Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Ilmiah FIFO Dinamisia: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Terpadu Journal of Informatics and Advanced Computing
Febri Maspiyanti
Fakultas Teknik, Universitas Pancasila Jl. Srengseng Sawah, Jagakarsa, Jakarta, 12640
Computer Science & IT Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Pencarian Rute Terpendek Menggunakan Metode Bellman Ford Berbasis Spasial pada Daerah Rawan Banjir dan Macet (Studi Kasus: Bekasi) Bella Fitsolyna; Andrian Permana; Adinda Putri Kusuma Wardani; Ionia Veritawati; Febri Maspiyanti
Jurnal Ilmiah FIFO Vol 11, No 1 (2019)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2019.v10i1.002

Abstract

Bekasi merupakan salah satu wilayah yang rentan terhadap banjir dan macet. Biasanya banjir dapat merendam beberapa rumah pada wilayah tertentu dan menggenangi beberapa titik ruas jalan sehingga dapat mengganggu aktifitas warga, banjir ini di sebabkan oleh hujan yang mengguyur dan dari warga yang membuang sampah sembarangan terlebih lagi membuang ke sungai sehingga banjir dapat menyebabkan terjadinya macet. Macet tidak hanya di sebabkan oleh banjir akan tetapi di karenakan tingginya volume kendaraan sehingga tidak sebanding dengan badan jalan. Mengatasi hal tersebut, peneliti menyajikan informasi mengenai banjir dan macet melalui Sistem Informasi Geografis. Sistem informasi geografis adalah sistem berbasis geografis yang menyediakan info keruangan kepada public dimana di lakukan guna membangun suatu sistem yang diharapkan mampu membantu masalah pengguna mengenai daerah rawan banjir dan macet di daerah Bekasi, sehingga mampu mempermudah pengguna untuk mengetahui info untuk dapat mencari rute lain. Penelitian ini menggunakan metode Bellman Ford dimana metode ini untuk menemukan jalur terpendek.
Early Detection Application of Bipolar Disorders Using Backpropagation Algorithm Desti Fitriati; Febri Maspiyanti; Fairuz Astari Devianty
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 6: EECSI 2019
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.v6.1936

Abstract

Mental health is an important aspect in realizing overall health and important to be considered as physical health. Mental disorders are classified as difficult to diagnose due to the similarity of symptoms that can occur. In addition, information about mental disorders is inadequate so that it can be difficult for experts to provide a diagnosis of the disorders experienced by patients. The difficulty of experts in diagnosing is usually caused by the similarity of symptoms in mental disorders, such as in schizophrenia and bipolar disorder. Based on these problems, this research would like to conduct an early detection study of bipolar disorder by using screening questionnaire data from 300 respondents and serve as a knowledge base to be processed using the backpropagation algorithm. Based on all the results of testing the backpropagation algorithm that has been done to find out the results obtained accuracy and the highest results of training, the highest results obtained with the total test data correct or suitable is 249 and the wrong data is 1 of 250 test data. If it is calculated by a formula, the resulting accuracy rate is 99.6%. And it can be concluded broadly that the greatest influence of the accuracy of the backpropagation algorithm is based on momentum. Because in testing momentum the highest accuracy can be produced compared to the results of other analyzes.
ROBOT PEMADAM API MENGGUNAKAN METODE FUZZY LOGIC Febri Maspiyanti; Nadya Hadiyanti
Jurnal Teknologi Terpadu Vol. 3 No. 2: Desember, 2017
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v3i2.77

Abstract

Robot Pemadam Api adalah suatu jenis robot yang dapat melakukan salah satu tugas manusia yang berbahaya, yaitu tugas pemadam kebakaran. Sebagian kasus kebakaran yang dihadapi oleh pemadam kebakaran adalah kebakaran yang terjadi disebuah gedung. Pada penelitian ini akan membagun sebuah robot prototype yang berperan sebagai alat darurat pemadam kebakaran dalam gedung menggunakan metode Fuzzy Logic. Robot ini dibangun dengan menggunakan microcontroller ATmega328 sebagai kontrol utama, Sensor Ultrasonik sebagai pendeteksi jarak antara robot dengan halangan, Flame Sensor untuk menangkap pantulan cahaya api dari sumber apinya, and L9110 fan module sebagai alat pemadam api. Penerapan Fuzzy Logic pada robot ini adalah sebagai kendali kecepatan Motor DC robot dengan masukan jarak. Penelitian ini menghasilkan tingkat akurasi sebesar 92,63% untuk berjalan lurus, jalan berbelok 82,82%, pembacaan jarak oleh Sensor Ultrasonik 81,59%, deteksi api dengan Flame Sensor 87,25%, dan tingkat akurasi memadamkan api dengan L9110 Fan Module sebesar 52,11%.
Membangun Masyarakat Mandiri dimasa Pandemi COVID-19 Melalui Pelatihan Akutansi Biaya Produk dan Teknik Pemasaran Digital Desti Fitriati; Nur Yulianti Hidayah; Febri Maspiyanti
Dinamisia : Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 4 (2021): Dinamisia: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/dinamisia.v5i4.5544

