Article Per Year (5 Year)
p-Index From 2021 - 2026
11.28
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Penelitian Pendidikan Matematika dan Sains Jurnal Teknologi Informasi dan Ilmu Komputer JIEET (Journal of Information Engineering and Educational Technology) JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL INFORMATIKA PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat 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 Journal Serambi Engineering (JSE) Journal of Emerging Information Systems and Business Intelligence (JEISBI)
YUNI YAMASARI
Teknik Informatika, Universitas Negeri Surabaya
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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 94 Documents
Search

 5   6   7   8   9 
Otomatisasi Klasifikasi Tingkat Urgensi Keluhan E-Layanan Unesa Berbasis TF-IDF dan Logistic Regression Alpiana, Intan; Yustanti, Wiyli; Yamasari, Yuni
Ranah Research : Journal of Multidisciplinary Research and Development Vol. 8 No. 1 (2025): Ranah Research : Journal Of Multidisciplinary Research and Development
Publisher : Dinasti Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/rrj.v8i1.1912

Abstract

Perkembangan teknologi digital menuntut perguruan tinggi untuk menghadirkan layanan akademik yang cepat, tepat, dan responsif. Universitas Negeri Surabaya (Unesa) melalui platform E-Layanan memberikan sarana bagi civitas akademika untuk menyampaikan keluhan terkait kendala penggunaan sistem informasi dan jaringan. Namun, proses klasifikasi tingkat urgensi keluhan masih dilakukan secara manual oleh admin, yang berpotensi menyebabkan keterlambatan penanganan, inkonsistensi penilaian, serta meningkatnya beban kerja. Penelitian ini bertujuan untuk mengembangkan sistem otomatisasi klasifikasi tingkat urgensi keluhan dengan memanfaatkan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai representasi fitur teks, serta Logistic Regression berbobot (class_weight) sebagai model klasifikasi utama. Dataset yang digunakan terdiri dari 79.303 keluhan, dibagi menjadi data latih (70%), validasi (15%), dan uji (15%). Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan Logistic Regression berbobot mampu memberikan kinerja yang baik dengan akurasi 92,54% pada data uji. Selain itu, model menunjukkan kemampuan yang tinggi dalam mendeteksi keluhan kritis secara akurat, memastikan prioritas penanganan terjaga secara optimal. Temuan ini menegaskan bahwa penerapan model berbasis pembelajaran mesin dapat meningkatkan efisiensi operasional dan konsistensi klasifikasi dibandingkan pendekatan manual. Sistem yang dikembangkan diharapkan dapat diintegrasikan lebih lanjut ke dalam platform E-Layanan Unesa, mendukung proses penanganan keluhan secara otomatis dan real-time, serta membantu administrasi fokus pada resolusi masalah yang paling mendesak.
PELATIHAN MEDIA PEMBELAJARAN MENGGUNAKAN CANVA UNTUK GURU MI AL AHMAD, KRIAN, SIDOARJO Naim Rochmawati; Yamasari, Yuni; Yustanti, WIyli; Qoiriah, Anita; Aviana, Anisah Nurul
Jurnal ABDI: Media Pengabdian Kepada Masyarakat Vol. 9 No. 1 (2023): JURNAL ABDI : Media Pengabdian Kepada masyarakat
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/abdi.v9i1.19853

