Article Per Year (5 Year)
p-Index From 2021 - 2026
1.937
P-Index
This Author published in this journals
All Journal Abdi Kami : Jurnal Pengabdian Kepada Masyarakat Jurnal Media Informatika Scientific Student Journal for Information, Technology and Science Jurnal Mahasiswa Ilmu Komputer Jurnal Pengabdian Masyarakat Nasional ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat
Elsa Elvira Awal
Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PROGRAM PENGENALAN ALAT KUMBUNG JAMUR CERDAS BERBASIS INTERNET OF THINGS Elsa Elvira Awal; Anis Fitri Nur Masruriyah
ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat Vol 5 No 1 (2022): (Februari 2022)
Publisher : LPPM Institut Agama Islam (IAI) Ibrahimy Genteng Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29062/abdi_kami.v5i1.1294

Abstract

The environment that affects the growth and yield of mushrooms is one of them is the thickness of planting media. Different thicknesses of planting media will produce different temperature conditions. Mushrooms grow in locations that have enough oxygen and grow optimally at 32°-35°C and 80-90% humidity for the vegetative/mycelium phase, while in the generative/body formation phase the fruit is optimal at 30°-32°C and humidity is 85-95%. Based on this explanation, it is necessary to introduce intelligent mushroom kumbuh tool with internet of things to help the cultivation of mushrooms using fuzzy logic methods. The tool can control ioT-based temperature and humidity so that mushroom farmers can monitor mushrooms through the web, so that mushroom farmers can understand that smart mushrooms are able to provide information about temperature and humidity conditions in real time.
ANALISIS PERBANDINGAN HASIL ENKRIPSI DAN DESKRIPSI ALGORITMA KRIPTOGRAFI RIJNDAEL DAN TWOFISH UNTUK PENYANDIAN DATA Elsa Elvira Awal; E. Haodudin E. Haodudin Nurkifli; Tesa Nur Tesa Nur Padilah
Jurnal Mahasiswa Ilmu Komputer Vol 3 No 1 (2022): JMIK Maret 2022
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (550.968 KB)

Abstract

Pada zaman modern ini, kemajuan teknologi sudah sangat pesat sehingga dataatau informasi perlu diamankan secara ketat untuk menjaga kerahasiaannya. Kriptografisendiri merupakan salah satu ilmu untuk mengamankan data atau informasi dari pihak lainyang mencoba meretas informasi tersebut. Dengan kriptografi data atau informasi bisasampai kepada pihak yang dituju tanpa diretas oleh pihak lain yang tidak mengetahuikuncinya. Maka di penelitian ini akan dilakukan perbandingan algoritma kriptografi Rijndaeldan algoritma Twofish, untuk mengetahui kecepatan waktu proses enkripsi dan dekripsimenggunakan panjang kunci yang berbeda, 128 bit dan 256 bit juga untuk mengetahuiapakah ada perubahan ukuran file sebelum dan sesudah di enkripsi menggunakan algoritmakriptografi Rijndael dan algoritma Twofish. Dipilihnya algoritma kriptografi Rijndael danalgoritma Twofish karena ingin membandingkan kecepatan waktu enkripsi dan dekripsi jugaukuran file setelah di enkripsi menggunakan dua algoritma yang dinyatakan lemah padapenelitian sebelumnya. Penelitian ini menggunakan metodologi kuantitatif dikarenakan hasilyang didapat merupakan angka atau numerik. Penelitian ini pun menggunakan metodependekatan kausal komparatif karena membandingkan dua objek untuk mengetahui manayang lebih baik. Diuji menggunakan uji t 2 populasi. Hasil yang didapat pada penelitian iniyaitu untuk kecepatan waktu enkripsi menggunakan kunci 128 bit dan 256 bit, algoritmaRijndael lebih cepat dari algoritma Twofish. Untuk kecepatan waktu dekripsi menggunakankunci 128 bit dan 256 bit, algoritma Rijndael lebih cepat dari algoritma Twofish. Dan terakhiruntuk ukuran file setelah di enkripsi menggunakan kunci 128 bit dan 256 bit, tidak adaperubahan yang signifikan antara algoritma Rijndael dan algoritma Twofish.
SOSIALISASI HASIL PENELITIAN APLIKASI SISTEM PAKAR DIAGNOSA KECANDUAN GAME ONLINE MENGGUNAKAN METODE CERTAINTY FACTOR Elsa Elvira Awal; Deden Wahiddin; Anis Fitri Nur Masruriyah; Hilda Yulia Novita
Jurnal Pengabdian Masyarakat Nasional Vol 3, No 1 (2023)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pemanas.v3i1.19974

