Article Per Year (5 Year)
p-Index From 2021 - 2026
3.461
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Keteknikan Pertanian Tropis dan Biosistem Register: Jurnal Ilmiah Teknologi Sistem Informasi JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Multimedia Dinamisia: Jurnal Pengabdian Kepada Masyarakat Jiko (Jurnal Informatika dan komputer) Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Teknik Informatika (JUTIF) Jurnal Informatika dan Multimedia Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Yuita Arum Sari
Brawijaya University, Indonesia
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Energy Engineering Environmental Science Library & Information Science Mechanical Engineering Social Sciences Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Implementasi Metode Longest Common Subsequences untuk Perbaikan Kata pada Kasus Analisis Sentimen Opini Pembelajaran Daring di Media Sosial Twitter Pranata, Alfisyar Jefry; Sari, Yuita Arum; Santoso, Edy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022915611

Abstract

Coronavirus merupakan salah satu parasit yang menyerang sistem pernapasan manusia. Peningkatan kasus coronavirus berlangsung sangat cepat dan menyebar ke berbagai negara. Oleh karena itu, World Health Organization (WHO) menetapkan Coronavirus sebagai pandemi. Hal ini mengakibatkan seluruh kegiatan yang sebelumnya tatap muka atau luar jaringan (luring) menjadi dalam jaringan (daring), termasuk kegiatan belajar mengajar. Dengan ditetapkannya pembelajaran secara daring menyebabkan adanya opini yang bersifat pro dan kontra dari berbagai kalangan masyarakat. Opini tersebut akan digunakan dalam penelitian ini dan akan diolah terlebih dahulu dalam tahap preprocessing. Metode yang digunakan dalam penelitian ini adalah Longest Common Subsequences (LCS) dan Support Vector Machine (SVM)  dengan data sebesar 500 yang terbagi menjadi 250 data berlabel positif dan 250 data berlabel negatif. Dari 500 data tersebut dibagi menjadi 450 data untuk data latih dan 50 data untuk data uji. Dengan menggunakan metode Longest Common Subsequences untuk perbaikan kata dan metode Support Vector Machine untuk klasifikasi dengan nilai parameter terbaik yaitu learning rate (γ) = 0,0001, lambda (λ) = 0,1, complexity (C) = 0,001, epsilon (ϵ) = 0,0001 dan iterasi maksimum = 50 dapat menghasilkan nilai rata-rata hasil evaluasi yaitu precision = 0,5653, recall = 0,948, f-measure = 0,7047 dan accuracy = 0,598. Hasil pengujian tersebut mununjukkan bahwa dengan menambahkan metode Longest Common Subsequences untuk perbaikan kata dapat meningkatkan tingkat akurasi yang sebelumnya hanya 0,59 menjadi 0,598. Abstract Coronavirus is a parasite that attacks the human respiratory system. The increase incases coronavirus took place very fast and spread to various countries. Therefore, the World Health Organization (WHO) has designated Coronavirus as a pandemic. This results in all activities that were previously face-to-face or offline (offline) becoming online (online), including teaching and learning activities. With the establishment of online learning, there are pro and contra opinions from various circles of society. This opinion will be used in this research and will be processed first in the stage preprocessing. The method used in this research is Longest Common Subsequences (LCS) and Support Vector Machine (SVM) with 500 data divided into 250 data labeled positive and 250 data labeled negative. Of the 500 data is divided into 450 data for training data and 50 data for test data. By using the method Longest Common Subsequences for word improvement and the method Support Vector Machine for classification with the best parameter values, namely learning rate (γ) = 0.0001, lambda (λ) = 0.1, complexity (C) = 0.001, epsilon (ϵ ) = 0.0001 and the maximum iteration = 50 can produce the average value of the evaluation results, namely precision = 0.5653, recall = 0.948, f-measure = 0.7047 and   accuracy = 0.598. The test results show that by adding method of Longest Common Subsequences for word improvement, it can increase the level of accuracy which was previously only 0.59 to 0.598.
