Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

8.659

P-Index

This Author published in this journals

All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Penelitian Pendidikan Matematika dan Sains JIEET (Journal of Information Engineering and Educational Technology) JOURNAL OF APPLIED INFORMATICS AND COMPUTING PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Robotics and Control (JRC) Jurnal Abdi: Media Pengabdian Kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science Abdimas: Papua Journal Of Community Service Insyst : Journal of Intelligent System and Computation Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Informatics and Computer Science (JINACS) Ranah Research : Journal of Multidisciplinary Research and Development Serambi Engineering Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Emerging Information Systems and Business Intelligence (JEISBI)

YUNI YAMASARI

Teknik Informatika, Universitas Negeri Surabaya

Author-ID : 4066886

Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 70 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Fasilitas Evaluasi yang Menggabungkan Pengukuran, Bimbingan dan Penilaian dalam Sistem e-Learning Yuni Yamasari,
Jurnal Penelitian Pendidikan Matematika dan Sains Vol 15, No 1 (2008)
Publisher : Jurnal Penelitian Pendidikan Matematika dan Sains

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

This paper focuses on the evaluation in the e-learning system which is almost similar to the on-line testing. The difference between this research and other ones is that this research is combining the measurement, evaluation to the students so it is more accurate. This is because this evaluation is not just based on the right and wrong answer, but also what students had done to answer. This is very important because teachers are able to determine which students had had correct understanding. In addition, teachers are able to determine students which are able to follow the next level.

UPAYA DAN KENDALA PENGEMBANGAN MULTIMEDIA DALAM PEMBELAJARAN MATEMATIKA DI JURUSAN MATEMATIKA UNESA Ismail, ; Atik Wintarti, ; Yuni Yamasari, ; Asma Johan,
Jurnal Penelitian Pendidikan Matematika dan Sains Vol 15, No 1 (2008)
Publisher : Jurnal Penelitian Pendidikan Matematika dan Sains

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

In learning and teaching mathematics, the use of multimedia is important in order to help students to understand mathematics topics. There are several competencies needed to develop multimedia in teaching mathematics, i.e. competencies in pedagogy, in mathematics content, in programming, and creativity. Therefore, the Mathematics Department of Unesa prepares its students by providing subjects such as: Teaching-Learning Process I-IV, School Mathematics I-II, Media in Learning teaching Mathematics, Computer Aplication and Visual Programming. Seminar of  Mathematics education and Skripsi are used to implement those subjects in the form of study report. In the second semester of year 2007/2008 some researches on development of multimedia in learning teaching mathematics have been held. The implementation results show that there are still a number of problems during the implementation of the multimedia.

KLASTERING WILAYAH KOTA/KABUPATEN BERDASARKAN DATA PERSEBARAN COVID-19 DI PROPINSI JAWA TIMUR DENGAN METODE K-MEANS Yustanti, Wiyli; Rahmawati, Naim; Yamasari, Yuni
JIEET (Journal of Information Engineering and Educational Technology) Vol 4, No 1 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v4n1.p1-9

Klastering persebaran pandemi COVID-19 di Jawa Timur dapat dilakukan dengan melihat dinamika data harian yang disajikan dalam situs resmi pemerintah Jawa Timur terkait informasi COVID-19. Sumber data untuk proses klastering adalah data jumlah orang dalam resiko (ODR), orang tanpa gejala (OTG), orang dalam pemantauan (ODP), pasien dalam pengawasan (PDP) dan jumlah pasien positif terpapar virus COVID-19 (Confirm) untuk seluruh kabupaten/kota di Propinsi Jawa Timur. Melalui algoritma klastering Non-Hirarki K-Means didaptkan bahwa jumlah klaster optimum adalah 5 klaster. Untuk membuktikan bahwa kelima klaster yang dibentuk ini berbeda secara signifikan maka dilakukan uji mean vektor dengan statistic Wilks Lambda dan dihasilkan perbedaan yang signifikan dengan tingkat kepercayaan 95%. Karakteristik klaster untuk setiap kelompok dapat disimpulkan secara umum adalah klaster dengan kasus PDP dan Confirm yang sangat tinggi (red zone) , klaster dengan kasus jumlah Confirm Tinggi ( Orange Zone), klaster dengan jumlah PDP Tinggi (Yellow Zone), klaster dengan jumlah kasus PDP dan Confirmed Sedang ( Green Zone) dan klaster dengan PDP dan Confirm rendah (Light Green Zone).

