Article Per Year (5 Year)
p-Index From 2020 - 2025
1.829
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika Jurnal Teknologi Informasi dan Ilmu Komputer E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal Biologi Tropis JOPS (Journal Of Pharmacy and Science) Jurnal Teknik Informatika (JUTIF) Innovative: Journal Of Social Science Research Jurnal Wicara Desa
RISMIYATI RISMIYATI
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Economics, Econometrics & Finance Engineering Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Perancangan Sistem Informasi Laboratorium (Studi Kasus Puskesmas Dersalam, Kudus) Susanto, Arief; Choirozaq, Ahmad; Hakim, Muhammad Malik; Rismiyati, Rismiyati
Jurnal Masyarakat Informatika Vol 12, No 2 (2021): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.12.2.42333

Abstract

Laboratorium di lembaga dan layanan kesehatan masyarakat dituntut untuk mampu menyesuaikan dengan kebutuhan masyarakat saat ini yang menuntut adanya perbaikan dan peningkatan mutu pelayanan kesehatan yang baik, profesional, dan berkualitas. Dengan adanya tingkat kebutuhan yang tinggi akan manajemen berbagai layanan di laboratorium yang terus berkembang serta kebutuhan untuk inventaris data, maka perlu dibangun sistem informasi laboratorium yang dapat memfasilitasi semua kebutuhan laboratorium dengan tetap memberikan kemudahan dan keluwesan untuk pengembangan pada waktu-waktu mendatang. Penelitian ini bertujuan untuk merancang dan membangun implementasi sistem informasi pelayanan penunjang medis laboratorium di UPT Puskesmas Dersalam, Bae, Kabupaten Kudus. Teknologi yang digunakan pada penelitian ini adalah framework codeigniter yang dibangun menggunakan bahasa pemrograman PHP dan menggunakan mysql untuk manajemen penyimpanan data di databasenya. Teknik pengumpulan data dengan cara observasi, wawancara dan studi pustaka. Metode pengembangan perangkat lunak menggunakan metode waterfall dengan UML (Unified Modeling Language) sebagai model dalam perancangan perangkat lunak.
Uji Efektivitas Mukolitik Ramuan Buah Adas (Foeniculum vulgare Mill.) Secara In Vitro pada Putih Telur Bebek Desy Aryanti Pardilla Vitri; Rismiyati Rismiyati; Julia Eka Putri Ananda; Muhammad Syach; Nindia Oktaviani Adira; Siti Rahmatul Aini
JOPS (Journal Of Pharmacy and Science) Vol 6 No 2 (2023): Journal of Pharmacy and Science
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/jops.v6i2.3507

Abstract

Buah adas (Foeniculum vulgare) secara empiris telah banyak digunakan oleh masyarakat sebagai obat batuk berdahak dengan ditambahkan madu. Penelitian ini bertujuan untuk mengetahui aktivitas mukolitik ramuan buah adas secara in vitro pada putih telur bebek dengan konsentrasi 10% dan 20%. Ramuan buah adas diperoleh dengan cara diseduh dengan air panas dan ditambahkan satu sendoh teh madu. Ramuan buah adas konsentrasi 10% dan 20% ditambahkan dengan tween 80 serta campuran putih telur bebek dan larutan dapar fosfat pH 7. Ambroxol HCl 3% digunakan sebagai kontrol positif sedangkan mukus tanpa rebusan adas digunakan sebagai kontrol negatif. Sampel diuji menggunakan viskometer ostwald dan diukur massa jenisnya dengan piknometer. Data yang diperoleh kemudian diolah hingga didapatkan nilai visksoitas. Hasil dianalisis dengan uji statistik one way ANOVA dan dilanjutkan uji LSD. Hasil menunjukkan bahwa terdapat perbedaan yang signifikan antara kontrol negatif dengan kontrol positif, konsentrasi 10% dan 20% (p < 0,05) serta tidak terdapat perbedaan yang signifikan antara kontrol positif dengan konsentrasi 10% dan 20% (p > 0,05). Dari penelitian ini, dapat disimpulkan b
SOSIALISASI PEMBERIAN MAKANAN BERGIZI PENDAMPING ASI PADA IBU BAYI SEBAGAI INTERVENSI UNTUK MENURUNKAN PREVALENSI STUNTING DI DESA DOREBARA Astika, Reni; Rachmatullah, Reza; Farid, Muhammad Jailul Qurani; Adhiyasa, I Kadek Wisnu; Fachreza, Muhammad Rafli; Halimatuzzakrah, Halimatuzzakrah; Hidayanti, Silpiya; Rismiyati, Rismiyati; Rachmani, Dyah Fitri; Misbahuddin, Misbahuddin
Jurnal Wicara Vol 1 No 4 (2023): Jurnal Wicara Desa
Publisher : Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/wicara.v1i4.3353

