Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan JIEET (Journal of Information Engineering and Educational Technology) bit-Tech Jurnal Informatika Polinema (JIP)
yisti vita via
Universitas Pembangunan Nasional "Veteran" Jawa Timur
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Library & Information Science

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Deteksi Kemiripan Dokumen Publikasi Skripsi Mahasiswa Menggunakan Algoritma Modifikasi Cosine Similarity yisti vita via; Retno Mumpuni
JIEET (Journal of Information Engineering and Educational Technology) Vol. 3 No. 2 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v3n2.p57-61

Abstract

Pada perguruan tinggi, kasus plagiarisme menjadi satu hal yang paling disoroti khususnya pada kasus publikasi karya ilmiah. Di lingkungan perguruan tinggi, pencegahan terhadap kasus plagiarisme sudah dilakukan dengan melampirkan halaman surat pernyataan anti plagiarisme pada laporan karya ilmiah. Namun tindakan ini belum cukup menjamin tingkat originalitas suatu karya. Cara lain untuk mencegah tindakan plagiarisme adalah dengan mendeteksi adanya kemiripan dokumen sebelum dokumen tersebut diakui pihak kedua. Penelitian ini merancang dan membangun sistem untuk deteksi kemiripan isi teks dokumen pada jurnal publikasi skripsi karya mahasiswa dengan menggunakan metodeLevenshtein Distance dan Cosine Similarity. Aplikasi ini berbasis website dengan keluaran sistem berupa hasil prosentase kemiripan dokumen yang diunggah, yang mana akan ditampilkan dalam sebuah file lampiran pernyataan. File lampiran ini yang nantinya dapat dicetak dan digunakan sebagai surat jaminan originalitas karya ilmiah menggantikan surat pernyataan anti plagiarisme yang digunakan sebelumnya. 
PENERAPAN HOLT-WINTERS UNTUK PERAMALAN HARGA BERAS DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN TIME SERIES Frisda Dita Isnaini; Yisti Vita Via; Eka Prakarsa Mandyartha
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4890

Abstract

Beras adalah makanan pokok mayoritas masyarakat Indonesia, dengan padi sawah sebagai komoditas utama. Pada 2024, harga beras mencapai Rp19.550 di seluruh Indonesia, termasuk Jawa Timur, karena masa paceklik. Pola pergerakan harga beras penting untuk diketahui guna membantu pengambil kebijakan dan petani dalam menjaga stabilitas harga. Penelitian ini bertujuan memodelkan peramalan harga beras di 20 wilayah Provinsi Jawa Timur dari 2017 – 2023 menggunakan Holt-Winters Exponential Smoothing, yang mempertimbangkan komponen level, tren, dan musiman. Hasil penelitian menunjukkan harga beras cenderung naik saat pergantian tahun dan menurun di pertengahan tahun. Pengujian dilakukan dengan K-Fold (k = 3 dan k = 5) dan menguji rentang parameter alpha, beta, dan gamma dari 0,1 – 0,9 dan 0,01 – 0,9. Parameter optimal ditemukan pada nilai alpha 0,9, beta 0,01, dan gamma 0,9 dengan k = 5. Model ini menghasilkan nilai error MAPE terbaik di Banyuwangi sebesar 0,03%.
Rapid Application Development Method for Web-Based Shallot Price Prediction Using Machine Learning Model Rafani Bardatus Salsabilah; Yisti Vita Via; Eva Yulia Puspaningrum
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3348

Abstract

Fluctuations in shallot prices in Indonesia create uncertainty within the agricultural supply chain and affect farmers, traders, and policymakers. This condition highlights the need for analytical mechanisms capable of accurately monitoring and predicting price dynamics. This study develops a web-based shallot price prediction system using the Rapid Application Development (RAD) method, with the best-performing model obtained from the training process being a combination of Long Short-Term Memory (LSTM) and CatBoost. The model is designed to process historical data along with non-sequential variables including price, production, rainfall, inflation, the Consumer Price Index (CPI), and seasonal indicators using a five-year dataset compiled from various official government sources. The trained model is integrated into a Flask-based backend to generate the next 7-day price forecasts. The system allows users to upload datasets, execute prediction processes, and analyze outputs through interactive charts and prediction tables. The evaluation shows that the model achieves strong performance, indicated by a MAPE of 6.71% and an RMSE of 0.029120, reflecting good accuracy and alignment with the seasonal patterns of shallot prices. Black-box testing confirms that all system functions operate as expected. The RAD method contributes to accelerating the development process through continuous iteration, resulting in a lightweight, responsive, and user-friendly system for non-technical users. Consequently, this system has the potential to serve as a decision-support tool for monitoring and anticipating shallot price dynamics at both regional and national levels.
Optimasi Arsitektur DETR dan Augmentasi On-the-Fly untuk Deteksi Alfabet BISINDO Mukhamad Aziz Firmansyah; Fetty Tri Anggraeny; Yisti Vita Via
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9565

Abstract

Penelitian ini membahas penerapan Detection Transformer (DETR) yang dioptimasi dan dikombinasikan dengan augmentasi data on-the-fly untuk mendeteksi alfabet Bahasa Isyarat Indonesia (BISINDO) pada skenario real-time. Eksperimen dilakukan menggunakan dataset alfabet BISINDO yang terdiri dari 1.300 data dari 26 kelas (A–Z) dengan anotasi bounding box yang dikumpulkan secara mandiri pada lingkungan indoor terkontrol. Optimasi DETR dilakukan dengan menyederhanakan arsitektur dari konfigurasi standar menjadi 1 layer transformer encoder, 1 layer transformer decoder, dan 25 object queries untuk meningkatkan efisiensi inferensi. Augmentasi data on-the-fly diterapkan pada tahap pelatihan untuk memperkaya variasi data. Evaluasi dilakukan menggunakan metrik berbasis COCO menggunakan pustaka PyCOCOtools pada data uji serta pengujian real-time menggunakan input video frame-per-frame dari kamera. Hasil pengujian menunjukkan bahwa model tanpa augmentasi memperoleh nilai AP50 sebesar 0,987 pada data uji, sedangkan model dengan augmentasi on-the-fly memperoleh nilai AP50 sebesar 0,848. Meskipun nilai AP50 pada evaluasi statis menurun, hasil pengujian real-time menunjukkan bahwa model dengan augmentasi data on-the-fly menghasilkan deteksi yang lebih sesuai dibandingkan model tanpa augmentasi. Selain itu, optimasi arsitektur menghasilkan kecepatan inferensi hingga 58 FPS pada GPU dan 8 FPS pada CPU. Hasil ini menunjukkan bahwa penerapan DETR yang dioptimasi dan augmentasi data on-the-fly dapat digunakan untuk mendeteksi alfabet BISINDO pada skenario real-time.
Co-Authors Eva Yulia Puspaningrum Fetty Tri Anggraeny Frisda Dita Isnaini Mandyartha, Eka Prakarsa Mukhamad Aziz Firmansyah Rafani Bardatus Salsabilah Retno Mumpuni