Article Per Year (5 Year)
p-Index From 2020 - 2025
1.578
P-Index
This Author published in this journals
All Journal DEVICE STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Clean Energy and Smart Technology TECHNOMEDIA : Informatics and Computer Science Servis : Jurnal Pengabdian dan Layanan kepada Masyarakat
dian asmarajati
Unknown Affiliation
Religion Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Other

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

Found 9 Documents
Search

 1 
SISTEM REFERENSI BUKU MENGGUNAKAN ALGORITMA BASE 64 PADA GENERATE DAN SCAN QR CODE DI DINAS ARPUSDA WONOSOBO dian asmarajati
Device Vol 10 No 2 (2020): Bulan November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v10i2.1559

Abstract

Dalam QR Code terdapat generate yang artinya membuat QR Code dan memindai atau membaca isi QR Code tersebut. Fungsi QR Code dapat dimanfaatkan dalam pembuatan referensi buku di Kantor Arsip dan Perpustakaan Daerah Wonosobo yang fleksibel, dinamis, dan menarik. QR Code biasa tidak bisa langsung diaplikasikan di buku sehingga membutuhkan kode khusus yang bisa dibaca oleh aplikasi. Karena itu, menghasilkan dan memindai Kode QR harus menerapkan algoritma enkripsi. Algoritma enkripsi yang digunakan adalah Base64 yang memiliki hasil enkripsi minimum untuk pembuatan referensi berdasarkan QR Code. Hasil penelitian ini dapat membantu Seksi Kearsipan dan Perpustakaan Daerah dalam mengimplementasikan referensi berbasis QR Code pada banyak buku.
STUDI KOMPARASI ALGORITMA NAÏVE BAYES DAN K-NN UNTUK KLASIFIKASI PENERIMAAN BEASISWA DI MI AL – ISLAMIYAH KARANGSAWAH Muslim Hidayat; Afif Nazmi Fuadi; Dimas Prasetyo Utomo; Erna Dwi Astuti; Dian Asmarajati
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 4 (2023): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i4.2865

Abstract

Pemberian beasiswa dilakukan agar para siswa dapat tetap melanjutkan sekolah, dalam menyeleksi siswa parameter yang digunakan terdiri dari jarak, tanggungan, pekerjaan orag tua, pendapatan orang tua, kelengkapan keluarga dan kelayakan. Dikarenakan belum ada metode untuk menentukan penerima beasiswa maka sering salah sasaran dalam memberikan beasiswa. Oleh karena itu diperlukan klasifikasi penerima beasiswa yang tepat dan akurat. Salah satunya data mining dengan metode deskriptif analitis. Bisa dikatakan penelitian deskriptif analitis mengambil masalah atau memperhatikan masalah- masalah yang ada saat penelitian kemudian diolah untuk mendapatkan sebuah kesimpulan.Berdasarkan hasil analisis dan pembahasan studi komparasi algoritma naïve bayes dan K-NN untuk klasifikasi penerimaan beasiswa di MI AL-Islamiyah, dari 186 data siswa yang terdiri dari 150 data training dan 36 data testing diperoleh Hasil klasifikasi dengan Naïve Bayes dan K-Nearest Neighbor diperoleh masing-masing 91,67% dan 75,00%. Berdasarkan nilai akurasi yan diperoleh dari dua algoritma tersebut, maka akurasinya termasuk excellent classification., dan algoritma Naïve Bayes lebih baik dalam klasifikasi penerimaan beasiswa dibandingkan algoritma K-Nearest Neighbor.
PREDIKSI HARGA BAWANG MERAH KERING DI WONOSOBO MENGGUNAKAN METODE LONG SHORT TERM MEMORY Agus Triyadi; Adi Suwondo; Dian Asmarajati; Nur Hasanah; muhamad Fuat Asnawi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 3 No. 2 (2024): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v3i2.3601