Abstract

This article discusses intervention efforts to address stunting in Dorebara Village, Dompu Regency, through the Community Empowerment Real Work Lecture (KKN PMD) program by Universitas Mataram. The program involves the dissemination of information about the risks of stunting and the Practice of Clean and Healthy Living (PHBS), the provision of Complementary Feeding (MPASI) in the form of "Chicken Corn Soup," health surveys of prospective brides (Catin) using the Elsimil application, and knowledge about the implications of early marriage. The results indicate an increased understanding within the community regarding stunting prevention, proper childcare practices, and the importance of appropriate MPASI. In essence, this program offers concrete solutions and holds the potential to reduce the prevalence of stunting in the area.
Garbage Image Classification Using Deep Learning: A Performance Comparison of InceptionResNetV2 vs ResNet50 Rismiyati, Rismiyati; Situmeang, Axelliano Rafael; Khadijah, Khadijah; Endah, Sukmawati Nur
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.2025.6.4.4770

Abstract

Garbage problem is a worldwide problem. Efforts to address garbage problem have been performed in several aspect, including automatic garbage classification to support automatic garbage sortation in small scale. In the field of garbage classification, deep learning has been widely used because of its ability to learn feature and also to classify with high accuracy.  Several promising architectures in deep learning such as ResNet50 and InceptionNet have been used for this classification task. InceptionResNet is introduced to combine the strength of both architectures. This research aims to classify Garbage Classification data set which consist of 15150 images from 12 classes by using InceptionResNetV2 architecture. In addition, experiment by using ResNet-50 is also performed to provide comparison of its performance. During experiment, Hyperparamater tuning was performed, namely the learning rate, dropout rate, and the number of neuron in the dense layer. The results show that InceptionResNetV2 outperform ResNet50 in all scenarios. This architecture is able to achieve highest accuracy of 97.54%.  Even though the classification time is longer for InceptionResNetV2, this finding is able to prove the outstanding performance of InceptionResNetV2 in garbage classification. This study contributes to the field of garbage classification by introducing robust and better model for better classification.
Literature Review: The Effect of Butterfly Pea Flower Kombucha Fermentation as Antibacterial Agent Hijriadina, Zerati; Shiddiqi, Buchary Rahman Ash; Amanda, Raina Julia; Wandila, Welsi; Putranto, Diouf Maulana Dwi; Rismiyati, Rismiyati; Listyacahyani, Anggit
Jurnal Biologi Tropis Vol. 25 No. 1 (2025): Januari - Maret
Publisher : Biology Education Study Program, Faculty of Teacher Training and Education, University of Mataram, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jbt.v25i1.8480