Abstract

Dalam proses belajar mengajar, media pembelajaran berperan penting. Media pembelajaran yang interaktif membantu para siswa lebih mudah dalam memahami konten materi yang disampaikan para guru. Dengan kesadaran untuk meningkatkan kemampuan dalam membuat media pembelajaran agar kualitas pembelajaran semakin meningkat, para guru MI Al Ahmad, Krian, Sidoarjo, meminta pelatihan pembuatan media pembelajaran. banyak tool yang bisa digunakan, salah satunya adalah Canva. Dalam Canva, disediakan banyak fasilitas menu untuk membuat media pembelajaran yang interaktif. Untuk itu, pelatihan kali ini adalah memberikan pelatihan Canva bagi para guru MI Al Ahmad untuk meningkatkan kemampuan digital para guru MI Al Ahmad dalam membuat media pembelajaran yang interaktif. Metode kegiatan adalah dengan model ceramah dilanjutkan dengan praktikum menggunakan Canva. Hasil dari pelatihan ini adalah kemampuan para guru MI Al Ahmad dalam membuat media pembelajaran interaktif menggunakan Canva. Dari hasil evaluasi kegiatan disimpulkan bahwa pelatihan ini dapat dikatakan berhasil meskipun masih perlu penyempurnaan dalam kegiatan yang dilakukan. Hal ini diindikasikan dengan respon yang diberikan oleh guru MI Al Ahmad, sebagai peserta pelatihan, pada angket online yang dibagikan setelah selesai pelatihan.
Pelatihan Pemanfaatan Internet untuk Menunjang Kreativitas Guru dalam Penyampaian Materi secara Daring Yamasari, Yuni; Qoiriah, Anita; Yustanti, Wiyli; Rochmawati, Naim; Nurhidayat, Andi Iwan; Kurniawan, Ari
Abdimas: Papua Journal of Community Service Vol. 6 No. 1 (2024): Januari
Publisher : Lembaga Pengembangan dan Pengabdian Masyarakat Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/pjcs.v6i1.2749

Abstract

   
Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes Setiawan, Esther Irawati; Johanes, Sugiharto; Hermawan, Arya Tandy; Yamasari, Yuni
Intelligent System and Computation Vol 3 No 2 (2021): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v3i2.164

Abstract

Banyaknya berita-berita online sering menarik minat masyarakat untuk membacanya, tetapi kadang dengan terlalu banyaknya berita tersebut membuat orang susah mendapatkan informasi yang terpercaya. Berita palsu merupakan kumpulan kata atau kalimat yang mengandung informasi yang tidak benar yang berupaya untuk membohongi atau mengarahkan pembaca atau pendengarnya agar mendukung atau percaya dengan isi beritanya. Penyebar berita palsu umumnya mengetahui bahwa berita yang disebarkan tidak benar. Tujuan penelitian ini adalah mendeteksi berita palsu yang tersebar pada media sosial. Dalam mengklasifikasi berita palsu, deteksi validitas berita digunakan algoritma naïve bayes sebagai kategorisasi teks berbasis pembelajaran mesin. Penelitian ini juga membangun website yang menyediakan fitur web service, pencarian berita yang ada di Twitter, dan klasifikasi berita secara manual. User interface merupakan website berbasis PHP dimana pengguna dapat melakukan interaksi secara langsung sepeti komentar, login, atau melihat artikel-artikel yang sudah diklasifikasi. Sedangkan back-end dari website ini adalah program klasifikasi teks berbasis Python. Dari percobaan yang telah dilakukan ternyata algoritma Naïve Bayes dapat digunakan untuk mengklasifikasi berita palsu. Berdasarkan eksperimen, penggunaan metode naive bayes untuk deteksi validitas berita dengan data uji media social Twitter dapat mencapai nilai akurasi dengan persentase terbaik yaitu 92% pada data ujicoba sebesar 309 artikel.
Deep Learning-Based Detection of Online Gambling Promotion Spam in Indonesian YouTube Comments Ammar, Muhammad Zhafran; Putra, Ricky Eka; Yamasari, Yuni
Journal of Applied Informatics and Computing Vol. 9 No. 6 (2025): December 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i6.11240