Abstract

Penelitian ini bertujuan untuk memprediksi harga bawang merah kering di Wonosobo menggunakan metode Long Short Term Memory (LSTM). Bawang merah merupakan salah satu komoditas sayuran yang banyak dikonsumsi di Indonesia, dan fluktuasi harganya sering kali berdampak pada ekonomi petani dan pedagang. Data harga bawang merah yang digunakan dalam penelitian ini diambil dari Sistem Informasi Pasar (SIP) Dinas Pertanian dan Perkebunan Provinsi Jawa Tengah untuk periode 1 Januari 2021 hingga 31 Agustus 2023. Data ini kemudian diproses melalui beberapa tahap, termasuk pembentukan pola time series, normalisasi, dan pembagian data untuk training dan testing. Model LSTM yang dibangun diuji dengan menggunakan metrik evaluasi Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), yang menunjukkan nilai RMSE sebesar 862.76 untuk data latih dan 887.62 untuk data validasi, serta nilai MAPE sebesar 1.41% untuk data latih dan 1.80% untuk data validasi. Hasil prediksi menunjukkan bahwa harga bawang merah cenderung mengalami penurunan selama empat bulan ke depan. Meskipun model LSTM memberikan hasil yang cukup akurat, terdapat beberapa faktor eksternal yang mungkin tidak tertangkap oleh model.
PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI LINKEDIN Gishella Septania Al-Husna; Dian Asmarajati; Iman Ahmad Ihsannuddin; Rina Mahmudati
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 3 No. 2 (2024): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v3i2.3602

Abstract

Dengan semakin sedikitnya informasi lowongan pekerjaan dalam bentuk cetak, teknologi informasi yang berkembang pesat membuat lowongan pekerjaan lebih mudah ditemukan secara digital melalui aplikasi, media sosial, atau website. Namun, lowongan pekerjaan dari sumber yang tidak jelas dapat menimbulkan penipuan. LinkedIn adalah salah satu aplikasi terpercaya untuk mencari lowongan pekerjaan. Penelitian ini membandingkan dua metode dalam analisis sentimen ulasan pengguna LinkedIn dari Google Play Store, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data dikumpulkan melalui web scraping dan diproses dengan text pre-processing yang mencakup data cleaning, case folding, stopword removal, tokenizing, dan stemming. Hasil menunjukkan bahwa Naïve Bayes menghasilkan akurasi 88%, precision 88%, recall 85%, dan f1-score 86%, sementara SVM menghasilkan akurasi 90%, precision 89%, recall 88%, dan f1-score 88%. SVM terbukti lebih efektif dalam analisis sentimen dibandingkan Naïve Bayes.
Pelatihan Guru di Wonosobo Untuk Mempersiapkan Bebras Challenge 2024 Asnawi, Muhamad Fuat Asnawi; Dian Asmarajati; Muslim Hidayat; Hidayatus Sibyan; Nur Hasanah
Servis : Jurnal Pengabdian dan Layanan kepada Masyarakat Vol. 3 No. 1 (2024): Desember
Publisher : CV. Nature Creative Innovation

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

Abstract

Pelatihan guru dalam rangka persiapan Bebras Challenge 2024 bertujuan untuk meningkatkan kemampuan guru dalam memahami dan mengajarkan konsep Computational Thinking (CT) kepada siswa. Program ini dilaksanakan oleh Biro Bebras UNSIQ dan melibatkan 356 peserta dari berbagai jenjang pendidikan di Kabupaten Wonosobo, dengan proporsi terbesar berasal dari jenjang SMP/MTs. Kegiatan ini terdiri dari pelatihan guru, registrasi peserta, dan pelaksanaan kompetisi berbasis daring. Hasil pelatihan menunjukkan bahwa guru tidak hanya mampu bertindak sebagai fasilitator, tetapi juga motivator bagi siswa. Pelaksanaan kompetisi berjalan lancar meskipun terdapat kendala terkait fasilitas teknologi di beberapa sekolah. Secara keseluruhan, kegiatan ini berhasil meningkatkan minat siswa terhadap CT, sekaligus memberikan pengalaman belajar yang kolaboratif dan inovatif. Ke depan, promosi program di jenjang lain dan peningkatan infrastruktur teknologi menjadi prioritas utama untuk memperluas cakupan program.
SISTEM DETEKSI DAN KLASIFIKASI PENYAKIT TANAMAN PADI BERDASARKAN DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR ResNet-50 Zulian Firmansyah; Dian Asmarajati; Muslim Hidayat; Nur Hasanah; Muhammad Alif Muwafiq Baihaqy; Nulngafan; Saifu Rohman
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.150

