Article Per Year (5 Year)
p-Index From 2021 - 2026
2.144
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Journal of Innovation and Applied Technology Jurnal Teknologi Informasi dan Ilmu Komputer BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Jurnal Teknik Informatika (JUTIF) Pakem : Jurnal Pengabdian Kepada Masyarakat Jurnal Gramaswara: Jurnal Pengabdian kepada Masyarakat Journal of Statistics and Data Science
Ni Wayan Surya Wardhani
brawijaya university
Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
PENDAMPINGAN PENATAAN SISTEM ADMINISTRASI DESA DENGAN MENGEMBANGKAN APLIKASI ADMINISTRASI DESA TERPADU DI KELURAHAN ARJOSARI Pramoedyo, Henny; Ngabu, Wigbertus; Wardhani, Ni Wayan Surya; Iriany, Atiek; Chairunissa, Abela
PAKEM : Jurnal Pengabdian Kepada Masyarakat Vol 5 No 2 (2025): Pakem : Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pakem.5.2.131-142

Abstract

This community service activity aims to assist Kelurahan Arjosari in restructuring its administrative system more effectively and efficiently through the development of a village administration application built with Microsoft Excel and Visual Basic for Applications (VBA). Based on initial observations, the administrative processes in the kelurahan were still conducted manually, leading to slow public service delivery and a high risk of errors. The developed application is designed to integrate with the village's population database, automate the generation of documents based on National Identification Numbers (NIK), and provide automatic data validation features. Through Focus Group Discussions (FGD) and the official launching of the application, local officials were actively involved in the planning and training phases. Evaluation results show that the application is easy to use, accelerates the document service process, and improves administrative data accuracy. This initiative has had a positive impact on the quality of public services at the local level and serves as a model for applying simple but effective technology to support digital transformation in village governance
Development of Accuracy for the Weighted Fuzzy Time Series Forecasting Model Using Lagrange Quadratic Programming Rozy, Agus Fachrur; Solimun, Solimun; Wardhani, Ni Wayan Surya
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 7, No 4 (2023): October
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jtam.v7i4.16783

Abstract

Limitation within the WFTS model, which relies on midpoints within intervals and linguistic variable relationships for assigning weights. This reliance can result in reduced accuracy, especially when dealing with extreme values during trend to seasonality transformations. This study employs the Weighted Fuzzy Time Series (WFTS) method to adjust predictive values based on actual data. Using Lagrange Quadratic Programming (LQP), estimated weights enhance the WFTS model. MAPE assesses accuracy as the model analyzes monthly IHSG closing prices from January 2017 to January 2023.The MAPE value of 0.61% results from optimizing WFTS with LQP. It utilizes a deterministic approach based on set membership counts in class intervals, continuously adjusting weights during fuzzification, minimizing the deviation between forecasted and actual data values.The Weighted Fuzzy Time Series Forecasting Model with Lagrange Quadratic Programming is effective in forecasting, indicated by a low MAPE value. This method evaluates each data point and adjusts weights, offering reliable investment insights for IHSG strategies..
Model Hibrida CNN Berbobot dan Model Adaboost Decision Tree untuk Klasifikasi Penyakit Kubis pada Dataset Tidak Seimbang Iriany , Atiek; Sovia, Nabila Ayunda; Wardhani, Ni Wayan Surya; Sumarminingsih, Eni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 5: Oktober 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125

Abstract

Metode klasifikasi berbasis gambar banyak digunakan dalam bidang pertanian untuk mendeteksi penyakit pada berbagai tanaman, termasuk jenis yang rentan terhadap infeksi seperti kubis. Namun, performa optimal dalam klasifikasi gambar sangat dipengaruhi oleh jumlah dan keseimbangan data. Ketidakseimbangan data dalam klasifikasi penyakit tanaman kubis dapat menyebabkan model lebih memfokuskan perhatian pada kelas mayoritas, sehingga mengabaikan kelas minoritas, terutama pada klasifikasi multi-kelas. CNN sering digunakan dalam klasifikasi gambar, tetapi memiliki kelemahan dalam menangani data tidak seimbang karena cenderung lebih fokus pada kelas mayoritas. Untuk mengatasi permasalahan ini, dikembangkan model Hybrid yang mengombinasikan metode pembobotan pada CNN untuk ekstraksi fitur, model estimasi menggunakan Decision Tree, serta teknik ensemble Adaboost pada tahap klasifikasi. Pendekatan ini dirancang untuk meningkatkan kemampuan generalisasi terhadap kelas minoritas serta menghasilkan distribusi prediksi yang lebih seimbang. Hasil penelitian menunjukkan bahwa model Hybrid yang diusulkan mampu meningkatkan performa klasifikasi sebagaimana terlihat dari peningkatan Weighted Average F1-score menjadi 97%, dibandingkan model CNN tunggal dengan pembobotan yang hanya mencapai 63%. Peningkatan ini menunjukkan bahwa model Hybrid tidak hanya lebih efektif dalam menangani ketidakseimbangan data, tetapi juga mampu melakukan generalisasi yang lebih baik.   Abstract Image-based classification methods are widely used in agriculture to detect diseases in various plants, including those susceptible to infections, such as cabbage. However, achieving optimal performance in image classification is highly influenced by the quantity and balance of the data. Data imbalance in cabbage disease classification can cause the model to focus more on the majority class while neglecting the minority class, especially in multi-class classification. CNN is commonly used for image classification but struggles with imbalanced data, as it tends to prioritize the majority class. To address this issue, a hybrid model has been developed by combining weighting techniques in CNN for feature extraction, a Decision Tree for estimation, and the Adaboost ensemble technique for classification. This approach is designed to enhance generalization for minority classes and produce a more balanced prediction distribution. The results of the study indicate that the proposed Hybrid model is capable of improving classification performance, as evidenced by an increase in the Weighted Average F1-score to 97%, compared to the weighted CNN model, which achieved only 63%. This improvement demonstrates that the Hybrid model is not only more effective in addressing data imbalance but also better at generalizing the data.
Peningkatan Akurasi Metode Weighted Fuzzy Time Series Forecasting Menggunakan Algoritma Evolusi Differensial dan Fuzzy C-Means Rozy, Agus Fachrur; Solimun, Solimun; Wardhani, Ni Wayan Surya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 5: Oktober 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107505