Abstract

Semenjak pandemi Covid-19 masuk di Indonesia, hampir semua kegiatan dilakukan secara daring, termasuk pembelajaran dari tingkat sekolah dasar sampai universitas. Dampak dari pembelajaran daring adalah kebosanan pada peserta didik, oleh sebab itu peserta didik banyak yang melakukan kegiatan lain untuk menghilangkan kebosanan dengan bermain game online. Kondisi mental pada peserta didik rata-rata masih labil sehingga mudah lepas kontrol ketika sedang bermain game online, sehingga banyak peserta didik yang kecanduan game online. Adapun bentuk kegiatan sosialisasi ini dilakukan melalui pengarahan tentang pengetahuan dasar mengenai game, di antaranya dampak positif dan negatif game online. Maka pada kegiatan pengabdian kepada masyarajat ini akan dilakukan sosialisasi aplikasi deteksi kecanduan game online dengan menggunakan metode certainty factor. Hasil dari sosialisasi yang dilakukan pada SMK N 1 Klari adalah memberikan pemahaman terhadap siswa/siswi tentang game online serta memahami dampak berbahaya jika tidak disikapi dengan bijak. Dengan aplikasi yang kamu berikan diharapkan para siswa/siswi mampu menggunakan game dengan sewajarnya.
PROGRAM PENGENALAN ALAT KUMBUNG JAMUR CERDAS BERBASIS INTERNET OF THINGS Elsa Elvira Awal; Anis Fitri Nur Masruriyah
ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2022): (Februari 2022)
Publisher : LPPM Institut Agama Islam (IAI) Ibrahimy Genteng Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29062/abdi_kami.v5i1.1294

Abstract

The environment that affects the growth and yield of mushrooms is one of them is the thickness of planting media. Different thicknesses of planting media will produce different temperature conditions. Mushrooms grow in locations that have enough oxygen and grow optimally at 32°-35°C and 80-90% humidity for the vegetative/mycelium phase, while in the generative/body formation phase the fruit is optimal at 30°-32°C and humidity is 85-95%. Based on this explanation, it is necessary to introduce intelligent mushroom kumbuh tool with internet of things to help the cultivation of mushrooms using fuzzy logic methods. The tool can control ioT-based temperature and humidity so that mushroom farmers can monitor mushrooms through the web, so that mushroom farmers can understand that smart mushrooms are able to provide information about temperature and humidity conditions in real time.
SOSIALISASI APLIKASI UNTUK MELAKUKAN DETEKSI DINI KECANDUAN PERMAINAN ONLINE PADA SISWA SMK N 1 KLARI KARAWANG Anis Fitri Nur Masruriyah; Deden Wahiddin; Hilda Yulia Novita; Elsa Elvira Awal
ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 2 (2022): (Oktober 2022)
Publisher : LPPM Institut Agama Islam (IAI) Ibrahimy Genteng Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69552/abdi_kami.v5i2.1470