Analisis Sentimen terhadap Kebijakan Kuliah Daring Selama Pandemi Menggunakan Pendekatan Lexicon Based Features dan Support Vector Machine Oktaviana, Natasya Eldha; Sari, Yuita Arum; Indriati, Indriati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 2: April 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022925625

Abstract

Adanya virus baru yaitu COVID-19 atau SARS-CoV-2 yang berasal dari Wuhan, China pada awal tahun 2020 telah menggemparkan seluruh warga dunia salah satunya Indonesia dan memiliki tingkat penularan yang tinggi. Sehingga untuk meminimalisir penyebaran COVID-19, pemerintah Indonesia menetapkan salah satu kebijakan dalam dunia pendidikan yaitu pembelajaran/perkuliah online. Kebijakan tersebut mengakibatkan seluruh penyebaran informasi berubah menjadi online dan memberikan dampak yang luas bagi keberlanjutan pendidikan di Indonesia. Hal tersebut menimbulkan kontroversi pada kalangan masyarakat dan banyak yang akhirnya beropini pada media sosial, salah satunya Twitter. Analisis sentimen berguna untuk mengetahui ketepatan komputasi sistem dalam mengenali pembicaraan pada Twitter mengenai kebijakan pembelajaran online cenderung bersentimen negatif atau positif dengan menggunakan metode Support Vector Machine dan Lexicon Based Features. Penggunaan Lexicon Based Features berpengaruh terhadap objek penelitian yang menghasilkan nilai accuracy 0,6, nilai precision 0,56, nilai recall 0,75, dan fmeasure 0,64 dengan parameter optimal dalam mencapai konvergensi yaitu ???? (Lambda) = 0,7, nilai parameter ???? (gamma) = 0,0001, nilai parameter ???? (Kompleksitas) = 0,0001, iterasi = 50, dan ???? (Epsilon) = 0,00000001. Hal tersebut menunjukkan bahwa metode yang digunakan pada penelitian ini dapat mengenali pembicaraan data komentar pada Twitter karena dibuktikan dengan nilai accuracy yang cukup tinggi.AbstractThe existence of a new virus, namely COVID-19 or SARS-CoV-2, that come from Wuhan, China, in early 2020, has shocked all citizens of the world, including Indonesia, and has a high transmission rate. So to minimize the spread of COVID-19, the Indonesian government has set one policy in online learning/lectures. This policy resulted in all information dissemination being online and had a broad impact on education in Indonesia. This policy caused controversy among the public, and many ended up giving opinions on social media, one of which was Twitter. Sentiment analysis is useful for determining the timeliness of system computing in discussions on Twitter regarding online learning policies that tend to have negative or positive sentiments using the Support Vector Machine and Lexicon Based Features methods. The use of Lexicon Based Features affects the object of research which produces an accuracy value of 0.6, a precision value of 0.56, a recall value of 0.75, and a size of 0.64 with the optimal parameter in achieving convergence, namely (Lambda) = 0.7, the parameter value (gamma) = 0.0001, the parameter value (Complexity) = 0.0001, iterations = 50, and (Epsilon) = 0.00000001. This evaluation value shows that the method used in this study can recognize the conversation of comment data on Twitter because a fairly high accuracy value evidences it.
