Article Per Year (5 Year)
p-Index From 2021 - 2026
4.585
P-Index
This Author published in this journals
All Journal snimed Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Prosiding SNATIF Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Sistem Cerdas Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Bumigora Information Technology (BITe) ABIDUMASY : Jurnal Pengabdian kepada Masyarakat Jurnal Teknik Informatika (JUTIF) Jurnal Computer Science and Information Technology (CoSciTech) J-Intech (Journal of Information and Technology) Jurnal Sains dan Teknologi MATRIX : JURNAL MANAJEMEN TEKNOLOGI DAN INFORMATIKA Knowbase : International Journal of Knowledge in Database Journal of Artificial Intelligence and Digital Business Bakti Sekawan : Jurnal Pengabdian Masyarakat Journal Of Artificial Intelligence And Software Engineering Jurnal Pengabdian Sosial Journal of Management, Entrepreneurship and Tourism JUAN: Jurnal Pengabdian Nusantara Jurnal Pengabdian Pada Masyarakat IPTEKS Prosiding Seminar Nasional CORISINDO
Neny Sulistianingsih
Bumigora University
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry 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 Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Enhancing Stroke Diagnosis with Machine Learning and SHAP-Based Explainable AI Models Galih Hendro Martono; Neny Sulistianingsih
Knowbase : International Journal of Knowledge in Database Vol. 4 No. 2 (2024): December 2024
Publisher : Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30983/knowbase.v4i2.8720

Abstract

Stroke is a serious illness that needs to be treated quickly to enhance patient outcome. Machine Learning (ML) offers promising potential for automated stroke detection through precise neuroimaging analysis. Although existing research has explored ML applications in stroke medicine, challenges remain, such as validation concerns and limitations within available datasets. The study aims to compare ML models and SHapley Additive exPlanations (SHAP) algorithm insights for stroke detection optimization. The research evaluates classifiers' performance, including Deep Neural Networks (DNN), AdaBoost, Support Vector Machines (SVM), and XGBoost, using data from www.kaggle.com. Results demonstrate XGBoost's superior performance across various data splits, emphasizing its effectiveness for stroke prediction. Utilizing SHAP provides deeper insights into stroke risk factors, facilitating comprehensive risk assessment. Overall, the study contributes to advancing stroke detection methodologies and highlights ML's role in enhancing clinical practice in stroke medicine. Further research could explore additional datasets and advanced ML algorithms to enhance prediction accuracy and preventive measures.
INISIATIF PENGABDIAN MASYARAKAT UNTUK MENINGKATKAN KEMAMPUAN BAHASA INGGRIS MELALUI PELATIHAN TOEFL DARING Sutarman, Sutarman; Sulistianingsih, Neny; Sudewi, Ni Ketut Putri Nila
ABIDUMASY Vol 5 No 02 (2024): ABIDUMASY : JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/abidumasy.v5i02.7356

Abstract

This community service initiative aimed to enhance English proficiency, specifically in the context of the TOEFL test, which is crucial for measuring language competence in today's globalized world. The webinar targeted teachers and students, providing a platform for interactive learning and discussion. The methodology included delivering theoretical knowledge along with practical exercises, focusing on listening, reading, and structure components of the TOEFL. The results showed high participant satisfaction, with an average score of 4.5 on the content quality and interaction. Participants expressed interest in diverse topics for future sessions, emphasizing the importance of continuous improvement in language training programs. The findings underscore the necessity of such community service programs to foster English language skills, thereby enhancing competitive capabilities in the global educational landscape.
Analisis Sentimen Dampak Putusan MK Batas Usia Minimum Capres-Cawapres dengan SVM, Naïve Bayes, dan KNN Lukmana, Aldi; Martono, Galih Hendro; Sulistianingsih, Neny
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5523

Abstract

Mahkamah Konstitusi (MK) berperan penting dalam menegakkan konstitusi, termasuk menetapkan batas usia minimum pencalonan Presiden dan Wakil Presiden. Putusan ini memicu beragam reaksi di media sosial, mulai dari dukungan hingga penolakan yang dinilai politis. Penelitian ini bertujuan menganalisis sentimen publik terhadap putusan tersebut menggunakan Support Vector Machine (SVM), Naïve Bayes (NB), dan K-Nearest Neighbors (KNN), serta membandingkan kinerjanya berdasarkan akurasi, presisi, recall, dan F1-score. Penelitian dilakukan melalui enam tahap: (1) Business Understanding – menentukan kebutuhan, tujuan, dan pengumpulan data; (2) Data Understanding – mengumpulkan, mendeskripsikan, dan mengevaluasi kualitas data; (3) Data Preparation – membersihkan, memilih, dan mentransformasi data; (4) Modelling – menerapkan algoritma SVM, NB, dan KNN; (5) Evaluation – mengukur kinerja model menggunakan confusion matrix; serta (6) Deployment – menyusun laporan dan dokumentasi hasil analisis. Data diambil dari media sosial X dan YouTube, diolah menggunakan teknik text mining dan machine learning. Hasil menunjukkan SVM dan KNN memiliki akurasi tertinggi, masing-masing 89,5%, sedangkan NB mencapai 88,5%, sehingga SVM dan KNN dinilai lebih efektif dalam menganalisis sentimen publik terhadap putusan MK.
Pengembangan Sistem Pakar Menggunakan Metode Rule-Based Reasoning untuk Memprediksi Waktu Pelaksanaan Kegiatan Pertanian dan Melaut Berdasarkan Sistem Penanggalan Wariga Putradi, Angga; Hidjah, Khasnur; Sulistianingsih, Neny
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5529