Klastering Wilayah Kota/Kabupaten Berdasarkan Data Persebaran Covid-19 Di Propinsi Jawa Timur dengan Metode K-Means Yustanti, Wiyli; Rahmawati, Naim; Yamasari, Yuni
JIEET (Journal of Information Engineering and Educational Technology) Vol 4, No 1 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v4n1.p1-9

Klastering persebaran pandemi COVID-19 di Jawa Timur dapat dilakukan dengan melihat dinamika data harian yang disajikan dalam situs resmi pemerintah Jawa Timur terkait informasi COVID-19. Sumber data untuk proses klastering adalah data jumlah orang dalam resiko (ODR), orang tanpa gejala (OTG), orang dalam pemantauan (ODP), pasien dalam pengawasan (PDP) dan jumlah pasien positifÂ terpapar virus COVID-19 (Confirm) untuk seluruh kabupaten/kota di Propinsi Jawa Timur. Melalui algoritma klastering Non-Hirarki K-Means didaptkan bahwa jumlah klaster optimum adalah 5 klaster. Untuk membuktikan bahwa kelima klaster yang dibentuk ini berbeda secara signifikan maka dilakukan uji mean vektor dengan statistic Wilks Lambda dan dihasilkan perbedaan yang signifikan dengan tingkat kepercayaan 95%. Karakteristik klaster untuk setiap kelompok dapat disimpulkan secara umum adalah klaster dengan kasus PDP dan Confirm yang sangat tinggi (red zone) , klaster dengan kasus jumlah Confirm Tinggi ( Orange Zone), klaster dengan jumlah PDP Tinggi (Yellow Zone), klaster dengan jumlah kasus PDP dan Confirmed Sedang ( Green Zone) dan klaster dengan PDP dan Confirm rendah (Light Green Zone).

Klastering Wilayah Kota/Kabupaten Berdasarkan Data Persebaran Covid-19 Di Propinsi Jawa Timur dengan Metode K-Means Wiyli Yustanti; Naim Rahmawati; Yuni Yamasari
JIEET (Journal of Information Engineering and Educational Technology) Vol. 4 No. 1 (2020)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v4n1.p1-9

PREDIKSI NILAI AKHIR MAHASISWA DENGAN METODE REGRESI (STUDI KASUS MATA KULIAH PEMROGRAMAN DASAR) Anita Qoiriah; Yuni Yamasari
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 1 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n1.p40-43