Abstract

Biotechnology involves the use of microorganisms supported by technology to produce goods and services, a practice that has been around for thousands of years. The application of biotechnology includes processing fermented beverage products. Kombucha is a traditional fermented tea drink that is carbonated and has a slightly sweet and sour taste. Butterfly pea flower contains anthocyanins, which act as antioxidants and antibacterial agents. Sugar serves as a nutrient for Scoby, helping with the fermentation process. This article review uses a scientific literature study, with data collected from Google Scholar, referencing 15 journals from the last 10 years. Scoby nutrients can include granulated sugar, palm sugar, Baduy forest honey, stevia sugar, and Tropicana Slim sugar. Each nutrient is given at concentrations of 20%, 30%, and 40%. The test results show that providing nutrients at a concentration of 40% produced a larger inhibition zone.
Klasifikasi Citra Sampah Menggunakan Support Vector Machine dengan Ekstraksi Fitur Gray Level Co-Occurrence Matrix dan Color Moments Nisa, Iffa Zainan; Endah, Sukmawati Nur; Sasongko, Priyo Sidik; Kusumaningrum, Retno; Khadijah, Khadijah; Rismiyati, Rismiyati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 5: Oktober 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022954868

Abstract

Sampah merupakan salah satu permasalahan global yang dihadapi seluruh dunia termasuk Indonesia. Apabila tidak dikelola dengan baik, jenis dan volume sampah yang semakin meningkat dapat berdampak buruk pada lingkungan dan kesehatan manusia. Pemilahan sampah merupakan langkah awal dalam melakukan berbagai jenis pengolahan sampah. Pemilahan sampah secara manual tidak mudah dilakukan mengingat jumlahnya yang amat besar, sehingga otomatisasi pemilahan sampah diperlukan. Penelitian ini mengusulkan klasifikasi citra sampah menggunakan Support Vector Machine (SVM) dengan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM) dan Color Moments serta mengoptimalkan kinerja terbaik dalam proses klasifikasinya. Dataset TrashNet digunakan untuk mengevaluasi metode yang diusulkan. Beberapa parameter penting yang digunakan dalam penelitian ini adalah orientasi sudut GLCM, parameter C (soft margin) pada SVM, dan parameter ???? pada Radial Basis Kernel (RBF). Pembagian data dilakukan menggunakan 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa kombinasi fitur GLCM dengan orientasi sudut 45° dan Color Moments memberikan rata-rata akurasi terbaik sebesar 78,87% dengan menggunakan parameter C bernilai 32 dan parameter γ bernilai 4. Hasil pengujian terbaik diperoleh pada fold ke-3 dengan akurasi sebesar 85,43% yang digunakan sebagai skenario pengujian data baru. Pengujian terhadap 30 citra sampah baru menggunakan model terbaik memperoleh akurasi sebesar 70%. AbstractWaste is one of the global problems faced by the whole world, including Indonesia. Improper waste management can harm the environment and interfere with health. Waste management involved several steps in handling waste, the first one being waste sorting. In Indonesia, waste sorting is still performed manually. Manual waste sorting is not easy to do because the waste amount is very large. Therefore, automatic waste detection technology is needed to support more optimal waste sorting. This study proposes waste image classification using Support Vector Machine (SVM) with Gray Level Co-Occurrence Matrix (GLCM) and Color Moments as the features. The TrashNet dataset is used to evaluate the proposed method. In addition, 30 additional waste image outside trashnet is used as testing data. Some of the important parameters that are tuned in this study are the angle orientation of the GLCM, C (soft margin) parameter on the SVM, and ???? parameter on the Radial Base Kernel (RBF). Data splitting is done using 10-Fold Cross Validation. The results showed that the combination of GLCM features with 45° angle orientation and Color Moments gave the best average accuracy of 78.87% using C parameter with a value of 32 and γ parameter with a value of 4. The best test results were obtained in the third fold with an accuracy of 85, 43%. This result is used to test the 30 test image outside the TrashNet dataset, and achieve accuracy of 70%.
Film Recommender System Menggunakan Metode Neural Collaborative Filtering Ayyiyah, Ni’mah Khoiriyah; Kusumaningrum, Retno; Rismiyati, Rismiyati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 3: Juni 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106616