Abstract

Online gambling promotion has increasingly penetrated social media platforms, with YouTube comments becoming a frequent target for spam-based advertising. Such activities not only violate platform policies but also expose users to harmful content. Addressing this issue requires automated detection systems capable of handling noisy, informal, and highly imbalanced text data. This study investigates the effectiveness of four recurrent neural architectures LSTM, GRU, BiLSTM, and BiGRU for detecting gambling promotion comments in Indonesian YouTube data. To address class imbalance, multiple experimental scenarios were explored, including the original distribution, undersampling, oversampling, and class weighting. Model performance was evaluated using accuracy, precision, recall, F1-score, ROC-AUC, and confusion matrix analysis. The results show that bidirectional models outperformed their unidirectional counterparts, with BiGRU achieving the best overall performance. When combined with class weighting, BiGRU reached 98% accuracy, 0.83 F1-score, and 0.971 ROC-AUC, demonstrating a superior ability to detect minority-class instances. Oversampling improved recall substantially but increased false positives, while undersampling reduced accuracy; class weighting provided the most balanced performance across metrics. These findings confirm that BiGRU with class weighting offers the most practical balance between accuracy, recall, and computational efficiency, making it well-suited for real-time moderation systems. The study provides a strong foundation for future research on transformer-based architectures and cross-platform spam detection in Indonesian social media environments.
MD-ViT: Multidomain Vision Transformer Fusion for Fair Demographic Attribute Recognition Putri, Rezky Arisanti; Putra, Ricky Eka; Yamasari, Yuni
JIEET (Journal of Information Engineering and Educational Technology) Vol. 9 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v9n2.p64-79

Abstract

Demographic attribute recognition particularly race and gender classification from facial images, plays a critical role in applications ranging from precision healthcare to digital identity systems. However, existing deep learning approaches often suffer from algorithmic bias and limited robustness, especially when trained on imbalanced or non-representative data. To address these challenges, this study proposes MD-ViT, a novel framework that leverages multidomain Vision Transformer (ViT) fusion to enhance both accuracy and fairness in demographic classification. Specifically, we integrate embeddings from two task-specific pretrained ViTs: ViT-VGGFace (fine-tuned on VGGFace2 for structural identity features) and ViT-Face Age (trained on UTKFace and IMDB-WIKI for age-related morphological cues), followed by classification using XGBoost to model complex feature interactions while mitigating overfitting. Evaluated on the balanced DemogPairs dataset (10,800 images across six intersectional subgroups), our approach achieves 89.07% accuracy and 89.06% F1-score, outperforming single-domain baselines (ViT-VGGFace: 88.61%; ViT-Age: 78.94%). Crucially, fairness analysis reveals minimal performance disparity across subgroups (F1-score range: 87.38%–91.03%; σ = 1.33), indicating effective mitigation of intersectional bias. These results demonstrate that cross-task feature fusion can yield representations that are not only more discriminative but also more equitable. We conclude that MD-ViT offers a principled, modular, and ethically grounded pathway toward fairer soft biometric systems, particularly in high-stakes domains such as digital health and inclusive access control.
A Performance Comparison of LSTM and GRU Architectures for Forecasting Daily Bitcoin Price Volatility Nafisah, Nurun; Yamasari, Yuni; Yohannes, Ervin
JIEET (Journal of Information Engineering and Educational Technology) Vol. 9 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v9n2.p156-167