Evaluasi merupakan salah satu cara untuk mengetahui hasil pembelajaran seorang mahasiswa dan membantu mahasiswa dalam mengetahui kinerja pembelajarannya. Untuk membantu mahasiswa dan dosen dalam melacak kemajuan pembelajaran, diperlukan adanya prediksi kinerja mahasiswa sebelum pembelajaran berakhir. Tujuan dari prediksi adalah untuk memperkirakan nilai variabel yang tidak diketahui yang menggambarkan kinerja mahasiswa. Dalam Pendidikan, nilai-nilai yang biasanya diprediksi adalah kinerja, pengetahuan, skor atau tandai. Nilai ini dapat berupa nilai numerik / kontinu atau nilai kategori / diskrit. Analisis regresi menemukan hubungan antara variabel terikat dan satu atau lebih variabel bebas. Penelitian ini dimaksudkan untuk memprediksi nilai akhir mahasiswa peserta matakuliah Pemrograman Dasar menggunakan algoritma regresi. Variabel terikat adalah nilai akhir dan variabel bebas bervariasi dari 1 nilai tugas teori, 2 nilai tugas praktikum dan 1 nilai UTS. Data merupakan hasil pembelajaran sejumlah 105 mahasiswa. Data akan dibagi 2 secara acak. 75% data digunakan sebagai data training dan 25% data sebagai data testing. Dari 4 model yang dibuat, model 3 mempunyai nilai RMSE yang terbaik yaitu 1.949. Pada model 3 ini menggunakan prediktor nilai tugas, 2 nilai praktikum serta nilai UTS. Sehingga dapat diambil kesimpulan bahwa ketiga jenis nilai tersebut sangat berpengaruh terhadap kinerja mahasiswa pada pembelajaran matakuliah Pemrograman Dasar.

Analisa Learning Rate dan Batch Size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam Naim Rochmawati; Hanik Badriyah Hidayati; Yuni Yamasari; Hapsari Peni Agustin Tjahyaningtijas; Wiyli Yustanti; Agus Prihanto
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p44-48

Deep learning semakin berkembang pesat dan banyak dimanfaatkan dalam berbagai bidang kehidupan. Salah satunya bisa dimanfaatkan untuk klasifikasi image medis penderita covid. Keras adalah salah satu framework deep learning yang paling banyak digunakan. Dalam Keras, terdapat beberapa macam algoritma optimizer. Salah satunya adalah optimizer Adam. Untuk menggunakan optimizer Adam ini, perlu menentukan angka learning rate. Penentuan angka learning rate sangat penting karena salah dalam menentukan angka learning rate akan berdampak pada hasil deep learning yang dilakukan. Batch size juga salah satu hyperparameter penting dalam deep learning. Penelitian ini bertujuan untuk mengetahui dan membandingkan beberapa learning rate dan batch size agar diketahui efek dan dampaknya pada hasil loss dan akurasi training dan validasi pada proses deep learning yang dilakukan. Ada 6 learning rate dan 3 batch size yang akan dibandingkan. Hasil yang optimal diantara 6 learning rate dalam penelitian ini adalah 0.0001 dan 0.00001. Sedangkan batch size yang paling bagus hasilnya dari tiga angka yang dibandingkan adalah batch size 5

Reduksi Dimensi untuk Meningkatkan Kinerja Pengklasteran Perilaku Siswa pada Sistem e-Learning Yuni Yamasari; Naim Rochmawati; Anita Qoiriah; Asmunin; Atik Wintarti
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 10 No 2: Mei 2021
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

The corona pandemic has changed the learning process from face-to-face (offline) to online learning. However, this online learning has caused difficulties in monitoring student behavior by teachers due to reduced direct interaction. Additionally, students often feel isolated. Therefore, this situation causes failure in their learning achievement. This problem encourages a lot of research on modeling related to student behavior. However, previous research did not focus much on improving the model's performance or system being built. In fact, the performance of this model significantly affects the result’s quality of this student behavior mapping. Therefore, this study focuses on improving the performance of student behavior clustering when they interact with the e-Learning system. Performance improvement was made by reducing dimensions of student data with Principal Component Analysis (PCA). Furthermore, two techniques for the centroid initialization were explored to obtain optimal results: random and K-means++. For measuring cluster quality, this study employed the silhouette index. The experimental results show that the clusters with the highest quality are achieved by applying PCA with seven components. In addition, the cluster number for all centroid initialization techniques is three to four. This quality cluster can assist teachers in monitoring student behavior in the e-Learning system.

