Article Per Year (5 Year)
p-Index From 2021 - 2026
3.877
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Nasional Komputasi dan Teknologi Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Innovation Information Technology and Application (JINITA) Jurnal Teknik Informatika (JUTIF) Jurnal Profesi Insinyur Universitas Lampung CITIZEN: Jurnal Ilmiah Mulitidisiplin Indonesia Jurnal Puan Indonesia Tedc Journal of Informatics and Electronics Engineering Journal Of Artificial Intelligence And Software Engineering JPPkM: Jurnal Pengabdian dan Pemberdayaan kepada Masyarakat
Ade Yuliana
Politeknik TEDC
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Physics Public Health Social Sciences Transportation Veterinary Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Improving Diabetes Prediction Performance Using Random Forest Classifier with Hyperparameter Tuning Anggreini, Novita Lestari; Yuliana, Ade; Ramdan, Dadan Saepul; Al-Dayyeni, Wissam
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 4 (2025): JUTIF Volume 6, Number 4, Agustus 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.4.4755

Abstract

Diabetes mellitus is a chronic metabolic disorder that poses a serious challenge to global healthcare systems due to its increasing prevalence and the high costs associated with treatment. Although machine learning has been widely adopted to support early diagnosis, many predictive models still underperform due to limited preprocessing strategies and inefficient hyperparameter settings. This study proposes a comprehensive machine learning pipeline to enhance diabetes prediction accuracy by utilizing a Random Forest classifier optimized through systematic hyperparameter tuning. The novelty of this method lies in its integrated approach, which includes thorough preprocessing such as removing duplicate records, handling inconsistent unique values, addressing missing data, and applying the SMOTE technique to overcome class imbalance. Additionally, hyperparameter tuning is conducted using GridSearchCV combined with 5-fold cross-validation, and only the most influential features are selected to improve model interpretability and efficiency. The proposed model achieved an accuracy of 95 percent, with a recall of 0.88 and an F1-score of 0.85, indicating its robustness in identifying diabetic cases more effectively than previous studies using standard machine learning algorithms. This model contributes to the development of a reliable and scalable early detection system for diabetes, applicable in clinical decision support environments. Further refinement can be achieved by testing on larger and more diverse datasets or by implementing more efficient tuning techniques such as Bayesian optimization.
A Hybrid LSTM–Smith Waterman Model for Personalized Semantic Search in Academic Information Systems Yuliana, Ade; Anggreini, Novita Lestari; Iskandar, Rachmat; Prasanth, G. Rafi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 4 (2025): JUTIF Volume 6, Number 4, Agustus 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.4.4763

Abstract

The growing complexity of digital learning environments presents a critical challenge in computer science, particularly in designing intelligent academic systems capable of delivering context-aware and personalized content. Traditional academic information systems often rely on literal keyword matching, failing to interpret the semantic intent behind user queries and ignoring historical learning behavior. This study addresses these limitations by proposing a hybrid semantic search and recommendation model that integrates Long Short-Term Memory (LSTM) networks with the Smith Waterman algorithm. The LSTM component models temporal sequences of user interactions, while Smith Waterman enables local semantic alignment between user queries and learning content. Historical query logs and user-clicked topics are transformed into semantic vectors, which are further enhanced through a contextual graph and semantic relation matrix. Experimental results demonstrate the model’s effectiveness, achieving 89% accuracy, an F1-score of 0.89, and an AUROC of 0.88 by epoch 50. The hybrid architecture successfully captures the evolution of user interest and semantic relevance, outperforming baseline approaches. This research contributes to the field of computer science by bridging natural language understanding and sequential modeling to improve adaptive learning technologies. The proposed model offers a scalable foundation for developing intelligent recommendation systems in academic platforms, fostering improved learner engagement and efficiency.
Sistem Informasi Pendaftaran Penduduk Non Permanen Berbasis Web Pada Disdukcapil Kota Cimahi Fariha, Fariha; Yuliana, Ade
Citizen : Jurnal Ilmiah Multidisiplin Indonesia Vol. 5 No. 4 (2025): CITIZEN: Jurnal Ilmiah Multidisiplin Indonesia
Publisher : DAS Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53866/jimi.v5i4.986

