie Kartadie; Femi Dwi Astuti
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.6736

Abstract

UMKM (Usaha Mikro, Kecil, dan Menengah) memainkan peran krusial dalam perekonomian Indonesia, dengan sekitar 64,2 juta unit usaha yang menyerap 97% tenaga kerja. Di tengah dampak pandemi global, pemerintah meluncurkan Pemulihan Ekonomi Nasional, dengan UMKM sebagai fokus utama. Digitalisasi menjadi penting untuk meningkatkan ekspor dan memudahkan pembayaran lintas batas yang aman dan cepat. Hal ini juga menjadi bagian dari agenda Presidensi G20 Indonesia, yang menekankan pengembangan pembayaran lintas negara. Penelitian ini menggunakan pendekatan metode pencarian solusi (solution-seeking) untuk menghasilkan berbagai artefak desain, termasuk arsitektur menggunakan bahasa pemodelan ArchiMate, algoritma, model, dan peranti lunak untuk pembayaran lintas batas. Kami mengadopsi Blockchain Layer 1 Stellar, yang menawarkan protokol terbuka dan terdesentralisasi untuk transaksi mata uang digital dan fiat dengan biaya rendah. Hasil akhir dari penelitian ini adalah model peranti lunak yang memungkinkan pembayaran lintas negara menggunakan Blockchain Stellar, dengan pengembangan yang mengikuti metodologi Disciplined Agile Delivery (DAD). Dengan demikian, penelitian ini berkontribusi pada upaya digitalisasi UMKM dalam menghadapi tantangan ekonomi dan meningkatkan konektivitas global melalui pembayaran lintas batas yang lebih efisien.
Pengembangan Sistem Rekomendasi Pembimbing Tugas Akhir Menggunakan Teknik Content Based Filtering Femi Dwi Astuti; Widyastuti Andriyani
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 2 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i2.1599

Abstract

Pemilihan dosen pembimbing untuk tugas akhir merupakan tahapan penting bagi mahasiswa di jenjang pendidikan tinggi. Proses ini membutuhkan kecocokan antara bidang keahlian dosen dan topik penelitian mahasiswa, dengan tetap memperhatikan kendala seperti kapasitas pembimbing yang tersedia. Meninjau profil dosen dan rekam jejak penelitian secara manual dapat menjadi proses yang lambat dan kurang efisien. Untuk mengatasi tantangan tersebut, penelitian ini merancang sebuah sistem rekomendasi pembimbing tugas akhir dengan pendekatan Content-Based Filtering. Sistem ini memanfaatkan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk menilai relevansi istilah dalam abstrak penelitian, serta Cosine Similarity untuk mengukur kedekatan antara topik mahasiswa dan bidang penelitian dosen. Berdasarkan hasil pengujian, sistem mampu memberikan rekomendasi dosen pembimbing secara akurat berdasarkan kesamaan tertinggi dari judul proyek akhir yang diajukan, sehingga mempercepat dan meningkatkan ketepatan proses pemilihan. Sistem ini menjadi solusi praktis bagi mahasiswa dalam menentukan pembimbing yang sesuai dengan kebutuhan akademiknya, serta berpotensi meningkatkan kualitas proses bimbingan. Ke depan, penelitian lebih lanjut dapat mengembangkan integrasi dengan pendekatan penyaringan kolaboratif atau model rekomendasi hibrida guna menyempurnakan hasil rekomendasi yang dihasilkan.
Komparasi Kinerja Label-Encoding dengan One-Hot-Encoding pada Algoritma K-Nearest Neighbor menggunakan Himpunan Data Campuran Mohammad Guntara; Femi Dwi Astuti
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 2 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i2.1605

Abstract

Algoritma K-Nearest Neighbor (KNN) adalah salah satu algoritma dalam data mining, bekerja didasarkan pada pengukuran jarak antara tupel pada data-uji dan masing-masing data-latih untuk memutuskan luaran klasifikasi akhir. Pada algoritma ini jenis data pada tiap atribut harus berupa numerik atau kontinyu, karena dihitung jarak setiap atribut yang sama untuk setiap tupel dengan tupel yang akan dicari kelasnya. Akan tetapi pada realitanya himpunan-data yang akan diolah tidak selalu berupa numerik, tetapi dapat berupa kategorikal baik nominal maupun ordinal.Untuk data numerik dapat langsung diolah tanpa proses transformasi(pengodean), adapun untuk  jenis data nominal pengodean ke numerik dilakukan dengan metode label umumnya berupa nomor urut, namun hal ini dirasa kurang tepat mengingat nomor urut bersifat kuantitatif , Untuk itulah digunakan pengodean dengan metode one-hot-encoding (OHE) dimana setiap item data pada suatu atribut dikonversi ke bit 1 dan 0 yang menjadikan antar obyek pada himpunan-data setara. Untuk mengetahui sejauh mana akurasi transformasi OHE dibanding transformasi label diimplementasikan pada algoritma KNN untuk prediksi kelulusan mahasiswa dimana terdapat 2 jenis atribut yakni numerik dan nominal. Berdasarkan pengujian 2 metode pengodean tersebut diketahui bahwa akurasi transformasi dengan OHE pada berbagai nilai neighbor lebih tinggi dibanding metode label, sedangkan kecepatan proses kedua metode pengodean relatif sama.
Co-Authors Adiguna, I Gede Divbodhi Adiningtyas, Baiq Faras Sukma Agustinus Agustinus Andriyani, Widyastuti Arghyanita, Ni Luh Made Swasti Arrio Saputra Bagas Antuk Pramukti Bambang Budi Santoso Bambang Purnomosidi Dwi Putranto Danny Kriestanto Danny Kriestanto, Danny Dwi Noorma Putri Erranaomi, Muhammad Brilian Fajri, Ika Nur Fauzi, Arma Febri Nova Lenti Hairul Aji Hudaimi Husain, Nadia Salsabila I Komang Damar Jaya Indra Yatini Buryadi Indra Yatini Buryadi Jayaputra Maharani, Kadek Dyah Aurelia Mohammad Guntara Nugroho, Muhammad Agung Nurwiyati, Fransisca Wiwiek Pius Dian Widi Anggoro Ponco Nugroho, Edo Septian Revianti, Siska Lidya Rikie Kartadie Rindha Fajirulhabshah Rosit Sanusi Salahuddin, Muamar Omar Salwa, Nabila Widhi Suharijanto, Richardo Amos Sumiyatun Syamsu Windarti Utami, Firmania Dwi Wahab, Alvionita Safira Wibowo, Dwi Winarno, Basuki Heri Wiwi Widayani, Wiwi Yogo Hermawan Yuli Astuti