Abstract

Pada saat ini media hiburan telah berkembang pesat dan tersedia secara digital. Hiburan khususnya dalam bentuk film semakin tersedia secara luas. Keinginan untuk menikmati hiburan dalam media digital mendorong pengguna internet lain untuk mengunjungi situs-situs yang menawarkan film tertentu, sehingga meningkatkan minat mereka terhadap website yang menawarkan hiburan digital. Tidak semua situs penyedia hiburan digital menyajikan item yang menjanjikan kepuasan pengguna. Sebuah item yang sama tidak tentu akan disukai oleh semua user dan terbatasnya informasi yang disediakan menjadi salah satu kendala bagi pengguna sehingga membutuhkan waktu untuk pengguna menemukan film yang sesuai. Oleh karena itu recommender system dibutuhkan dalam memberikan informasi berdasarkan kebutuhan pengguna. Recommender system akan membantu seorang user dalam mencari sebuah item yang berdasarkan ketertarikan masing-masing dengan memberikan prediksi beberapa item berdasarkan preferensi user yang berasal dari riwayat penilaian user terhadap item tersebut. Recommender system juga telah mengalami kemajuan dalam mengimplementasikan metode. Deep learning yang merupakan salah satu penemuan dalam metode recommender system dirancang untuk mengatasi beberapa kekurangan dari teknlogi lain dan memberikan revolusi arsitektur rekomendasi dalam meningkatkan kinerja dalam pemberian prediksi. Penelitian ini menggunakan pendekatan prediksi Collaborative Filtering dengan mengimplementasikan deep learning berdasarkan teknologi Neural Collaborative Filtering pada dataset MovieLens. Evaluasi model dilakukan menggunakan metrik skor regresi Root Mean Square Error (RMSE). Hasil pada pengujian model menunjukkan hasil terbaik dengan nilai rata-rata loss value sebesar 0,1356 pada fase train dan sebesar 0,8898 pada fase val, dengan learning rate dan batch size memperoleh kinerja terbaik ketika learning rate bernilai 0,001 dan batch size dengan nilai 1024. Abstract At this time entertainment media has become available digitally. Entertainment especially in the form of movies is increasingly widely available. The desire to enjoy entertainment in digital media encourages other internet users to visit sites that offer certain movies, thus increasing interest in websites that offer digital entertainment. Not all digital entertainment provider sites present items that promise user satisfaction. The same item will not necessarily liked by all users and the limited information is one of the obstacles for users so that it takes time for users to find the right film. Therefore, a recommendation system is needed in providing information based on user needs. The recommendation system will help users find items based on their respective interests by providing predictions. The recommender system will help a user find an item based on their respective interests by providing predictions of several items based on user preferences derived from the user's assessment history of the item. The recommendation system has also made progress in implementing the method. Deep learning which is one of the discoveries in the recommender system method is designed to overcome some of the shortcomings of other technologies and provide a recommendation architecture revolution in improving performance in delivery. This study using a Collaborative Filtering prediction approach by implementing deep learning based on Neural Collaborative Filtering technology on the MovieLens dataset. The evaluation of the model was carried out using the Root Mean Square Error regression score metric. The results on the model test show the best results with can average loss value of 0,1356 on the train label and 0,8898 on the val label, with the learning rate and batch size getting the best performance when the learning rate is 0,001 and the batch size is 1024.
Review Article : Pemeriksaan Kolesterol Total Fitri, Baiq Anisa; Setiawan, Wahyu Aldi; Rismiyati, Rismiyati; Loga, Sakdiana; Aini, Siti Rahmatul
Innovative: Journal Of Social Science Research Vol. 4 No. 4 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i4.14632