Abstract

Administrasi kependudukan merupakan aspek penting dalam mendukung pelayanan publik dan perencanaan pembangunan. Penduduk non permanen adalah penduduk yang bertempat tinggal di suatu daerah lebih dari satu tahun tanpa berniat menetap secara tetap. Kota Cimahi mengalami peningkatan jumlah penduduk non permanen yang menuntut adanya pendataan yang akurat dan efisien. Proses pendataan manual dengan Google Form masih memiliki kelemahan pada aspek validasi, keamanan, dan pelaporan. Penelitian ini bertujuan merancang sistem informasi pendaftaran penduduk non permanen berbasis web menggunakan metode prototype model dengan framework Laravel dan basis data MySQL. Sistem dikembangkan untuk menyediakan fungsi registrasi, login, pengisian data, unggah dokumen, verifikasi petugas, notifikasi status, serta pelaporan digital. Hasil pengujian Blackbox dan User Acceptance Test (UAT) menunjukkan sistem berfungsi sesuai kebutuhan, mudah digunakan, serta meningkatkan efisiensi proses pendaftaran. Sistem ini terbukti layak diimplementasikan sebagai solusi pendataan penduduk non permanen di Kota Cimahi, serta berkontribusi pada peningkatan efektivitas dan transparansi pelayanan publik.
Aplikasi Chatbot Rekomendasi Spesifikasi dan Penyelesaian Masalah Teknis Komputer Dengan Natural Language Processing Julianto, Arjuna Rinaldi Julianto; Ade Yuliana
Jurnal Profesi Insinyur Universitas Lampung Vol. 6 No. 1S1 (2025)
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jpi.v6n2.196

Abstract

Digitalisasi membuat perangkat komputer sebagai sarana utama kehidupan digital. Namun pengguna komputer mengalami kesulitan dalam memilih spesifikasi dan ketika masalah teknis terjadi pada komputer. Dari permasalahan ini maka dikembangkan aplikasi chatbot dengan natural language processing untuk menyelesaikan permasalahan tersebut dengan metode System Development Life Cycle (SDLC) Waterfall. Aplikasi dibuat berbasis web dengan framework Laravel dan Bootstrap dengan MySQL sebagai basis data. User Acceptance Test (UAT) dengan metode black box testing dilakukan oleh 11 responden dengan hasil UAT desain 85%, UAT fitur 88%, UAT kepuasan 93%. Berdasarkan hasil UAT menunjukkan aplikasi chatbot membantu menyelesaikan masalah pengguna.
Feature Selection Optimization Using Genetic Algorithm for Naive Bayes-Based Diabetes Mellitus Classification Aris, Nova Arianti; Yuliana, Ade
Journal of Artificial Intelligence and Software Engineering Vol 5, No 3 (2025): September
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i3.7618

Abstract

Diabetes mellitus is a chronic disease with a steadily increasing prevalence each year and poses the risk of severe complications if not addressed early. Therefore, early detection of diabetes risk plays a vital role in prevention efforts. This study aims to enhance feature selection optimization through the use of a genetic algorithm in the classification of diabetes mellitus patients based on the Naive Bayes method. The genetic algorithm was applied to identify the most significant clinical features from patient data, with the expectation of improving the classification model’s accuracy and efficiency. A dataset comprising 1,557 patient records with 29 initial clinical attributes was utilized. Following preparation and selection stages, 7 key features were chosen for model training. Model performance was evaluated using metrics such as accuracy, precision, recall, and F1-score. The results indicated that the model with selected features achieved an accuracy of 80.99%, precision of 80.99%, recall of 100%, and an F1-score of 89.5%. These findings confirm that genetic algorithms are effective in improving Naive Bayes classification performance for diabetes risk identification. This study is expected to serve as a foundation for the development of more accurate and efficient disease risk prediction systems in the future.
ANALISIS POLA PENYAKIT DIABETES MELITUS MENGGUNAKAN ALGORITMA APRIORI (STUDI KASUS: PUSKESMAS CIGUGUR TENGAH) Yuliana, Ade; Devanti, Fifi
Journal of Informatics and Electronics Engineering Vol 5 No 1 (2025): Juni 2025
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v5i1.1106