Abstract

The highly volatile movement of Bitcoin prices necessitates the use of prediction methods capable of accurately capturing complex and rapidly changing patterns. This study aims to compare the performance of two recurrent neural network architectures, namely Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU), in forecasting Bitcoin prices based on historical time series data. The analysis was conducted using daily closing price data, with several parameter configurations applied, including dropout value, learning rate, and number of epochs at a window size of 30. The training process was carried out using a univariate approach to assess the fundamental ability of each model to learn temporal patterns without the influence of external variables. The results indicate that the GRU model consistently outperforms LSTM across most experimental settings. The best performance was achieved with 30 epochs, dropout 0.1, and a learning rate of 0.001, producing RMSE 1478.333, MAE 1000.900, R² 0.996081, and MAPE 1.973072. These metrics demonstrate a lower error level and a stronger fit to actual Bitcoin price movements. Moreover, a paired t-test confirmed that the performance gap between the two models is statistically significant. Overall, the findings suggest that the Gated Recurrent Unit architecture is more efficient in capturing nonlinear patterns and responding to the volatile dynamics of cryptocurrency price fluctuations, making it a promising approach for future predictive modeling in financial time series.
Analisis Sentimen Ulasan Google Maps Menggunakan Long Short-Term Memory (LSTM) (Studi Kasus: Kafe di Surabaya) Khusna, Asmaul; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak – Pertumbuhan pesat kafe di Surabaya telah menjadikan ulasan Google Maps sebagai sumber informasi krusial bagi konsumen, namun volume ulasan yang besar menyulitkan untuk analisis secara manual. Penelitian ini bertujuan melakukan analisis sentimen pada ulasan kafe tersebut menggunakan metode Long Short-Term Memory (LSTM) yang diperkuat dengan mekanisme Attention. Data ulasan dikumpulkan melalui teknik scraping menggunakan SerpAPI (114.960 ulasan dari 218 kafe) dan dibagi secara sekuensial (Sequential split) untuk pelatihan dan pengujian. Ulasan diklasifikasikan ke dalam tiga kelas sentimen: positif, netral, dan negatif. Model dibangun dengan arsitektur spesifik: embedding layer berdimensi 128, LSTM (64 unit), attention layer, dropout (0,5), dan dense layer dengan tiga output neuron. Evaluasi kinerja model, yang diukur menggunakan akurasi, presisi, recall, dan F1-score, menunjukkan hasil terbaik dengan akurasi 92,45%, presisi 91,84%, recall 92,45%, dan F1-score 92,01%. Model terbukti cukup efektif dalam mendeteksi sentimen ekstrem (positif dan negatif), tetapi kesulitan dalam mengklasifikasikan kelas netral akibat ketidakseimbangan distribusi data. Hal ini menunjukkan bahwa penyeimbangan data atau penyederhanaan kelas sentimen diperlukan untuk meningkatkan performa model secara keseluruhan pada penelitian mendatang. Kata Kunci – Analisis Sentimen, LSTM, Google Maps, Ulasan Kafe, Deep Learning.
Validasi Data Kemiskinan Berbasis Web Menggunakan Algoritma Isolation Forest di Mojo Surabaya Pradangga, Aryo; Yamasari, Yuni
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Validitas data kemiskinan pada permukiman padat penduduk di Surabaya kerap terdistorsi oleh subjektivitas dan keterbatasan proses verifikasi manual. Kondisi ini meningkatkan risiko ketidaktepatan penyaluran bantuan sosial, baik berupa exclusion error maupun inclusion error. Penelitian ini bertujuan mengembangkan sistem validasi data kemiskinan berbasis web yang mengintegrasikan algoritma Isolation Forest guna mendeteksi anomali data secara otomatis. Pengembangan sistem mengadopsi metodologi Design Science Research (DSR) dengan arsitektur terpisah (decoupled) yang menghubungkan framework Laravel dan layanan analitik FastAPI. Variabel penelitian meliputi indikator kapabilitas ekonomi warga, mencakup total pendapatan, jumlah tanggungan, skor penggunaan listrik, kepemilikan kendaraan bermotor, dan akses internet. Strategi pemisahan dataset (data splitting) diterapkan berdasarkan status awal warga (Miskin dan Non-Miskin) untuk menjamin deteksi anomali