Abstract

Wariga merupakan sistem penanggalan tradisional masyarakat Suku Sasak yang digunakan untuk menentukan hari baik dalam berbagai aspek kehidupan seperti bertani, melaut, membangun rumah, dan melaksanakan ritual adat. Pengetahuan ini bersifat lokal dan umumnya hanya dikuasai oleh Maestro Wariga. Namun, keberadaan Maestro semakin langka, sehingga dibutuhkan inovasi digital untuk melestarikan dan mendokumentasikan pengetahuan tersebut. Penelitian ini bertujuan untuk membangun sistem pakar berbasis aturan (Rule-Based System) guna merepresentasikan logika penentuan hari baik secara digital, sebagaimana dilakukan Maestro Wariga. Sistem dirancang menggunakan metode IF–AND–AND–THEN berdasarkan kombinasi tanggal adat, naptu hari, dan zona wilayah. Fokus penelitian berada di wilayah Bayan, Kabupaten Lombok Utara. Pengujian dilakukan melalui perbandingan hasil sistem dengan perhitungan manual Maestro dan uji Black-Box untuk memastikan fungsionalitas sistem. Hasilnya menunjukkan bahwa sistem memiliki tingkat kesesuaian tinggi dan berjalan sesuai logika yang dirancang. Diharapkan, sistem ini menjadi media aksesibel bagi generasi muda untuk memahami Wariga sekaligus sebagai upaya pelestarian budaya lokal melalui pemanfaatan teknologi. 
Perbandingan Algoritma Machine Learning Untuk Mendeteksi Gagal Jantung Berbasis Seleksi Fitur Rfecv Dan Penyeimbangan Data Smote Setyawan, Ari; Sulistianingsih, Neny; Rismayati, Ria
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5605

Abstract

Deteksi dini gagal jantung merupakan tantangan signifikan dalam dunia medis karena kompleksitas faktor risikonya. Penelitian ini bertujuan membandingkan kinerja enam algoritma machine learning dalam memprediksi risiko gagal jantung dengan pendekatan CRISP-DM. Data klinis sebanyak 299 pasien diproses melalui seleksi fitur menggunakan Recursive Feature Elimination with Cross-validation (RFECV) serta penyeimbangan kelas dengan Synthetic Minority Over-sampling Technique (SMOTE). Algoritma yang dievaluasi meliputi Logistic Regression, K-Nearest Neighbors, Support Vector Machine, Decision Tree, Random Forest, dan Gradient Boosting. Evaluasi dilakukan menggunakan validasi silang berstrata dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan Random Forest mencapai performa terbaik dengan akurasi dan F1-score sebesar 91,20%, diikuti Gradient Boosting dengan 90,20%. Implementasi SMOTE terbukti meningkatkan kemampuan model, terutama dalam mendeteksi kelas minoritas. Temuan ini menegaskan bahwa metode ensemble seperti Random Forest, dikombinasikan dengan RFECV dan SMOTE, efektif untuk klasifikasi risiko gagal jantung secara akurat dan andal.
Prediction of Patient Arrivals per Room at NTB Provincial Hospital Using the Auto SARIMA Model Mayasari, Novyta Indah; Sulistianingsih, Neny; Rismayanti, Ria
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5629