Abstract

Indonesia termasuk dalam 10 besar negara dengan jumlah penderita diabetes melitus tertinggi di dunia. Di Kota Cimahi, Puskesmas Cigugur Tengah juga mencatatkan kasus diabetes melitus yang cukup tinggi. Namun, pengelolaan data masih terbatas pada analisis sederhana, yang membuat kebijakan penanggulangan kurang efektif. Karena itu, dibutuhkan metode yang lebih baik agar kebijakan yang diambil lebih tepat sasaran dan berdampak nyata dalam mengurangi penyakit ini. Penelitian ini bertujuan untuk mengidentifikasi pola gejala pada penderita Diabetes Melitus (DM) di Puskesmas Cigugur Tengah menggunakan algoritma Apriori. Data yang digunakan terdiri dari 516 rekam medis pasien dengan 10 atribut gejala, seperti sering kencing, cepat lapar, kesemutan, dan usia ≥ 45 tahun. Melalui teknik data mining dengan nilai minimum support 3%, penelitian ini berhasil menemukan 5 (lima) kandidat itemset anamnesa. Berdasarkan analisis data dengan algoritma Apriori di RapidMiner, kombinasi gejala "Cepat Lapar," "Sering Kencing," dan "Kesemutan" memiliki frekuensi kemunculan tinggi (0.723) dan menjadi pola dominan dalam deteksi awal diabetes melitus, dengan gejala tunggal "Cepat Lapar" (0.959) dan "Sering Kencing" (0.864) sebagai indikator utama. Kombinasi ini, terutama jika ditambah gejala "Lemas" (support 0.516), menunjukkan keterkaitan yang kuat, sedangkan gejala "Sering Haus" dan usia ≥ 45 tahun berkontribusi lebih rendah pada pola ini. Kombinasi "Lemas" dan "Sering Haus" memiliki nilai lift tertinggi (1.383), menunjukkan hubungan signifikan dengan gejala lainnya, sehingga menguatkan potensi prediksi kondisi kesehatan terkait diabetes melitus. Kata Kunci: Diabetes Melitus, Algoritma Apriori, RapidMiner, Pola Gejala, Puskesmas.
Aplikasi Game Keselamatan Berkendara Motor Berbasis Mobile (Studi Kasus SMK Negeri 2 Cimahi) Yuliana, Ade; Septiani, Rafa
Journal of Informatics and Electronics Engineering Vol 4 No 2 (2024): Desember 2024
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v4i2.1119

Abstract

Saat ini, sepeda motor telah menjadi kebutuhan penting bagi banyak orang di Indonesia. Meskipun terdapat upaya untuk meningkatkan keselamatan berkendara, angka kecelakaan lalu lintas yang melibatkan remaja tetap berada di tingkat yang mengkhawatirkan. Penelitian ini bertujuan untuk mengembangkan dan menguji aplikasi game edukasi keselamatan berkendara motor berbasis mobile menggunakan Construct 2, dengan harapan dapat meningkatkan pengetahuan remaja mengenai aturan berkendara yang aman. Penelitian ini mengadopsi metodologi Multimedia Development Life Cycle (MDLC), yang terdiri dari enam tahap: konsep,perancangan, pengumpulan materi, pembuatan, pengujian, dan pendistribusian. Berdasarkan hasil User Acceptance Test (UAT), Aplikasi Game Keselamatan Berkendara Motor Berbasis Mobile berjalan sesuai harapan dengan tingkat kepuasan pengguna sebesar 88,5%, yang dikategorikan baik. Aplikasi ini berhasil meningkatkan pengetahuan tentang keselamatan berkendara di kalangan remaja. Kesimpulannya, aplikasi ini tidak hanya memenuhi kebutuhan edukasi keselamatan berkendara secara efektif, tetapi juga menawarkan potensi yang signifikan untuk pengembangan lebih lanjut, seperti peningkatan kualitas visual, peningkatan pengalaman pengguna, dan penambahan konten yang lebih bervariasi untuk menjangkau lebih banyak pengguna.
Sistem Pakar Diagnosa Penyakit Ternak Ayam Layer dan Broiler Menggunakan Algoritma Deep Learning Yuliana, Ade; Fazriani, Widi
Journal of Informatics and Electronics Engineering Vol 3 No 2 (2023): Desember 2023
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v3i2.770