yang kontekstual. Pengujian empiris dilakukan menggunakan data riil dari 248 warga di RT 04 RW 05, Kelurahan Mojo, Surabaya. Hasil penelitian menunjukkan bahwa sistem berhasil mengidentifikasi 18 data anomali (7,3%) dengan karakteristik yang menyimpang dari populasi mayoritas. Lebih lanjut, sistem terbukti efektif dalam menyingkap kasus exclusion error pada kelompok rentan. Evaluasi utilitas sistem menggunakan Technology Acceptance Model (TAM) menghasilkan skor Perceived Usefulness sebesar 4,52 (kategori "Sangat Bermanfaat"), yang mengindikasikan efektivitas sistem dalam meningkatkan efisiensi dan objektivitas verifikasi data. Kata Kunci: Deteksi Anomali, Isolation Forest, Verifikasi Data Kemiskinan, Bantuan Sosial, Design Science Research, Technology Acceptance Model (TAM).
Pengembangan Sistem Informasi Persediaan Gudang Bahan Campuran Pakan Hewan Ternak pada Peternakan Sumber Alam Sejahtera Menggunakan Metode PIECES Wardana, Prima Lukito; Yamasari, Yuni
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Peternakan Sumber Alam Sejahtera merupakan salah satu perternakan skala besar yang memproduksi pakan hewan ternak secara mandiri untuk mendukung produktivitas dan kualitas hasil ternak, khususnya telur ayam. Dalam praktiknya, proses pencatatan dan pengelolaan persediaan bahan campuran pakan masih dilakukan secara manual menggunakan buku dan catatan kertas. Hal ini menyebabkan sering terjadi keterlambatan informasi, kesalahan pencatatan, dan rendahnya efisiensi kerja di gudang. Penelitian ini bertujuan untuk mengembangkan sistem informasi persediaan gudang berbasis web guna mempermudah proses pencatatan barang masuk dan keluar, serta pengelolaan stok secara otomatis. Pengembangan sistem dilakukan menggunakan metode PIECES (Performance, Information, Economy, Control, Efficiency, and Service) sebagai dasar analisis kebutuhan sistem. Hasil penelitian menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan akurasi data, mempercepat pencatatan transaksi, serta menyediakan informasi stok secara real-time. Dengan demikian, sistem ini dapat menjadi solusi efektif dalam mendukung manajemen persediaan bahan campuran pakan di Peternakan Sumber Alam Sejahtera. Kata Kunci— Sistem Informasi, Persediaan Gudang, PIECES, Web.
Co-Authors Aditya Prapanca Agnes, Rifa Zaini Agus Prihanto Agus Prihanto Agustin Tjahyaningtijas, Hapsari Peni Alhakiim, Thomi Aditya Alifian Erga Iswardhana Alpiana, Intan Ammar, Muhammad Zhafran Amrina Rosyada Andi Iwan Nurhidayat Anggraini, Lusiana Anindha Arsya Dhaniswara Anita Qoiriah Anita Qoiriah ANITA QOIRIAH Anjani, Ayu Annisa Nur Hidayati ARI KURNIAWAN Arya Tandy Hermawan Asma Johan Asmunin Asmunin Atik Wintarti Atik Wintarti Audzad Dzulhijzah Aviana, Anisah Nurul Azalia, Virna Hari Nur Chindy Ayudia Sri Fastaf Derri Nuril Wardana Eka Putra, Ricky Ervin Yohannes Esa Maidatussohiba Esther Irawati Setiawan Esti, Esti Yogiyanti Fani Fadillah Hermawan Farid Baskoro Fatimah Nur Alifiah Febry San Pratama Fellia Nurlailatul Rochmah Firdaus Bagus Wicaksono Firdaus, Mohamad Adi Putra Hani Nafisah Amaliya Hapsari Peni Agustin Tjahyaningtijas Harahap, Satria Baladewa Herlangga Fitdia Saputra I Made Suartana Ika Putri Arisanti Ikko Cahya Awinata Inez Hafizhah Febrina Iqbaal Januar Eka Firmansyah Ismail Johanes, Sugiharto Kartika Wulandari Khahar, Abdul Khoiru Miftakhul Falah Khusna, Asmaul M Dzikri Hisyam Ilyasa M. Aziz Rizaldi Mas Arya Bhisma Rangga Douval Saputra Mauridhi H. Purnomo Meakhel Gunawan Mediana, Prissely Pravasstifany Miranda Dwi Diana Moh. Novil Ma'arij Mohammad Hasan Machfoed Muhamad Alfin Ardiansyah Muhamad Azis Thohari Muhamad Khafidhun Alim Muslim Muhammad Habil Habibi Muhammad Rifki Agustian Muhammad Zakia Avlach Mutiara Nur Zarima Zarima Muttaqin, Aziz Fiqri Nafisah, Nurun Naim Rahmawati Naim Rochmawati Naim Rochmawati Nanda Ade Handaya Nesya Amelinda Nugroho, Supeno M. S. Nurcahyo, Krisna Bayu Aditya Oktafia Widya Santoso Pradangga, Aryo 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 Rebecca Jasmine Surya 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 Sulaiman Amrozi Jailani Surya, Arum Ayu Suyatno, Dwi F. Syarif Hidayatulloh Tazki Yatun Niyah Tohari Ahmad Wardana, Prima Lukito Widi Aribowo Wiyli Yustanti Wiyli Yustanti Wiyli Yustanti Yoyok Prastyo, Yoyok