Abstract

Pandemi Corona membuat hampir semua masyarakat melakukan kegiatan dari rumah, baik itu urusan sekolah maupun pekerjaan. Tidak sedikit pula perusahaan yang melakukan Pemutusan Hubungan Kerja (PHK) maupun merumahkan para pekerjanya. Hal ini pula yang menyebabkan sistem keuangan Indonesia menjadi tidak stabil dan roda perekonomian Indonesia mengalami penurunan. Untuk menstabilkan sistem keuangan ini, maka langkah yang bisa dilakukan adalah membuat sebuah peluang usaha baru sebagai alternatif pendapatan. Peluang usaha baru yang diusulkan ini juga sejalan dengan karakteristik Usaha Mikro, Kecil dan Menengah (UMKM), dimana UMKM memiliki peranan penting dalam perekonomian di Indonesia. Meskipun demikian, masih terdapat beberapa hambatan internal maupun eksternal yang harus dihadapi pelaku UMKM. Salah satu hambatan internal yang menjadi fokus utama yang akan diangkat adalah Sumber Daya Manusia (SDM) meliputi kurangnya pengetahuan mengenai teknologi produksi terbaru dan cara menjalankan quality control terhadap produk, kurangnya kemampuan membaca kebutuhan pasar masih belum tajam, sehingga belum mampu menangkap dengan cermat kebutuhan yang diinginkan pasar, dan pemasaran produk masih mengandalkan cara sederhana mouth to mouth marketing (pemasaran dari mulut ke mulut). Untuk mengatasi berbagai permasalahan di atas maka dilakukanlah kegiatan penyuluhan dan workshop tentang pelatihan akuntansi biaya dan teknik pemasaran digital, dimana topik ini diambil agar pelaku UMKM maupun masyarakat yang baru memulai usaha karena terdampak COVID-19 mendapatkan wawasan tentang cara mengendalikan dan mencatat biaya produksi, serta dapat menjangkau pangsa pasar yang lebih luas dengan desain promosi yang lebih menarik dan teknologi digital marketingnya
IMPLEMENTASI COMPUTER VISION UNTUK DETEKSI SAMPAH LAUT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Faiqa Hanifa; Febri Maspiyanti
Journal of Informatics and Advanced Computing (JIAC) Vol 6 No 2 (2025): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/sch9tm40

Abstract

Marine debris has become a serious and growing threat to marine ecosystems, human health, and maritime activities and economies. Various manual monitoring efforts that has been carried out so far are often limited in terms of spatial coverage, efficiency, and resource effectiveness. With the rapid advancement of remote sensing technology and the integration of artificial intelligence, marine debris monitoring can now be automated through computer vision approaches. This study develops a computer vision-based system for marine debris detection using Sentinel-2 satellite imagery and Convolutional Neural Network (CNN) to adhere to the blue economy framework. The proposed approach applies semantic segmentation using the U-Net architecture. The primary dataset used in this study is provides multispectral imagery with a spatial resolution of 10 meters and annotations for four main classes: marine debris, organic material, seawater, and other objects. The imagery enhanced using spectral indices such as the Floating Debris Index (FDI) and the Normalized Difference Vegetation Index (NDVI) helps distinguish spectral characteristics between debris and non-debris classes more clearly. Model performance is evaluated using metrics including accuracy, precision, recall, Intersection-over-Union (IoU), and F1-Score. The best model achieved scores of 0.95, 0.81, 0.67, and 0.77 for each respective metric, demonstrating U-Net's effectiveness in detecting marine debris. The final system is deployed through an interactive Streamlit interface, allowing users to upload satellite imagery, view segmentation results, visualize spectral indices, and preview bounding boxes that highlight detected debris locations. This approach is expected to serve as an effective and adaptive tool to support sustainable marine environmental policies and decision-making.
Co-Authors Adinda Putri Kusuma Wardani Andrian Permana Bella Fitsolyna Desti Fitriati Faiqa Hanifa Fairuz Astari Devianty Fitriati, Desti Ionia Veritawati Nadya Hadiyanti Nur Yulianti Hidayah, Nur Yulianti Ramadhan, Fairuz Muhammad