Article Per Year (5 Year)
p-Index From 2021 - 2026
4.6
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 Informatika Teknologi dan Sains (Jinteks) 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 : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Pertumbuhan Awal Bibit Setelah Pemeraman saat Perkecambahan Biji Dua Genotip Kakao (Theobroma cacao L.) Kebun Rakyat Kabupaten Lombok Utara Femi Dwi Astuti; Dwi Noorma Putri; Jayaputra; Bambang Budi Santoso; I Komang Damar Jaya
Jurnal Ilmiah Mahasiswa Agrokomplek Vol. 4 No. 2 (2025): Jurnal Ilmiah Mahasiswa Agrokomplek
Publisher : Fakultas Pertanian Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jima.v4i2.7637

Abstract

Kakao (Theobroma cacao L.) merupakan komoditas perkebunan penting yang bernilai ekonomi tinggi, terutama sebagai bahan baku industri makanan dan minuman. Sebagian besar produksi tersebut berasal dari perkebunan rakyat sehingga peningkatan produksi harus dilakukan melalui pengesuaian dengan kondisi rakyat. Kualitas dan keberhasilan produksi kakao sangat dipengaruhi oleh viabilitas benih dan pertumbuhan awal bibit. Penelitian ini bertujuan mengevaluasi pengaruh dua genotip kakao dan beberapa bahan pemeraman terhadap viabilitas benih dan pertumbuhan awal bibit kakao, sebagai dasar pengelolaan bibit berkelanjutan. Percobaan dilakukan dengan menggunakan Rancangan Acak Lengkap dua faktor, yaitu genotip (g1 dan g2) dan bahan pemeraman (tanpa pemeraman, karung goni, kain handuk, dan kertas koran), dengan tiga ulangan. Parameter yang diamati meliputi kecepatan dan persentase berkecambah, tinggi tanaman, diameter batang, jumlah daun, luas daun, serta berat segar dan kering tanaman. Hasil penelitian menunjukkan bahwa perlakuan genotip berpengaruh tidak nyata terhadap seluruh parameter yang diamati. Sementara itu, bahan pemeraman hanya berpengaruh nyata terhadap kecepatan berkecambah, dengan hasil terbaik ditunjukkan oleh pemeraman menggunakan kertas koran. Meskipun sebagian besar perlakuan tidak menunjukkan perbedaan yang signifikan, pertumbuhan tanaman tetap meningkat seiring waktu, yang menunjukkan bahwa proses fisiologis tanaman berlangsung normal di bawah kondisi tumbuh yang seragam.
OPTIMASI AKURASI PREDIKSI PENYAKIT DIABETES MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN SMOTE Maharani, Febi; Astuti, Femi Dwi
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7167

Abstract

Klasifikasi dini diabetes mellitus merupakan langkah krusial dalam memitigasi risiko komplikasi medis, namun efektivitasnya kerap terhambat oleh masalah ketidakseimbangan distribusi kelas (imbalanced class) pada data medis. Kondisi tersebut menyebabkan algoritma klasifikasi cenderung menunjukkan bias terhadap kelas mayoritas serta mengabaikan kelas minoritas yang memiliki signifikansi klinis lebih tinggi. Penelitian ini bertujuan untuk mengevaluasi pengaruh teknik Synthetic Minority Over-sampling Technique (SMOTE) terhadap performa algoritma K-Nearest Neighbor (KNN) dengan memanfaatkan dataset Pima Indians Diabetes. Simulasi dilaksanakan menggunakan perangkat lunak Altair Studio melalui penerapan variasi parameter K=3, 5, dan 10 serta divalidasi dengan metode 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa integrasi SMOTE secara konsisten meningkatkan kinerja model dengan eskalasi akurasi rata-rata sebesar 2,07%. Peningkatan paling signifikan teridentifikasi pada konfigurasi K=3, di mana akurasi meningkat dari 68,88% menjadi 73,70% (naik 4,82%), sementara akurasi maksimal tercapai pada K=10 dengan nilai 75,40%. Selain itu, penerapan SMOTE terbukti meningkatkan nilai recall kelas minoritas secara substansial, yakni dari 53,36% menjadi 81,20% pada K=3, meskipun disertai munculnya trade-off terhadap nilai precision. Temuan ini menegaskan bahwa penyeimbangan data melalui metode SMOTE mampu menghasilkan model klasifikasi yang lebih adil dan reliabel dalam mendeteksi penyakit diabetes.
K-Means Approach to Identifying High-Risk Stunting Areas in Indonesia Hairul Aji; Femi Dwi Astuti
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3042

Abstract

Stunting is one of the chronic nutritional problems that remains a serious issue in Indonesia, particularly in Bulungan Regency, North Kalimantan. This condition not only affects children's physical growth but also their cognitive development, which has implications for their quality of life and future prospects. This study aims to classify regions based on stunting risk levels to provide a more targeted framework for local governments in setting intervention priorities. The method used is K-Means Clustering, an effective data mining algorithm for non-hierarchical data clustering. The data used are secondary data from the Bulungan District Bappeda in 2021, covering 81 locations with 29 stunting risk factor variables. The analysis process was conducted through data processing, centroid initialization, Euclidean distance calculation, and the formation of convergent clusters. The results of the study show the formation of two main clusters: a cluster with moderate vulnerability and a cluster with high vulnerability. The moderate cluster is in a transitional state with fluctuating risks, while the high cluster has low health and sanitation indicators, requiring special attention. These findings indicate that the K-Means method can provide data-driven insights to support stunting prevention policies. This study is expected to serve as a reference for local governments in developing more targeted intervention programs and contribute academically to the application of data mining methods in public health.
Model Blockchain Untuk Pembayaran Lintas Batas Negara Bagi UMKM Putranto, Bambang Purnomosidi Dwi; Kartadie, Rikie; Astuti, Femi Dwi
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.
Predicting Moral Degradation Using Tree-Ensemble Machine Learning Methods Fajirulhabshah, Rindha; Astuti, Femi Dwi
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.
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 Fajirulhabshah, Rindha Fajri, Ika Nur Fauzi, Arma Febri Nova Lenti Guntara, Mohammad Hairul Aji Hudaimi Husain, Nadia Salsabila I Komang Damar Jaya Indra Yatini Buryadi Indra Yatini Buryadi Jayaputra Maharani, Febi Maharani, Kadek Dyah Aurelia Nugroho, Muhammad Agung Nurwiyati, Fransisca Wiwiek Pius Dian Widi Anggoro Ponco Nugroho, Edo Septian Revianti, Siska Lidya Rikie Kartadie 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