Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal Indonesian Journal of Data and Science Buletin Sistem Informasi dan Teknologi Islam JBIMA: Jurnal Pengabdian kepada Masyarakat Linier: Literatur Informatika dan Komputer
Wistiani Astuti
Universitas Muslim Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Mathematics Public Health Other

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

Found 9 Documents
Search

 1 
Sistem Pendukung Keputusan Diagnosa Penyakit Tanaman Jeruk Bali menggunakan Metode Topsis di Desa Padang Lampe Kabupaten Pangkep Siti Najwa Yuliani; Harlinda Harlinda; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 4 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i4.1467

Abstract

Dalam mendiagnosa penyakit tanaman jeruk para petani hanya mengecek gejala di beberapa bagian tanaman jeruk bali dan langsung mendiagnosanya sehingga dianggap kurang efektif dan menghasilkan diagnosa yang kurang tepat, seharusnya petani melakukan diagnosa berdasarkan pertimbangan gejala-gejala dibeberapa bagian. Penelitian ini bertujuan untuk mendiagnosa penyakit tanaman jeruk berdasarkan kriteria daun, kulit batang, buah dan kulit akar. Metode yang digunakan adalah Metode TOPSIS yang melakukan perangkingan terhadap alternatif terpilih. Dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Hasil penelitian menunjukkan bahwa penyakit Buah Busuk yang memiliki nilai tertinggi yaitu 0.625 terpilih dalam mendiagnosa penyakit tanaman jeruk.
Penerapan Metode RAD dan Algoritma Fifo Pada Aplikasi Antrian Pasien Puskesmas Siti Gayatri Hehanussa; Erick Irawadi; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 2 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i2.1189

Abstract

Pendaftaran antrian yang masih di lakukan secara manual oleh Puskesmas Tomalehu menjadi kendala bagi pasien dan dokter karena proses pecatatan masih dilakukan secara manual sehingga terjadinya penumpukan antrian dan tidak tertib dalam proses antrian. Penelitian ini bertujuan untuk membuat sebuah aplikasi berbasis web secara offline dan online, yang terdiri dari pasien baru dan pasien lama yaitu pasien baru adalah pasien yang melakukan pendaftaran secara offline karena pasien harus melakukan registrasi secara offline menggunakan LAN di puskesmas tomalehu, Ketika selesai melakukan registrasi maka pasien baru akan di anjurkan ke online dan status nya menjadi pasien lama. Metode yang dilakukan dalam penelitian ini adalah Rapid Application Development dan algoritma FIFO, cara pengumpulan data pada penelitian ini dengan wawancara observasi dan dokumentasi. Pada penelitian ini menghasilkan aplikasi web yang berbasis offline dan online yang terdiri dari pasien lama dan pasien baru. Kesimpulan yang dapat diambil dari penelitian ini berupa sebuah Sistem pendaftaran antrian secara Online dan offline yang dapat mengatasi masalah seperti pengambilan nomor antrian, dan laporan harian kunjungan pasien. Aplikasi web memberikan kemudahan bagi petugas dan pasien untuk mendaftar dan mengatur antrian.
Pelatihan Computational Thinking dan Problem Solving untuk Meningkatkan Literasi Digital Generasi Muda Kedah Harlinda Lahuddin; Wistiani Astuti
Jurnal Pengabdian kepada Masyarakat Vol 3 No 1 (2026)
Publisher : PT. Edutech Inovatif Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64109/jy0v1b13