Abstract

Rumah Sakit Umum Daerah (RSUD) Provinsi NTB merupakan rumah sakit rujukan utama di Nusa Tenggara Barat yang menghadapi tantangan dalam mengelola fluktuasi jumlah pasien. Lonjakan pasien dapat menyebabkan kekurangan sumber daya medis, sementara penurunan jumlah pasien berisiko menyebabkan pemborosan sumber daya. Oleh karena itu, diperlukan sistem prediksi yang mampu memperkirakan jumlah kedatangan pasien secara akurat guna mendukung manajemen rumah sakit. Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah pasien menggunakan Auto SARIMA (Seasonal AutoRegressive Integrated Moving Average). Data yang digunakan mencakup informasi tanggal masuk, tanggal keluar, asal masuk (IGD atau poli), serta jenis pembayaran pasien (BPJS, PBI, NPBI, dan umum). Selain itu, model ini mempertimbangkan faktor eksternal seperti hari libur, kondisi cuaca, dan kejadian khusus yang berpotensi memengaruhi jumlah pasien.Tahapan penelitian meliputi pengumpulan dan pra-pemrosesan data, pemodelan menggunakan Auto SARIMA, serta evaluasi hasil prediksi dengan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Hasil evaluasi model dengan menggunakan metrik statistik menunjukkan performa yang cukup baik, dengan nilai Mean Absolute Error (MAE) sebesar 3,61 dan Root Mean Square Error (RMSE) sebesar 5,33. Nilai ini mengindikasikan bahwa tingkat kesalahan prediksi relatif kecil, sehingga model Auto SARIMA dapat diandalkan dalam memperkirakan jumlah pasien per kamar. Prediksi Auto SARIMA memberikan manfaat praktis bagi rumah sakit. Pola musiman kedatangan pasien yang teridentifikasi dapat digunakan untuk mengoptimalkan pengelolaan kamar rawat inap, perencanaan sumber daya medis, serta penjadwalan pelayanan kesehatan secara lebih efisien.
Perbandingan Metode Prophet dan SARIMAX untuk Peramalan Harga Pangan di Lombok Barat Nurramadhan, Aliva; Priyanto, Dadang; Sulistianingsih, Neny
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4964

Abstract

Fluktuasi harga pangan di Kabupaten Lombok Barat merupakan permasalahan strategis yang berpengaruh terhadap stabilitas ekonomi daerah, kesejahteraan masyarakat, dan ketahanan pangan. Perubahan harga pangan dipengaruhi oleh tren jangka panjang, pola musiman, ketersediaan pasokan, serta dinamika permintaan. Kondisi ini menuntut metode peramalan yang mampu menghasilkan prediksi harga yang akurat dan andal sebagai dasar pengambilan keputusan dan perumusan kebijakan pangan daerah. Penelitian ini bertujuan membandingkan kinerja dua metode peramalan deret waktu, yaitu Prophet dan Seasonal Autoregressive Integrated Moving Average with Exogenous Regressors (SARIMAX), dalam memprediksi harga komoditas pangan utama di Kabupaten Lombok Barat. Data yang digunakan berupa data harga mingguan 13 komoditas pangan selama periode Januari 2021 hingga 5 September 2025 yang diperoleh dari Dinas Ketahanan Pangan Kabupaten Lombok Barat. Data diproses melalui tahapan praproses meliputi integrasi data, penambahan variabel waktu, normalisasi, serta pembentukan variabel eksogen berupa lag ketersediaan, kebutuhan, neraca, dan moving average harga. Pemodelan mempertimbangkan komponen tren, musiman, dan variabel eksternal. Evaluasi kinerja model menggunakan Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa secara rata-rata seluruh komoditas, model Prophet memiliki kinerja lebih baik dengan MAPE sebesar 3,80% dan MAE sebesar 1.398,25 dibandingkan SARIMAX dengan MAPE sebesar 4,89% dan MAE sebesar 1.524,68. Namun, secara per komoditas, Prophet unggul pada 7 komoditas, sedangkan SARIMAX lebih baik pada 6 komoditas lainnya. Temuan ini menunjukkan bahwa metode Prophet dan metode SARIMAX tidak menunjukkan keunggulan yang konsisten untuk seluruh komoditas pangan, sehingga pemilihan metode peramalan perlu disesuaikan dengan karakteristik data dan dinamika harga masing-masing komoditas.
Perbandingan Algoritma XGBoost dan Random Forest dalam Klasifikasi Surat Masuk Pemerintahan Hidayat, Fadila Ananda Kartika; Sulistianingsih, Neny; Hammad, Rifqi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5044

