Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Teika Jurnal Sarjana Teknik Informatika Jurnal Onoma: Pendidikan, Bahasa, dan Sastra East Asian Journal of Multidisciplinary Research (EAJMR)
Heni
STIKOM Uyelindo Kupang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Management Development of Lecturers to Increase Research Quality at Stikom Uyelindo Kupang Hasibun Asikin; Heni; Yakin A. Asikin
East Asian Journal of Multidisciplinary Research Vol. 1 No. 3 (2022): April 2022
Publisher : PT FORMOSA CENDEKIA GLOBAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (379.309 KB) | DOI: 10.55927/eajmr.v1i3.98

Abstract

This research is motivated by the low quality and research culture of STIKOM Uyelindo Kupang lecturers. The purpose of this study is to determine the management of lecturer development by research institutions, to find out the goals and development programs, and to know the implementation and results of the coaching. The method used in this study is a qualitative descriptive method. The results of this research are: 1) private higher education and training institutions in East Nusa Tenggara have not maximally implemented lecturer development in an effort to improve research quality; 2) the implementation of the training has not been fully implemented by the research institute on the tertiary institution conducting research
Analisis Perspektif Psikologi Tokoh Silas Marner dalam Novel Silas Marner Karya George Eliot Heni
Jurnal Onoma: Pendidikan, Bahasa, dan Sastra Vol. 6 No. 2 (2020)
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/onoma.v6i2.356

Abstract

A literary work is a form of the author's imagination written with a background in various fields of life. The characters in a literary story also have the same problems as humans in real life. The author, in writing a story, is motivated by the conditions and environment that exist around him and affects him. The story in a novel, short story, or poetry reflects various aspects of human life. Literary works will present a story that can be viewed from various points of view, including from a psychological perspective. We can examine each character from a psychological point of view. How the character's psychological condition will appear from a story that can be examined by looking at the character's behavior, how he relates to other characters, and how he deals with problems in his life. George Eliot's Silas Marner novel is an interesting story which can be examined from a psychological point of view, namely the psychology of existentialism. Silas Marner's character in this novel will be analyzed from a psychological perspective. How Silas Marner's character in self-existence will appear in the psychology of existentialism.
Klasifikasi Jenis Kopi Lokal Menggunakan Convolutional Neural Network Berbasis InceptionV3 Margaretha Maria Sina; Erna Rosani Nubatonis; Heni
Jurnal Sarjana Teknik Informatika Vol. 14 No. 2 (2026): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v14i2.32193

Abstract

Kopi merupakan salah satu komoditas perkebunan unggulan yang memiliki nilai ekonomi tinggi dan menjadi sumber pendapatan masyarakat di berbagai daerah, termasuk Flores Sikka, Nusa Tenggara Timur. Identifikasi jenis kopi masih dilakukan secara manual berdasarkan pengamatan visual sehingga berpotensi menimbulkan kesalahan dan ketidakkonsistenan. Penelitian ini bertujuan mengembangkan model klasifikasi jenis kopi lokal menggunakan metode Convolutional Neural Network (CNN) berbasis arsitektur InceptionV3. Dataset yang digunakan terdiri atas 300 citra biji kopi yang terbagi ke dalam tiga kelas, yaitu Arabika, Robusta, dan Liberika. Tahapan penelitian meliputi akuisisi data, preprocessing, augmentasi data, pembagian data menggunakan 5-Fold Cross Validation, pelatihan model dengan transfer learning, serta evaluasi menggunakan confusion matrix. Model dilatih menggunakan ukuran citra 299×299 piksel, optimizer Adam, learning rate 0,00001, batch size 8, dan 40 epoch. Hasil pengujian menunjukkan bahwa model memperoleh rata-rata akurasi sebesar 96,6% dengan akurasi terbaik mencapai 98%. Nilai precision, recall, dan F1-score pada masing-masing kelas juga menunjukkan performa yang tinggi. Hasil penelitian membuktikan bahwa arsitektur InceptionV3 efektif dalam mengenali karakteristik visual biji kopi dan dapat digunakan sebagai solusi klasifikasi otomatis yang akurat dan konsisten. Hasil ini menunjukkan bahwa arsitektur InceptionV3 mampu mengenali fitur morfologi biji kopi lokal dengan baik meskipun menggunakan jumlah dataset yang relatif terbatas, sehingga berpotensi diterapkan sebagai sistem identifikasi kopi otomatis pada sektor pertanian dan industri pengolahan kopi.
Klasifikasi Judul Berita Online Menggunakan BERT dan IndoBERT Diorrani Katemba; Franki Bisilisin; Heni; Sumarlin
TeIKa Vol 16 No 1 (2026): Jurnal TeIKa
Publisher : Fakultas Teknologi Informasi - Universitas Advent Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36342/3sqzca39

Abstract

Perkembangan berita online di wilayah Nusa Tenggara Timur (NTT) semakin pesat. Meningkatnya volume berita yang dipublikasikan setiap hari menimbulkan tantangan dalam proses pengelompokan dan analisis konten yang selama ini masih dilakukan secara manual. Oleh karena itu, diperlukan suatu sistem yang mampu mengklasifikasikan judul berita secara otomatis dan akurat agar pengelolaan informasi dapat dilakukan dengan lebih efisien. Penelitian ini menggunakan pendekatan berbasis deep learning dengan menerapkan model Bidirectional Encoder Representations from Transformers (BERT) dan IndoBERT sebagai teknologi utama dalam sistem klasifikasi berita online berbahasa Indonesia. Bahasa pemrograman yang digunakan adalah Python dengan dukungan pustaka transformers. Dataset yang digunakan dikumpulkan melalui teknik web scraping dari beberapa portal berita lokal di wilayah NTT, kemudian dibagi menjadi 80% data latih dan 20% data uji untuk mengukur performa model. Model BERT dan IndoBERT diterapkan untuk mengenali konteks serta makna semantik dari setiap judul berita guna menghasilkan representasi teks yang lebih bermakna. Hasil pengujian menunjukkan bahwa model dasar BERT mencapai tingkat akurasi sebesar 69%, dengan nilai precision 70,2%, dan recall 66,9%. Sementara itu, penerapan model IndoBERT memperoleh performa yang lebih tinggi dengan tingkat akurasi mencapai 80%, nilai precision 78,2%, dan recall 79%. Kesimpulannya, pemanfaatan model IndoBERT terbukti secara signifikan lebih akurat dan optimal dibandingkan BERT dalam melakukan klasifikasi teks judul berita lokal NTT.
Co-Authors Diorrani Katemba Erna Rosani Nubatonis Franki Bisilisin Hasibun Asikin Margaretha Maria Sina Sumarlin Yakin A. Asikin