Abstract

Diagnosa penyakit padi secara konvensional dinilai bergantung pada pengamatan manual yang lambat dan kurang akurat maka diperlukan solusi yang lebih efisien dan objektif dengan pemanfaatan kecerdasan buatan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman padi menggunakan bagian dari kecerdasan buatan yaitu metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Sistem dirancang untuk mendeteksi enam penyakit padi berdasarkan citra daun yaitu Blast, Bacterial Blight, Brown Spot, Tungro, False Smut dan Cercospora. Dataset berasal dari kombinasi data publik (kaggle.com) dan citra lapangan yang diambil langsung di daerah Kabupaten Wonosobo. Model dikembangkan dan di modifikasi dengan penambahan GlobalAveragePooling, Dense layer dengan aktivasi ReLU dan regularisasi L2, serta Dropout untuk mengurangi overfitting. Lapisan output menggunakan softmax untuk klasifikasi multi kelas. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Model dapat menunjukkan akurasi pengujian yang tinggi sebesar 79.52% dan performa efektif dengan akurasi 92% pada Classification Report. Hasil deteksi langsung ditampilkan pada sistem berbasis web berupa skala probabilitas penyakit yang terdeteksi.
CHALLENGES IN DATA SECURITY: TECHNOLOGICAL AND REGULATORY CHALLENGES IN THE PROTECTION OF PERSONAL DATA IN THE DIGITAL ERA Asnawi, Muhamad Fuat; Muhammad Alif Muwafiq Baihaqy; Saifu Rohman; Nur Hasanah; Dian Asmarajati
Clean Energy and Smart Technology Vol. 4 No. 1 (2025): October
Publisher : Nacreva Publisher

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

Abstract

This study examines the challenges of personal data security in the digital era, focusing on encryption technology and the role of artificial intelligence (AI) in protecting personal data in an increasingly complex digital environment. Adopting a Systematic Literature Review (SLR) method, this study examines 91 articles obtained from IEEE Xplore and ScienceDirect to identify trends and challenges in personal data security, particularly in the context of cloud computing and the Internet of Things (IoT). The results show that although encryption technology and AI offer advanced solutions, major challenges remain in the implementation of global regulations such as GDPR and differences in policies and infrastructure across countries. This study also discusses potential solutions such as blockchain and the implementation of adaptive encryption to address weaknesses in personal data security.
ANALISA KEPASTIAN PERHITUNGAN TIAP AHLI WARIS DENGAN MENGGUNAKAN METODE CERTAINTY FACTOR Muhammad Manarul Hidayat; Dian Asmarajati; Muslim Hidayat
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 1 No 1 (2024): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v1i1.75

Abstract

In general, Muslims do not understand the procedures for dividing and calculating inheritance, and the difficulty of finding experts in the field of inheritance according to Islamic law (Faraidh). This is a problem for Muslim communities, especially for heirs who wish to divide the inheritance according to Islamic law. The author uses the certainty factor method in designing expert systems. As a result of this research, an expert system for inheritance distribution was developed which can be used by the general public to solve problems of calculating and dividing inheritance.
SISTEM PENJADWALAN MATA PELAJARAN DI MA NURUL ISLAM SAMPANG KABUPATEN CILACAP MENGGUNAKAN ALGORITMA GENETIKA Muhammad Abror; Dian Asmarajati; Nulngafan; Nur Hasanah; Sukowiyono
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.126

Abstract

Penjadwalan merupakan aspek penting dalam berbagai instansi dan organisasi baik milik pemerintah maupun milik swasta. Dalam instansi pendidikan, seperti sekolah penjadwalan biasanya diterapkan pada mata pelajaran. Penjadwalan mata pelajaran seringkali kompleks karena harus memperhatikan berbagai batasan seperti preferensi waktu guru, kombinasi mata pelajaran terutama pada mata pelajaran dengan tingkat kesulitan tinggi supaya tidak dijadwalkan dalam satu hari, dan batasan lainnya. Metode algoritma genetika dapat diterapkan untuk membuat jadwal mata pelajaran yang efektif dengan batasan yang ada. Pembuatan tugas akhir ini bertujuan untuk membuat suatu jadwal mata pelajaran yang efektif dan efisien dengan menggunakan algoritma genetika. Berdasarkan hasil uji coba sistem, diketahui bahwa dengan menggunakan metode algoritma genetika diperolah hasil berupa jadwal mata pelajaran yang optimal atau sesuai dengan batasan yang ada.
Co-Authors Afif Nazmi Fuadi Agus Triyadi Asnawi, Muhamad Fuat Asnawi, Muhamad Fuat Asnawi Dimas Prasetyo Utomo Erna Dwi Astuti Gishella Septania Al-Husna Hidayatus Sibyan Iman Ahmad Ihsannuddin muhamad Fuat Asnawi Muhammad Abror Muhammad Alif Muwafiq Baihaqy Muhammad Manarul Hidayat Muslim Hidayat Nulngafan NUR HASANAH Rina Mahmudati Saifu Rohman Sukowiyono Suwondo, Adi Zulian Firmansyah