Pelatihan Menulis Ilmiah Untuk Meningkatkan Pemahaman dan Kualitas Karya Ilmiah Remaja SMP 20 Kota Malang Arwan, Achmad; Kurniawan, Wijaya; Adinugroho, Sigit; Sari, Yuita Arum
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 4 No 2 (2025): Juli
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v4i2.50

Abstract

Remaja perlu memiliki kecakapan dalam menulis karya ilmiah. Keterampilan ini sangat penting untuk mengembangkan pemikiran kritis dan analitis.  Menulis ilmiah memungkinkan mereka mengorganisasi gagasan secara runtut, menyusun argumen yang logis, dan mendukung pendapat dengan bukti yang relevan.  Namun, banyak siswa masih menghadapi berbagai kendala, seperti kesulitan menuangkan ide, menyusun kerangka tulisan, dan menggunakan sumber referensi secara tepat.  Oleh karena itu, membaca dan menganalisis karya ilmiah dapat menjadi langkah awal yang efektif agar siswa memahami gaya penulisan dan teknik sitasi yang baik. Salah satu sekolah mitra dalam kegiatan pelatihan penulisan ilmiah ini adalah SMP Negeri 20 Malang. Sekolah ini memiliki ekstrakurikuler Karya Ilmiah Remaja (KIR) yang aktif mengikuti berbagai lomba penulisan ilmiah di tingkat lokal, regional, hingga internasional. Namun demikian, masih terdapat beberapa permasalahan, seperti rendahnya kemampuan siswa dalam menulis karya ilmiah yang baik, kesulitan dalam mengonversi ide menjadi judul penelitian yang sesuai, serta keterbatasan dalam memahami cara menyusun sitasi dan kerangka penelitian. Oleh karena itu, diperlukan adanya pelatihan penulisan ilmiah untuk meningkatkan kemampuan siswa dalam hal tersebut. Sebagai bentuk kontribusi nyata, empat dosen dari Fakultas Ilmu Komputer Universitas Brawijaya Malang telah melaksanakan kegiatan pengabdian masyarakat berupa pelatihan penulisan karya ilmiah kepada siswa SMPN 20 Malang. Melalui pelatihan ini, siswa dibimbing untuk menentukan ide penelitian, merumuskan masalah, mengembangkan ide, hingga menyusun alternatif judul penelitian beserta analisis kelebihan dan kekurangannya. Hasil dari pelatihan ini menunjukkan bahwa siswa mulai mampu memahami tahapan dasar dalam penulisan karya ilmiah secara lebih terstruktur.   Abstract Adolescents need to develop skills in scientific writing, as this ability is essential for fostering critical and analytical thinking. Scientific writing enables them to organize their ideas coherently, construct logical arguments, and support their opinions with relevant evidence. However, many students still face various challenges in scientific writing, such as difficulties in expressing ideas, structuring their writing, and using references appropriately. To overcome these challenges, reading and analyzing scientific works can be an effective first step to help students understand proper writing styles and citation techniques. One of the partner schools involved in this scientific writing training activity is SMP Negeri 20 Malang. The school has an extracurricular program called Karya Ilmiah Remaja (Youth Scientific Writing Club), which actively participates in scientific writing competitions at local, regional, and international levels. Nevertheless, several issues remain, including students' limited ability to produce quality scientific papers, difficulty in translating ideas into appropriate research titles, and a lack of understanding in citation and research framework composition. Therefore, scientific writing training is necessary to enhance students' capabilities in these areas. As a form of community service, four lecturers from the Faculty of Computer Science, Universitas Brawijaya Malang, conducted a scientific writing training program for students of SMPN 20 Malang. Through this training, students were guided to identify research ideas, formulate general problems, develop ideas, and determine alternative research titles along with an analysis of their strengths and weaknesses. The results of the training showed that students began to understand the basic stages of scientific writing in a more structured manner.
Klasifikasi Tingkat Sisa Makanan Pasien Rumah Sakit Berdasarkan Ekstraksi Fitur Warna dan Tekstur Dengan Support Vector Machine Classifier Sinaga, Theresa Yolanda; Sari, Yuita Arum; Indriati
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JTIIK
Pemanfaatan Kecerdasan Buatan dalam Meningkatkan Citra dan Daya Saing Digital Brand UMKM Adinugroho, Sigit; Sari, Yuita Arum; Dewi, Candra; Wijaya, Muhammad Sulthon Aulia
DIMASLOKA: Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika Vol 5 No 2 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/dimasloka.v5i2.74