Abstract

Program Pelatihan Computational Thinking dan Problem Solving untuk Generasi Muda Kedah dilaksanakan sebagai respons terhadap rendahnya literasi digital di daerah rural Malaysia, khususnya di Sekolah Kebangsaan Ulu Sedaka, Yan, Kedah. Tujuan program adalah membekali siswa dengan keterampilan berpikir komputasi yang mencakup decomposition, pattern recognition, abstraction, dan algorithmic thinking sebagai fondasi menghadapi era digital. Metode pelaksanaan meliputi baseline assessment, workshop interaktif, hands-on activities, serta evaluasi melalui pre-test dan post-test. Sebanyak 30 siswa dan 5 guru terlibat aktif dalam program selama 12 minggu. Hasil evaluasi menunjukkan peningkatan signifikan pemahaman computational thinking dari skor rata-rata 45,2 menjadi 78,6 dengan peningkatan 73,9 persen. Tingkat partisipasi mencapai 93,3 persen dengan kepuasan peserta 4,5 dari skala 5. Program berhasil mengembangkan modul pembelajaran digital dan panduan aplikasi yang dapat digunakan berkelanjutan. Kesimpulan menunjukkan bahwa pendekatan pembelajaran interaktif berbasis unplugged activities efektif meningkatkan kemampuan berpikir logis siswa di daerah dengan keterbatasan infrastruktur teknologi, serta memberikan dampak positif terhadap minat siswa pada bidang STEM dan kesiapan menghadapi transformasi digital.
Sistem Pendukung Keputusan Penentuan Calon Karyawan Pada Café Dapur Makassar Menggunakan Metode Simple Additive Weighting Chindy Ariani; Poetri Lestari Lokapitasari Belluano; Wistiani Astuti
LINIER: Literatur Informatika dan Komputer Vol 3, No 2 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i2.3644

Abstract

Setiap cafe ingin memiliki karyawan yang memenuhi kriteria dalam jumlah tertentu melalui decision maker atau pihak cafe. Hal tersebut juga dapat mempengaruhi kepuasan pelanggan cafe yang mendapatkan pelayanan terbaik dari karyawan cafe. Penelitian ini dibuat untuk membangun sebuah sistem pendukung keputusan calon karyawan di Cafe Dapur Ide Makassar secara objektif menggunakan metode Simple Additive Weighting (SAW). Dalam hal ini diharapkan penentuan calon karyawan menggunakan metode SAW dapat membantu dalam menentukan calon karyawan tepat sesuai dengan kriteria yang telah ditentukan oleh pihak cafe dengan melihat ranking atau total skor tertinggi agar karyawan yang akan diterima dapat memberikan pelayanan yang terbaik dan layak diterima
Comparison of ResNet50 and ResNet101 Feature Extraction for Tea Leaf Disease Classification Using Support Vector Machine Wistiani Astuti; Erick Irawadi Alwi; Farniwati Fattah; Tasrif Hasanuddin; Julisa; Ulfa Sari; Ainur Rahma Almagfirah
Indonesian Journal of Data and Science Vol. 7 No. 2 (2026): Indonesian Journal of Data and Science
Publisher : Yocto Brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i2.338

Abstract

Introduction: Tea leaf diseases can substantially reduce crop quality and productivity, making early and accurate diagnosis important for effective disease management. This study compares ResNet50 and ResNet101 as pretrained deep feature extractors combined with Support Vector Machine (SVM) to determine whether a deeper residual architecture can improve discrimination among visually similar tea leaf disease classes. Method: Images were obtained from the Kaggle “Identifying Disease in Tea Leaves” dataset comprising eight classes. Data augmentation increased each class to 800 images, yielding 6,400 images that were divided into training and testing sets using an 80:20 ratio. ResNet50 and ResNet101 pretrained on ImageNet were used as fixed feature extractors, and the resulting feature vectors were standardized and classified using an RBF-kernel SVM. Results and Discussion: ResNet101–SVM achieved the best performance with 97.97% accuracy and precision, recall, and F1-score of 98%, substantially outperforming ResNet50–SVM, which achieved 89.15% accuracy, 90% precision, 89% recall, and 89% F1-score. The deeper ResNet101 architecture provided more discriminative representations for visually similar disease patterns, although a small number of misclassifications remained. Conclusion: ResNet101 combined with SVM provides a more accurate and reliable framework than ResNet50–SVM for multi-class tea leaf disease classification and offers a promising foundation for automated disease diagnosis systems.
Analisis Pre-processing Sentimen Terhadap Komentar Layanan Indihome Pada Twitter Achmad Novanto; Dolly Indra; Wistiani Astuti
LINIER: Literatur Informatika dan Komputer Vol 1, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i2.2491