Abstract

The global COVID-19 pandemic has an impact on people's activities in the world, including in Indonesia. The policies of each country to overcome this condition also vary, one of which is the Indonesian government which imposes limited face-to-face activities offline. Many activities must be carried out online to minimize the transmission of COVID-19. Finally, this has an impact on many people who spend time with their gadgets to play permainans with cellphones, laptops or other electronic media. Playing permainans has benefits for relaxation from the fatigue of online activities, but if this continues it will result in permainan addiction. So that community service activities for the socialization of permainan addiction detection applications are carried out, so that users are able to control the use of devices when playing permainans. So, if an addiction is detected, you can ask experts for help, for school children you can have an initial consultation with a Counseling Guidance teacher.
Perbandingan Algoritma Support Vector Regression (SVR) dan Linear Regression untuk Memprediksi Harga Saham Studi Kasus PT Bukit Asam Tbk Ahmad Takdir; Deden Wahiddin; Elsa Elvira Awal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada era digital saat ini, peningkatan ekonomi di dalam dunia investasi dapat dengan mudah diakses karena banyaknya platform penyedia layanan investasi. Saham merupakan salah satu alat investasi yang laju perubahan harga dari suatu perusahaan terbilang cukup cepat. Oleh karena itu, dibutuhkan suatu model data yang dapat mengelola data dalam jangka waktu yang lama untuk memprediksi harga saham. Pada penelitian ini, algoritma Support Vector Regression (SVR) dan Linear Regression digunakan sebagai metode untuk memprediksi harga saham dengan menggunakan bahasa pemrograman Python dan perangkat lunak pengolahan data, yaitu tools WEKA GUI. Proses penelitian ini berfokus pada penerapan dan perbandingan algoritma, serta untuk mengetahui tingkat akurasi algoritma yang paling baik. Data yang digunakan adalah data transaksi saham selama lima tahun dengan jumlah sebanyak 1.010 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Regression (SVR) dan Linear Regression mampu memprediksi harga saham. Nilai error RMSE (Root Mean Squared Error) terkecil diperoleh oleh algoritma Linear Regression sebesar 62,9307 dengan pemrograman Python, sedangkan algoritma Support Vector Regression (SVR) menghasilkan nilai error terkecil sebesar 64,1746 dengan pemrograman Python.
Implementasi Metode Support Vector Machine untuk Mendeteksi Penggunaan Pemutih pada Berasvb Diah Nurlaila; Adi Rizky Pratama; Elsa Elvira Awal; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan bahan pemutih pada beras merupakan praktik berbahaya yang masih sering dilakukan untuk meningkatkan daya tarik visual produk. Deteksi dini sangat penting untuk melindungi konsumen dari bahaya kesehatan yang ditimbulkan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi menggunakan Support Vector Machine (SVM) guna mendeteksi penggunaan pemutih pada beras secara otomatis melalui analisis citra. Dataset yang digunakan terdiri atas 400 citra beras dengan dua kelas, yaitu beras normal dan beras pemutih. Tahapan penelitian meliputi praproses citra, ekstraksi fitur menggunakan Histogram of Oriented Gradients (HOG), histogram warna, dan Gray Level Co-occurrence Matrix (GLCM). Model SVM dengan berbagai pilihan kernel dilatih dan dievaluasi menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa performa terbaik dicapai oleh kernel RBF dengan akurasi sebesar 93,75%, precision 93,33%, recall 91,66%, dan F1-score 92,95%. Penelitian ini membuktikan bahwa kombinasi ekstraksi fitur HOG, histogram warna, dan GLCM dengan klasifikasi SVM efektif dalam mendeteksi penggunaan pemutih pada beras, sehingga dapat menjadi alat yang berguna untuk pengendalian kualitas pangan.
Klasterisasi Penggunaan Obat di Puskesmas Karawang Kulon Menggunakan Algoritma K-Means Hilman Abdurrohim Azis; Adi Rizky Pratama; Elsa Elvira Awal; Hanny Hikmayanti Handayani