Abstract

PT Japfa Comfeed Indonesia Tbk-Parungkuda merupakan salah satu perusahaan ­agri-food terbesar dan terkemuka yang ada di Indonesia, salah satu jenis bisnisnya adalah peternakan dan pembibitan ayam. Saat ini, diagnosa penyakit ayam memerlukan waktu yang cukup lama oleh karena itu efisiensi dalam diagnosa sangat penting. Sistem pakar ini dapat mengatasi kendala ini dengan mengintegrasikan data gejala penyakit ke dalam algoritma deep learning. Namun permasalahan saat ini adalah belum adanya analisis, pengimplementasian, dan pengujian terhadap sistem pakar diganosa penyakit ternak menggunakan algoritma deep learning. Penelitian ini bertujuan untuk menganalisis, mengimplementasikan, serta menguji sistem pakar berbasis deep learning guna mendiagnosis penyakit pada ayam layer dan broiler di PT Japfa Comfeed Indonesia Tbk-Parungkuda. Penyakit unggas menjadi ancaman serius bagi industri peternakan. Manfaat utama dari pembuatan sistem ini adalah membantu pakar peternakan dalam pencegahan dan penanganan penyakit serta memberikan dukungan dalam diagnosis awal para pakar. Selain itu, sistem ini juga diharapkan meningkatkan efisiensi pengelolaan data penyakit di PT Japfa Comfeed Indonesia Tbk-Parungkuda. Metode pengembangan yang digunakan adalah metode Waterfall yang meliputi analisis kebutuhan, desain sistem, implementasi, dan pengujian. Sistem pakar ini dibuat berbasis web dengan menggunakan PHP, dan MySQL sebagai database, desain sistem menggunakan UML, hingga tahapan testing menggunakan metode black box dan User Acceptance Test (UAT) agar dapat mengetahui respon sistem terhadap pengguna. Berdasarkan hasil uji User Acceptance Test (UAT) dengan 3 kategori uji (desain, fitur dan kepuasan pengguna) dan 9 parameter uji diperoleh hasil uji secara keseluruhan dengan nilai rata-rata sebesar 89,26%.
Media Interaktif Pembelajaran Matematika Berbasis Mobile Bagi Anak Berkebutuhan Khusus (Studi Kasus: SLB BC Yatira Cimahi) Yuliana, Ade; Rizqia, Salsabila
Journal of Informatics and Electronics Engineering Vol 2 No 2 (2022): Desember 2022
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (621.677 KB)