Abstract

Dalam era globalisasi yang terus berkembang, peran teknologi informasi menjadi krusial dalam mengubah cara manusiaberinteraksi dan mengakses informasi. Perusahaan telekomunikasi, seperti PT Telkom Indonesia dengan layanannya,IndiHome, memanfaatkan kemajuan teknologi untuk menyediakan layanan digital berbasis Internet, Telepon Rumah, danTV Interaktif/IPTV. Meskipun sudah menjangkau seluruh Indonesia, pemahaman mengenai kepuasan pengguna terhadaplayanan IndiHome masih perlu diperdalam. Penelitian ini difokuskan pada analisis sentimen pengguna terhadap layananIndiHome melalui media sosial twitter. twitter menjadi platform yang signifikan dalam mengekspresikan pandangan, kritik,dan kepuasan pengguna. Pembatasan karakter dalam setiap cuitan memunculkan gaya bahasa baru, yang memicu kreativitaspengguna. Meski demikian, menganalisis sentimen dari tweet memiliki tantangan tersendiri, terutama karena penggunaankata-kata non-baku dan bahasa informal. Oleh karena itu, pentingnya preprocessing data dalam analisis sentimen menjadifokus utama penelitian ini. Langkah awal dalam penelitian ini bertujuan untuk meningkatkan keberhasilan klasifikasisentimen dengan membersihkan dan normalisasi data tweet. Hasil penelitian diharapkan dapat memberikan wawasan yanglebih akurat mengenai respons pengguna terhadap layanan IndiHome. Melalui langkah-langkah preprocessing yangdilibatkan, penelitian ini menyimpulkan bahwa data yang telah dipersiapkan menjadi lebih siap untuk tahap analisissentimen. Dengan demikian, analisis sentimen dapat memberikan hasil yang lebih relevan dan akurat, membuka peluanguntuk mengambil langkah-langkah strategis terkait dengan polarisasi sentimen yang teridentifikasi.
Analisis Pre-processing Sentimen Terhadap Komentar Layanan Indihome Pada Twitter Achmad Novanto; Dolly Indra; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 5, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i1.2066

Abstract

Dalam era globalisasi yang terus berkembang, peran teknologi informasi menjadi krusial dalam mengubah cara manusia berinteraksi dan mengakses informasi. Perusahaan telekomunikasi, seperti PT Telkom Indonesia dengan layanannya, IndiHome, memanfaatkan kemajuan teknologi untuk menyediakan layanan digital berbasis Internet, Telepon Rumah, dan TV Interaktif/IPTV. Meskipun sudah menjangkau seluruh Indonesia, pemahaman mengenai kepuasan pengguna terhadap layanan IndiHome masih perlu diperdalam. Penelitian ini difokuskan pada analisis sentimen pengguna terhadap layanan IndiHome melalui media sosial twitter. twitter menjadi platform yang signifikan dalam mengekspresikan pandangan, kritik, dan kepuasan pengguna. Pembatasan karakter dalam setiap cuitan memunculkan gaya bahasa baru, yang memicu kreativitas pengguna. Meski demikian, menganalisis sentimen dari tweet memiliki tantangan tersendiri, terutama karena penggunaan kata-kata non-baku dan bahasa informal. Oleh karena itu, pentingnya preprocessing data dalam analisis sentimen menjadi fokus utama penelitian ini. Langkah awal dalam penelitian ini bertujuan untuk meningkatkan keberhasilan klasifikasi sentimen dengan membersihkan dan normalisasi data tweet. Hasil penelitian diharapkan dapat memberikan wawasan yang lebih akurat mengenai respons pengguna terhadap layanan IndiHome. Melalui langkah-langkah preprocessing yang dilibatkan, penelitian ini menyimpulkan bahwa data yang telah dipersiapkan menjadi lebih siap untuk tahap analisis sentimen. Dengan demikian, analisis sentimen dapat memberikan hasil yang lebih relevan dan akurat, membuka peluang untuk mengambil langkah-langkah strategis terkait dengan polarisasi sentimen yang teridentifikasi.
Analisis Tata Letak Koleksi Buku Di Perpustakaan Utsman Bin Affan Menggunakan Metode Association Rule Rezky Anugrah; Purnawansyah Purnawansyah; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 5, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i4.2166