Abstract

Pengelolaan surat masuk pada lingkungan pemerintahan daerah berperan penting dalam mendukung efektivitas administrasi dan pengambilan keputusan oleh pimpinan daerah. Surat masuk merupakan salah satu bentuk komunikasi resmi yang harus dikelola secara sistematis agar informasi yang terkandung di dalamnya dapat segera ditindaklanjuti sesuai dengan bidang administrasi terkait. Volume surat yang tinggi sering menimbulkan berbagai kendala, terutama dalam proses identifikasi isi surat dan pengelompokan berdasarkan bidang administrasi yang berwenang. Kondisi tersebut berpotensi menyebabkan keterlambatan disposisi, kesalahan pengelompokan surat, serta menurunnya kualitas pelayanan administrasi apabila masih dilakukan secara manual. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu Extreme Gradient Boosting (XGBoost) dan Random Forest, dalam melakukan klasifikasi surat masuk kepala daerah secara otomatis dan terstruktur. Data yang digunakan dalam penelitian ini meliputi arsip surat masuk pemerintah daerah periode 2021–2022 serta hasil ekstraksi dokumen surat berbentuk PDF yang diperoleh dari aplikasi persuratan SRIKANDI menggunakan pustaka pdfplumber untuk menghasilkan data teks yang dapat diolah.. Tahapan penelitian mencakup proses pra-pemprosesan data, pembagian data menjadi data latih dan data uji, pelatihan model, serta evaluasi kinerja model menggunakan indikator accuracy, precision, recall, dan F1-score. Berdasarkan hasil pengujian, algoritma XGBoost menunjukkan performa yang lebih unggul dengan nilai akurasi sebesar 81,87% dan F1-score 82,00%, dibandingkan Random Forest yang hanya mencapai akurasi 76,00% dan F1-score 76,03%. Dengan demikian, XGBoost dinilai lebih efektif untuk mendukung proses klasifikasi surat dalam implementasi e-government di lingkungan pemerintahan daerah.
Penerapan Model Artificial Neural Networks (ANN) dalam Mengklasifikasi Risiko Kesehatan Ibu Hamil Afrian, M.Alawi; Priyanto, Dadang; Sulistianingsih, Neny
Jurnal Sains dan Teknologi (JSIT) Vol. 5 No. 3 (2025): September-Desember
Publisher : CV. Information Technology Training Center - Indonesia (ITTC)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jsit.v5i3.3868

Abstract

This study employs an Artificial Neural Network (ANN) to classify maternal health risk levels using 29 medical variables. The objective is to develop a predictive model capable of identifying low-risk and high-risk pregnancy conditions as an early detection tool to support maternal health services. The dataset, obtained from Puskesmas Selong, underwent preprocessing steps including normalization, One-Hot Encoding, and class balancing using the SMOTE technique. The ANN architecture consists of three hidden layers equipped with ReLU activation, Batch Normalization, and Dropout, while model optimization is performed using the Adam optimizer and Focal Loss to address class imbalance. The model was trained using a 70%-30% train test split and evaluated through accuracy, precision, recall, and F1-score. The experimental results indicate strong model performance, achieving 97% accuracy, 98% precision, 99% recall, and 98% F1-score for the low risk class, as well as 90% precision, 81% recall, and 85% F1-score for the high risk class. The trained model was subsequently integrated into a web-based application, allowing users to input maternal health data and obtain automated risk predictions. These findings demonstrate that ANN can serve as an effective approach for supporting early maternal risk identification within AI-based clinical decision support systems.
PEMODELAN SISTEM PENJADWALAN PRAKTIKUM LABORATORIUM MENGGUNAKAN ALJABAR MAXPLUS (STUDI KASUS DI STMIK BUMIGORA MATARAM) Uswatun Hasanah; Neny Sulistianingsih
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 15 No. 1 (2015)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v15i1.24

Abstract

Practical activities carried in the laboratory which aims to support the learning process of each semester. There were 500 participants of practicum utilize this activity at every level of education D3 and S1. Therefore, it was necessary that proper schedule of system so that the process runs smoothly in the laboratory practicum. But seeing the phenomena that occur in the feld, the schedule has been collated not corresponding with time of lecturers and students so that researchers trying to model the laboratory practicum of STMIK using Maxplus algebra. Based on the model and the simulation by results of Scilabwas scheduling in the Lab II that eigenvalues for 800 with an initial value x (0), its mean the period of transition participants of practicum and the other participants of practicum is 800 minutes. Therefore, there was only one lab are scheduled every day in Lab II because the process of practicum fnished at 12.00.
Co-Authors Abdul Muhid Advaita Hary, Adex Afrian, M.Alawi Agus Syahid Alfian Nurlifa Anthony Anggrawan Christine Eirene christofer satria Dewi, Ni Putu Sinta Dian Syafitri Dyah Susilowati Galih Hendro Martono Githa Alfiansyah Hairani Hairani Hammad, Rifqi Hasbullah Hasbullah Hasbullah Hasbullah Hidayat, Fadila Ananda Kartika I Gede Bayu Balawa Tangub I Nyoman Switrayana Irving Vitra Paputungan Kariyam - Khasnur Hidjah lauw, Christopher Michael Lilik Widyawati Lukmana, Aldi Mayasari, Novyta Indah Nafiani Nur Khamidah Ni Ketut Putri Nila Sudewi Ni Putu Sinta Dewi Noviansyah Noviansyah, Noviansyah Nurramadhan, Aliva Putradi, Angga Ria Rismayati Rismayanti, Ria Rismayati, Ria Setyawan, Ari Shofwan, Ari Sirojul Hadi Sri Kusumadewi Sutarman Sutarman Syahrir, Moch. Tanwir, Tanwir Tomi Tri Sujaka Triwijoyo, Bambang Krismono Uswatun Hasanah Vira Megasari Haqni