Analisis Opini Vaksin COVID-19 menggunakan SVM Berbasis PSO pada Data Twitter Amrina Rosyada; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol 2 No 04 (2021)
Publisher : Universitas Negeri Surabaya

Infeksi yang disebabkan Sars-Cov-2 mengakibatkan pandemi penyakit pernafasan di seluruh dunia dan belum ada pengobatan yang pasti hingga saat ini. Pemberian vaksin adalah salah satu intervensi untuk mencegah penyakit ini. Di Indonesia, pemerintah mewajibkan untuk melakukan vaksinasi. Pemberian vaksin ini mendapatkan banyak tanggapan dari berbagai kalangan masyarakat. Efektivitas dan efek samping pasca pemberian vaksin serta status penggunaan darurat pada vaksin menjadi salah satu yang menjadi pro-kontra di masyarakat. Hal-hal tersebut yang melandasi penelitian ini sangat perlu untuk dilakukan. Penelitian akan memfokuskan pada analisis sentimen tentang vaksin COVID-19 dengan algoritma SVM. Namun, algoritma ini mempunyai kelemahan dalam pemilihan fitur parameter yang menyebabkan penurunan kinerja dari model yang dibangun. Penerapan fitur Particle Swarm Optimization (PSO) dapat ditambahkan untuk melakukan optimasi dengan pemilihan dan penyetingan fitur parameter. Berkaitan dengan dataset, penelitian ini membagi kedalam 2 sentimen yaitu positif dan negatif. Data yang digunakan berasal dari media sosial twitter dengan pencarian tweet yang mengandung kata vaksin COVID-19 sebanyak 646 tweet yang telah dipilih dengan opini positif sebanyak 57,93% dan negative sebanyak 42,07%. Pengujian dilakukan dengan 2 cara yaitu dengan split dan cross-validation. Pada pengujian cross-validation, penelitian ini menghasilkan akurasi yang tinggi pada K=15. Berturut-turut level akurasi dari SVM dan SVM-PSO adalah sebesar 76,52% dan 80,63%. Hasil akurasi tertinggi pada teknik split dicapai dengan rasio 1:9. Level akurasi pada SVM dan SVM-PSO, berturut-turut, adalah sebesar 83.30% dan 84.80%. Hal ini mengindikasikan bahwa penerapan PSO pada SVM mampu menaikkan level akurasi sebesar 4,11% dan 1,5% dengan pengujian cross-validation dan split, secara berturut-turut. Kata Kunci— Text Mining, Vaksin COVID-19, Twitter, Support Vector Machine, Particle Swarm Optimization.

Mengenali Jenis Tanaman Obat Berbasis Pola Citra Daun dengan Algoritma K-Nearest Neighbors Ika Putri Arisanti; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol 3 No 02 (2021)
Publisher : Universitas Negeri Surabaya

Abstrak—Indonesia merupakan salah satu negara yang memiliki keberanekaragaman tumbuhan yang meilmpah di muka bumi.. Beranekaragam jenis tumbuhan terdapat di Indonesia, termasuk dalam jenis tanaman obat. Namun, sedikit spesies digunakan sebagai bahan untuk pengobatan konvensional. Kondisi ini dipicu dengan banyaknya jenis tanaman herbal tetapi masih kurangnya pengetahuan masyarakat tentang jenis tanaman obat herbal. Proses identifikasi jenis tanaman sangat bergantung pada pengetahuan dari ahli botani dengan metode manual yang mengandalkan indra penglihatan berdasarkan ciri morfologi. Dengan kemajuan teknologi, pengenalan citra daun dapat dilakukan menggunakan computer vision. Seseorang dapat dengan mudah mengenali jenis tanaman obat melalui teknologi yang canggih. Proses pengenalan dapat diterapkan pada berbagai bagian tanaman, seperti buah, bunga, biji, daun atau lainnya. Penelitian ini mengusulkan proses pengenalan jenis tanaman obat berdasarkan pola citra daun. Proses identifikasi ini menggunakan metode K-NN (K-Nearest Neighbors). Uji coba dilakukan dengan menggunakan 15 jenis daun tanaman obat dengan masing-masing 20 citra yang berbeda untuk data latih. Proses pengujian dilakukan dengan menggunakan tahapan pre-processing, pelabelan, dan feature extraction terlebih dahulu. Proses identifikasi memanfaatkan strategi K-NN dengan memanfaatkan nilai k berbeda yaitu 1 sampai 10 dan parameter jarak Euclidean. Setelah dilakukan pengujian terhadap 75 citra daun diperoleh sebanyak 3 daun yang tidak sesuai dan 72 daun berhasil diidentifikasi dengan benar. Hasil uji coba menunjukkan bahwa nilai akurasi tertinggi diperoleh pada k=10 dengan akurasi sebesar 96%. Kata Kunci— Identifikasi, Pengolahan citra, K-Nearest Neighbors, Citra Daun, Tanaman Obat