Abstract

Kolesterol merupakan suatu jenis lemak yang tidak larut dalam darah dan membutuhkan bantuan protein untuk transportasi. Kadar kolesterol yang tinggi dapat berdampak negatif pada kesehatan dengan menyebabkan aterosklerosis. Penelitian ini membandingkan metode CHOD-PAP dan metode POCT pada pemeriksaan kolesterol untuk mengetahui perbedaan prinsip, kelebihan, kekurangan, dan sampel atau bahan analisis yang digunakan pada masing-masing metode. Metode penelitian dilakukan dengan melakukan tinjauan literatur menggunakan kata kunci “pemeriksaan kolesterol total dengan metode CHOD-PAP dan POCT” pada database seperti Google Scholar dan Sematic Reader. Temuan penelitian menunjukkan perbedaan antara kedua metode tersebut. Metode CHOD-PAP memungkinkan untuk menggunakan sampel serum dan plasma, meskipun lebih diutamakan untuk menggunakan serum. Pada metode ini terdapat pengaruh waktu inkubasi, suhu penyimpanan dan waktu sentrifugasi terhadap hasil pemeriksaan. Sedangkan pada metode POCT dapat digunakan sampel berupa darah kapiler dengan syarat tetesan pertama darah harus dihilangkan.
Pelatihan Computational Thinking bagi Guru SMP-SMK Muhammadiyah 2 Kota Semarang Wibawa, Helmie Arif; Saputra, Ragil; Sasongko, Priyo Sidik; Adhy, Satriyo; Rismiyati, Rismiyati
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 11, No 2 (2020): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v11i2.3041

Abstract

Manusia mempunyai kemampuan bio-komputer yang bermanfaat dalam menyelesaiakan persoalan-persoalan yang dihadapi. Program berfikir yang dimiliki ini dapat dioptimalkan dengan menerapkan sebuah metode yang disebut dengan “Berpikir Komputatif” atau Computational Thinking (CT). CT adalah sebuah metode dalam menyelesaikan persoalan dengan menerapkan teknik ilmu komputer (informatika). Ketika pendekatan CT diterapkan dalam proses pembelajaran maka akan dapat membantu siswa untuk dapat melihat hubungan antara mata pelajaran, dan kehidupan di dalam dengan di luar kelas. Pengabdian ini berupaya untuk mensosialisasikan dan melakukan pelatihan dan pembinaan ke sekolah-sekolah mengenai metode CT. Tujuan yang diharapkan adalah metode CT ini dapat diimplementasi dalam proses belajar di sekolah yang nantinya akan membantu siswa untuk lebih berpikir secara komputatif. Selain itu juga diharapkan para guru dapat mempersiapkan para siswa untuk bersaing dalam Bebras Challenge Indonesia sebagai ajang kompetisi CT. Kegiatan ini meliputi pemaparan CT, pembahasan soal-soal dengan metode CT, dan pengenalan terhadap Bebras Challenge.
Co-Authors Adhiyasa, I Kadek Wisnu Aini, Siti Rahmatul Amanda, Raina Julia Arief Susanto Ayyiyah, Ni’mah Khoiriyah Choirozaq, Ahmad Desy Aryanti Pardilla Vitri Fachreza, Muhammad Rafli Farid, Muhammad Jailul Qurani Fitri, Baiq Anisa Halimatuzzakrah, Halimatuzzakrah Helmie Arif Wibawa Hidayanti, Silpiya Hijriadina, Zerati Julia Eka Putri Ananda Khadijah Khadijah Listyacahyani, Anggit Loga, Sakdiana Misbahuddin Misbahuddin Muhammad Malik Hakim, Muhammad Malik Muhammad Syach Nindia Oktaviani Adira Nisa, Iffa Zainan Priyo Sidik Sasongko Putranto, Diouf Maulana Dwi Rachmani, Dyah Fitri Rachmatullah, Reza Ragil Saputra Reni Astika, Reni Satriyo Adhy Setiawan, Wahyu Aldi Shiddiqi, Buchary Rahman Ash Siti Rahmatul Aini Situmeang, Axelliano Rafael Sukmawati Nur Endah Wandila, Welsi