Abstract

Dalam era transformasi digital, digital branding adalah faktor kunci dalam meningkatkan daya saing dan memperluas jangkauan pasar pelaku Usaha Mikro, Kecil, dan Menengah (UMKM). Karena sumber dayanya terbatas dan kemampuan desain tidak memadai, sebagian besar UMKM masih menghadapi kesulitan untuk menghasilkan atau membuat konten visual yang menarik. Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) menawarkan solusi inovatif dalam bentuk berbagai perangkat dan platform yang dapat memudahkan proses pembuatan jenis karya desain serta logo, maupun bahan promosi. Dalam strategi digital branding oleh UMKM, Kota Malang belum ada perkembangan mengenai pemanfaatan AI karena kurangnya pengetahuan dan keterampilan untuk memahami serta mengoperasikan teknologi tersebut. Karenanya, kegiatan pelatihan ini dirancang untuk memberi alat praktis kepada pelaku UMKM cara menggunakan AI yang lebih teknis dalam mendukung identitas dan visibilitas produk mereka di ranah digital. Pengabdian masyarakat dilakukan dengan memberikan pelatihan praktis penggunaan perangkat AI untuk pembuatan materi branding. Evaluasi kegiatan dilakukan melalui pre-test dan post-test dengan kesimpulan terdapat kenaikan pemahaman sebesar 32,4%. Dengan menerapkan strategi branding yang berbasis AI, UMKM dapat dinambagi kemandiriannya, membuka pasar, dan juga memberikan kontribusi pada pertumbuhan ekonomi wilayah secara berkelanjutan.   Abstract In the era of digital transformation, digital branding is a key factor in increasing competitiveness and expanding the market reach of Micro, Small, and Medium Enterprises (MSMEs). Due to limited resources and inadequate design capabilities, most MSMEs still struggle to produce visually appealing content. The development of artificial intelligence (AI) technology offers innovative solutions in the form of tools and platforms that can facilitate the creation of various types of design work, logos, and promotional materials. In the digital branding strategy of MSMEs in Malang City, AI has not yet been widely adopted due to a lack of knowledge and skills to understand and operate the technology. Therefore, this training activity is designed to provide MSMEs with practical tools for using AI more effectively to strengthen their product identity and visibility in the digital realm. By implementing an AI-based branding strategy, MSMEs can increase their independence, expand markets, and contribute to sustainable regional economic growth.
Deteksi Disartria Berdasarkan Rekaman Suara Menggunakan Arsitektur Multiscale CNN Dengan Temporal Pyramid Pooling Divano, Nico Arya; Sari, Yuita Arum; Adinugroho, Sigit
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional 2025 1st International Conference on Data Science and Geoinformatics (ICDSG)
Analisis dan Interpretasi Transkrip Wawancara Klinis untuk Deteksi Depresi Menggunakan Hierarchical Attention Networks (HAN) Salsabila, Fathia Rahma; Sari, Yuita Arum; Indriati
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Depresi merupakan salah satu gangguan kesehatan mental yang memengaruhi lebih dari 300 juta individu secara global dan memerlukan deteksi dini agar penanganannya dapat dilakukan lebih cepat. Deteksi dini depresi dapat difasilitasi melalui analisis pola bahasa pada transkrip wawancara klinis. Namun, pemrosesan teks yang panjang dan kompleks ini masih menjadi tantangan pada model machine learning konvensional berbasis TF-IDF yang masih kesulitan memahami konteks hubungan antar kata dan kalimat, sementara model deep learning standar seringkali memiliki keterbatasan dalam hal transparansi proses pengambilan keputusannya (explainability). Penelitian ini mengevaluasi penggunaan model Hierarchical Attention Networks (HAN) berbasis Bidirectional GRU dua tingkat untuk mendeteksi gejala depresi dari transkrip wawancara klinis DAIC-WOZ. Melalui pengujian Stratified 5-Fold Cross Validation, model HAN terbukti unggul pada skema pembagian data stratified (85:15) dengan perolehan F1-Score 0,5600 dibandingkan model baseline klasik (TF-IDF dengan LinearSVM dan Logistic Regression), meskipun pada skema official split model klasik tingkat kalimat memiliki performa yang sedikit lebih baik (0,4889 berbanding 0,4658). Selain memberikan performa klasifikasi yang mumpuni, mekanisme attention pada HAN berhasil mengimplementasikan pendekatan Explainable Artificial Intelligence (XAI) dengan memvisualisasikan kata dan kalimat yang paling memengaruhi keputusan prediksi, sehingga menjadikannya sangat potensial sebagai alat bantu skrining depresi yang akurat sekaligus transparan secara klinis.