Abstract

Anak yang mempunyai kemampuan dibawah rata-rata anak normal lainnya dengan keterbelakangan mental disebut dengan Anak Berkebutuhan Khusus (ABK). Berbagai cara belajar yang sudah pernah dipakai mengarah ke suatu pandangan, yakni harus mudah dioperasikan dan dipahami oleh anak yang terbelakang. Salah satu cara yang dapat dilakukan pada metode belajar anak terbelakang yakni melalui instrumen pertunjukan yang bisa memukau dan menambah keinginan anak untuk menimba ilmu. Studi kasus penelitian dilaksanakan di Sekolah BC Yatira Cimahi yang mengarah ke kurikulum Sekolah Luar Biasa (SLB), dengan berfokus pada anak tunagrahita. Berdasarkan hasil observasi didapat kebutuhan (requirement) untuk membuat suatu permainan yang bisa dipakai siswa berlatih bilangan angka 1-20. Media permainan berbentuk interaktif berasas mobile agar lebih menarik dan tidak membosankan. Eleman perangkat lunak dalam pengerjaan permainan ini memakai Construct 2 serta Adobe Illustrator. Game edukasi ini gampang dijalankan oleh anak keterbelakangan dengan mudah. Berdasarkan pengujian kepuasan pengguna dari total daftar pertanyaan, terdiri dari pertanyaan terkait game, bahan dan quiz didapatan hasil memuaskan dengan nilai 91,2%. Sehingga dapat disimpulkan media ini dapat membantu siswa dalam belajar, dan melancarkan motorik anak serta bagi pengajar bisa dipakai sebagai suatu sarana pembelajaran.
Aplikasi Pengajuan Perubahan Jadwal Kuliah Yuliana, Ade; Purba, Fahri Hidayah; Rismayana, Aris Haris
Journal of Informatics and Electronics Engineering Vol 3 No 1 (2023): Juni 2023
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v3i1.718

Abstract

Penjadwalan kuliah melibatkan penentuan waktu dan ruang untuk mata kuliah dan kegiatan akademik. Tujuan inti dari penjadwalan kuliah adalah mengatur komponen-komponen seperti mata kuliah, mahasiswa, dosen, ruangan, dan waktu dengan aturan dan batasan tertentu. Saat ini, Politeknik TEDC Bandung menggunakan sistem informasi jadwal perkuliahan berbasis Excel yang dikelola melalui Google Drive. Namun, masalah yang sering muncul pada awal semester adalah bentrok jadwal antara dosen, mata kuliah, dan ruangan. Untuk mengatasi masalah ini, perubahan jadwal harus dilakukan melalui komunikasi langsung dengan bagian akademik atau melalui WhatsApp. Bagian akademik kemudian mencoba menyesuaikan jadwal baru dengan ketersediaan ruangan yang ada. Aplikasi penjadwalan ini dibangun menggunakan framework Flutter dan Firestore Firebase sebagai database. Dalam pengembangan aplikasi ini, digunakan metode Extreme Programming. Berdasarkan pengujian Blackbox, semua fungsi aplikasi berjalan dengan baik sesuai harapan, dan pengujian UAT menunjukkan bahwa aplikasi ini diterima dengan baik oleh calon admin dan pengguna dengan tingkat kepuasan mencapai 85%.
Co-Authors Agustian, Fajar Ahmad Yusuf Al-Dayyeni, Wissam Ananda Saputra, Ferdi Aris Haris Rismayana Aris, Nova Arianti Asmat Purba Castaka Agus Sugianto Devanti, Fifi Dini Rohmayani Eva Damayanti, Eva Fariha, Fariha Fazriani, Widi Heldi Akbar Kosasih Iskandar, Rachmat Jauhari, Mochamad Fakhrizal Julianto, Arjuna Rinaldi Julianto listiana, reni Lusi Marlina Mamay Syani Marlina, Lusi Maulana, Andrea Meilani Anggraeni Novita Lestari Anggreini Paryati, Retno Prasanth, G. Rafi Pratama, Arya Rizki Purba, Fahri Hidayah Rabella Rigustama Az Zahra Ramdan, Dadan Saepul Ratna Wulandari Reni Listiana Reni Raafidiani Rizky Herdiansyah, Moh Rizqia, Salsabila Samuel, Hizkia Septiani, Rafa Sukarya, Robby Rohman Taryana, Yudi Tri Pratiwi Olivia Riska Bokings Turnip, Ferlin Firdaus Yuda, Ibrahim Sawitro