Abstract

Universitas Muslim Indonesia telah berhasil menempati posisi ke-92 pemeringkatan WRWU. Keberhasilan atas pencapaian UMI didukung dengan adanya berbagai sarana dan prasarana salah satunya fasilitas perpustakaan. Pada perpustakaan Utsman Bin Affan buku diletakkan berdasarkan kategori buku yang telah diberikan penomoran yang disebut Dewey Decimal Classification (DDC). Namun, dalam penempatan buku belum diatur dengan melihat tingkat keseringan pengunjung dalam meminjam buku tersebut. Selain itu, pengunjung kesulitan dalam mencari kembali keberadaan buku yang sering dipinjam. Metode association rule khususnya algoritma apriori dapat digunakan dalam penataan koleksi buku di perpustakaan Utsman Bin Affan untuk mengidentifikasi asosiasi antara berbagai judul buku dengan menemukan support dan confidence yang menghasilkan pola asosiasi. Dari data transaksi peminjaman buku sejak 21 Januari 2022 sampai 19 januari 2024 adalah sebanyak 50 ID Mahasiswa perpustakaan dengan total 128 transaksi menghasilkan pola transaksi peminjaman mahasiswa UMI yakni Karya Umum, Ilmu-Ilmu Sosial dengan nilai support 14% dengan confidence 43%. Buku Filsafat dan Psikologi, Agama dengan nilai support 22% dengan confidence 36%. Selanjutnya buku Filsafat dan Psikologi maka mahasiswa juga akan meminjam ilmu-Ilmu Sosial dengan nilai support 22% dengan confidence 45%. Berdasarkan hasil tersebut disarankan untuk melakukan evaluasi reguler terhadap tata letak perpustakaan berdasarkan data penyimpanan dan umpan balik pengguna, dan melakukan penyesuaian yang diperlukan untuk meningkatkan efektifitasnya.
Penerapan Metode KNN dalam Memprediksi Hasil Panen Kebun Tebu di Kab Takalar Nurwaini Situju; Lilis Nur Hayati; Wistiani Astuti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 4, No 1 (2023)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v4i1.1474

Abstract

pertahun yang berasal dari perkebunan tebu yang menjadi komoditas unggulan produksi tanaman perkebunan, namun berdasarkan data BPS terjadi penurunan produktifitas tanaman tebu tahun 2015–2020. Hal ini dikarenakan infrastruktur yang masih terbatas, kesulitan dalam permodalan, terbatasnya penguasaan teknologi baik dalam usaha tani sehingga pengelolaan tanaman tebu menjadi terhambat. Penelitian ini bertujuan untuk mengetahui hasil prediksi kebu tebu pertahunnya dengan memanfaatkan data mining. Data mining yang digunakan dalam penelitian ini adalah metode K-Nearest Neighbour (KNN) yang merupakan metode klasifikasi terhadap obyek baru berdasarkan (K) tetangga terdekatnya. KNN termasuk algoritma supervised learning, dimana hasil dari query instance yang baru, diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Hasil penelitian menunjukkan dari tahap pengujian dengan jumlah data training sebanyak 13 data didapatkan nilai persentase tertinggi pada nilai K=7 dengan persentase akurasi sebesar 76.92%.
Co-Authors Achmad Novanto Ainur Rahma Almagfirah Alfitriana Riska Chindy Ariani Dolly Indra Erick Irawadi Erick Irawadi Alwi, Erick Irawadi Farniwati Fattah Harlinda Lahuddin Herman Julisa lilis nurhayati Lokapitasari Belluano, Poetri Lestari Muhammad Dzul Asmi Alhamdi Nurwaini Situju Purnawansyah Purnawansyah Rezky Anugrah Siti Gayatri Hehanussa Siti Najwa Yuliani Tasrif Hasanuddin Ulfa Sari