Analisis Perbandingan Kinerja Algoritma Bi-LSTM dan Bi-GRUuntuk Klasifikasi Intensi Adzra Fathina, Salma; Sari, Yuita Arum; Muh. Arif Rahman
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penerapan asisten virtual pada layanan publik membutuhkan kemampuan klasifikasi intensi yang cepat dan akurat untuk memahami maksud dari pertanyaan warga. Tantangan utama pada data teks layanan publik adalah penggunaan bahasa yang tidak baku serta variasi panjang kalimat yang beragam. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Bidirectional Long Short-Term Memory (Bi-LSTM) dan Bidirectional Gated Recurrent Unit (Bi-GRU) dalam mengenali intensi berbahasa Indonesia, baik dari segi akurasi prediksi maupun efisiensi waktu komputasi. Sebanyak 2.000 baris data kueri yang terbagi ke dalam empat kelas intensi digunakan dalam pelatihan model, dimana data tersebut dihasilkan melalui teknik augmentasi Few-Shot Prompting menggunakan Large Language Model (LLM). Evaluasi dilakukan menggunakan metrik pengujian klasifikasi serta pencatatan waktu latih dan waktu inferensi. Hasil penelitian menunjukkan bahwa model Bi-LSTM unggul dengan tingkat akurasi mencapai 99%, sedangkan Bi-GRU mendapatkan akurasi sebesar 95%. Penurunan metrik pada model Bi-GRU sangat dipengaruhi oleh kelemahan retensi memori saat memproses kata kunci penentu yang letaknya berjauhan di dalam kalimat. Dari segi komputasi, Bi-GRU terbukti lebih efisien pada saat  proses pelatihan dengan memakan waktu 7,62 detik dibandingkan Bi-LSTM yang membutuhkan 28,04 detik. Meskipun demikian, kedua arsitektur tersebut mencatatkan waktu inferensi yang sangat cepat dan setara, yaitu berkisar 1,7 milidetik per sampel teks. Pengujian tambahan pada data kueri baru yang tidak baku membuktikan bahwa penerapan normalisasi teks dengan kamus slang sangat membantu Bi-LSTM dalam mempertahankan akurasi hingga 100%. Temuan dari penelitian ini menyimpulkan bahwa Bi-LSTM merupakan pilihan yang lebih optimal untuk diimplementasikan pada sistem chatbot interaktif karena mampu menyeimbangkan akurasi tinggi dan kecepatan respons secara real-time.
Co-Authors Achmad Arwan Adinugroho, Sigit Adzra Fathina, Salma Agus Wahyu Widodo, Agus Wahyu Agus Zainal Arifin Akbar, Muhammad Aminul Alayasi, Mutia Anggi Gustiningsih Hapsani Bihanda, Yusuf Gladiensyah Budi Darma Setiawan Candra Dewi Chastine Fatichah Dahnial Syauqy Dewa Gede Trika Meranggi Dhea Rahma Widyadhana Divano, Nico Arya Edy Santoso Evy Kamilah Ratnasari Fadhil Yusuf Rahadika Fatchurrahman, Danial Hapsani, Anggi Gustiningsih Hapsani, Anggi Gustiningsih Hurriyatul Fitriyah Indriati Indriati Indriati Iqbal, Rizky Maulana Jaya Mahar Maligan Jaya Mahar Maligan Jayawarsa, A.A. Ketut Laksono Trisnantoro Lukman Hakim Luthfi Maulana, Luthfi M. Ali Fauzi Muh. Arif Rahman Muhammad Hafiz Azhar Muhammad Tanzil Furqon, Muhammad Tanzil Mustika Mentari Nabila Nur’aini Novanto Yudistira Nugraha, Dwi Cahya Astria Nuraini, Nabila Oktaviana, Natasya Eldha Pranata, Alfisyar Jefry Putra Pandu Adikara Putra Pandu Adikara Putra Pandu Adikari Randy Cahya Wihandika Ratih Kartika Dewi Renaldi Primaswara Praetya Rinandyaswara, Raditya Rizal Maulana, Rizal Salsabila, Fathia Rahma Sigit Adinugroho Simangunsong, Bryan Nicholas Josephin Hotlando Sinaga, Theresa Yolanda Siregar, Rifki Akbar Siti Mutrofin Siti Mutrofin Tesa Eranti Putri Utaminingrum, Fitri Wijaya Kurniawan Wijaya, Muhammad Sulthon Aulia Yusuf Gladiensyah Bihanda