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan stok obat di Puskesmas Karawang Kulon merupakan hal yang memegang peranan penting dalam mendukung kelancaran pemberian layanan kesehatan kepada masyarakat. Permasalahan yang sering muncul adalah ketidaksesuaian antara ketersediaan obat dan tingkat penggunaannya, yang berpotensi menimbulkan kekurangan atau penumpukan stok. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering guna mengkategorikan data pemakaian obat berdasarkan tingkat pemakaian tahunan, sehingga dapat digunakan sebagai dasar dalam perencanaan kebutuhan obat. Data yang digunakan bersumber dari laporan LPLPO tahun 2024 dan melalui tahapan integrasi, pembersihan, serta pengelompokan menggunakan algoritma K-Means. Hasil analisis menunjukkan bahwa data dapat dikategorikan ke dalam tiga kelompok, yaitu pemakaian tinggi, sedang, dan rendah. Pengelompokan ini memberikan gambaran yang lebih terstruktur terhadap pola pemakaian obat dan dapat dimanfaatkan untuk mendukung pengambilan keputusan dalam proses perencanaan pengadaan obat di masa mendatang.
Prediksi Ketersediaan Buah Menggunakan Algoritma Decision Tree Maulana Arif Hidayat; Adi Rizky Pratama; Elsa Elvira Awal; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan menerapkan algoritma Decision Tree untuk memprediksi ketersediaan stok buah guna mendukung pengelolaan persediaan yang lebih efisien. Permasalahan dalam pengelolaan stok bukan terletak pada tidak tersedianya data penjualan, melainkan pada belum optimalnya pemanfaatan data yang telah dicatat. Data penjualan harian telah tersedia, tetapi belum dianalisis lebih lanjut untuk mengidentifikasi jenis buah yang paling banyak terjual. Kondisi tersebut menyulitkan penentuan prioritas stok secara akurat sehingga keputusan pengadaan masih cenderung bersifat subjektif dan berisiko menimbulkan penumpukan barang yang tidak terjual. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan data transaksi penjualan harian buah dari sebuah pasar di Kabupaten Karawang yang terdiri atas 1.207 entri selama periode Juni hingga Oktober 2024. Tahapan penelitian meliputi pengumpulan data, data preprocessing, pembangunan model Decision Tree, dan evaluasi kinerja model menggunakan Confusion Matrix. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan status stok buah (laku atau tidak laku) dengan akurasi sebesar 96%, precision sebesar 93%, recall sebesar 96%, dan F1-score sebesar 94%. Hasil tersebut menunjukkan bahwa algoritma Decision Tree efektif digunakan untuk mendukung pengambilan keputusan dalam memprediksi kebutuhan stok buah serta meminimalkan potensi kerugian akibat pengelolaan stok yang kurang tepat.
Implementasi Model Convolutional Neural Network pada Voice Emotion Recognition untuk Evaluasi Respons Pelanggan Rai Tilosava De Araujo; Adi Rizky Pratama; Elsa Elvira Awal; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model Voice Emotion Recognition berbasis Convolutional Neural Network (CNN) guna mengevaluasi respons pelanggan melalui analisis emosi suara berbahasa Indonesia. Dataset yang digunakan adalah IndoWaveSentiment, yang terdiri atas 300 rekaman audio dengan lima kategori emosi, yaitu angry, happy, sad, surprised, dan neutral. Tahapan penelitian meliputi data preprocessing yang mencakup konversi menjadi audio mono, normalisasi, trimming, dan padding, dilanjutkan dengan augmentasi data serta ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC). Model Convolutional Neural Network kemudian dilatih menggunakan optimizer Adam dengan learning rate sebesar 0,001 selama 100 epoch. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 84%, dengan nilai rata-rata precision, recall, dan F1-score sebesar 0,84. Kinerja terbaik ditunjukkan pada kelas neutral dan sad, sedangkan beberapa kesalahan klasifikasi masih terjadi pada kelas angry dan happy. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan Convolutional Neural Network efektif dalam mengenali emosi pelanggan melalui sinyal suara serta berpotensi mendukung pengembangan sistem layanan pelanggan yang lebih adaptif dan responsif terhadap kondisi emosional pengguna.
Co-Authors Adi Rizky Pratama Ahmad Takdir Anis Fitri Nur Masruriyah Ayu Ratna Juwita Deden Wahiddin Diah Nurlaila E Haodudin Nurkifli Euis Nurlaelasari Fitri Nur Masruriyah, Anis Hanny Hikmayanti Handayani Hilda Yulia Novita Hilman Abdurrohim Azis Maulana Arif Hidayat Rai Tilosava De Araujo Tatang Rohana Tesa Nur Padilah