Co-Authors Aditya Prapanca Agnes, Rifa Zaini Agus Prihanto Agus Prihanto Agus Setiawan Agustin Tjahyaningtijas, Hapsari Peni Alhakiim, Thomi Aditya Alpiana, Intan Ammar, Muhammad Zhafran Amrina Rosyada Andi Iwan Nurhidayat Anggraini, Lusiana Anita Qoiriah ANITA QOIRIAH Anita Qoiriah Anjani, Ayu Annisa Nur Hidayati ARI KURNIAWAN Arya Tandy Hermawan Asma Johan Asmunin Asmunin Atik Wintarti Atik Wintarti Aviana, Anisah Nurul Azalia, Virna Hari Nur Chindy Ayudia Sri Fastaf Eka Putra, Ricky Ervin Yohannes Ervin Yohannes, Ervin Esther Irawati Setiawan Esti, Esti Yogiyanti Fani Fadillah Hermawan Farid Baskoro Fatimah Nur Alifiah Firdaus Bagus Wicaksono Firdaus, Mohamad Adi Putra Hani Nafisah Amaliya Hanik Badriyah Hidayati,* Mohammad Hasan Machfoed,* Kuntoro,** Soetojo,*** Budi Santoso,**** Suroto,***** Budi Utomo****** Hapsari Peni Agustin Tjahyaningtijas Harahap, Satria Baladewa I Made Suartana Ika Putri Arisanti Iqbaal Januar Eka Firmansyah Ismail Johanes, Sugiharto Khahar, Abdul Khusna, Asmaul M Dzikri Hisyam Ilyasa M. Aziz Rizaldi Mas Arya Bhisma Rangga Douval Saputra Mauridhi H. Purnomo Mediana, Prissely Pravasstifany Muhamad Azis Thohari Muhamad Khafidhun Alim Muslim Muhammad Rifki Agustian Muhammad Zakia Avlach Muttaqin, Aziz Fiqri Nafisah, Nurun Naim Rahmawati Naim Rochmawati Naim Rochmawati Nanda Ade Handaya Nugroho, Supeno M. S. Praptama, Ervan Putri Alvina Putri, Rezky Arisanti Raden Mohamad Herdian Bhakti Rafli Aditya Pramana Raharko, Natasha Isnaeni Rahayu, Siskawati Rahmawati, Naim Rahulil, Muhammad Ramadhan, Dani Ricky Eka Putra Rina Harimurti Rochmawati, Naim S., Rahma Aziz Sadewa, Bagas Ahmad Salahuddin, Muhammad Rico Saputra, Ivan Rangga Shahputri, Vira Arum Solihin, Aziz Suartana, I Made Sukrisna Surya, Arum Ayu Suyatno, Dwi F. Syarif Hidayatulloh Tazki Yatun Niyah Tohari Ahmad Widi Aribowo Wiyli Yustanti Wiyli Yustanti Wiyli Yustanti Yogiyanti, Esti Yoyok Prastyo, Yoyok

Title

Found 70 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 70 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 70 Documents
Search