Abstract

Prediksi adalah suatu pendekatan yang digunakan untuk mengantisipasi ketidakpastian masa depan. Metode prediksi konfensional terkendala pada penyesuaian data terhadap asumsi yang digunakan sehingga diperlukan Metode Weighted Fuzzy Time Series. Meskipun metode WFTS telah terbukti efektif terdapat tantangan dalam meningkatkan akurasi peramalan yang dihasilkan. Dua teknik yang sering digunakan dalam konteks ini adalah Algoritma Evolusi Differensial (ED) dan Fuzzy C-Means (FCM). Data yang digunakan pada penelitian ini adalah Jakarta Islamic Index (JKII) per bulan dari bulan Agustus 2018 hingga Juli 2023. Data yang digunakan adalah data sekunder yang diperoleh dari situs www.yahoo.finance.com. Analisis dilakukan untuk meningkatkan akurasi dari metode peramalan WFTS dengan klasifikasi FCM dan proses optimalisasi menggunakan hasil forecasting dengan Algoritma Evolusi Diffensial (DE).Hasil klasifikasi dengan Fuzzy C-Means, ditemukan 7 klaster dengan jumlah keanggotaan yang berbeda. Perhitungan nilai peramalan dilkakukan dengan defuzzyfikasi dengan mengubah variabel linguistik menjadi bilangan real. Proses transformasi ini melibatkan perkalian antara bobot yang diperoleh dari estimasi Fuzzy C Means dengan nilai titik tengah pada setiap cluster. Proses optimalisasi hasil dilakukan dengan menggunakan algoritma DE dapat meningkatkan akurasi dari forecasting. Kesimpulan yang didapat yaitu algoritma evolusi differensial dapat meningkatkan akurasi forecasting dari metode weighted fuzzy time series dengan kombinasi pembentukan kelas interval menggunakan metode fuzzy c-means. Hal ini dikarenakan nilai MAPE yang dihasilkan dari algoritma evolusi differensial lebih kecil daripada model weighted fuzzy time series.   Abstract Prediction is a form of approach in anticipating future uncertainties. Conventional prediction methods encounter difficulties in adapting data with the assumptions used, necessitating the application of the Weighted Fuzzy Time Series (WFTS) method. Although the WFTS method has proven effective, there are challenges in improving the accuracy of the generated forecasts. There are two commonly applied approaches: the Differential Evolution (DE) algorithm and Fuzzy C-Means (FCM). The data used in this research is the Jakarta Islamic Index (JKII) on a monthly basis from August 2018 to July 2023. The information collected is secondary data obtained from the website www.yahoo.finance.com. The analysis conducted involves performing FCM classification to form interval classes and optimizing the forecasting results of the WFTS method with DE. The Fuzzy C-Means classification resulted in finding 7 clusters with different membership counts. Forecasting values are calculated through defuzzification by converting linguistic variables into real numbers. This transformation process involves multiplying the weights obtained from the Fuzzy C-Means estimation with the mid-point values of each cluster.The optimization process is performed using the DE algorithm. The research findings conclude that the use of the differential evolution algorithm improves the accuracy of the forecasting from the Weighted Fuzzy Time Series method with the approach of combining interval class formation through the Fuzzy C-Means method. The DE algorithm works by seeking the best solution in a complex parameter space through iterations and performance evaluations, thereby significantly enhancing the performance of the forecasting model.
In-Service Training and Support for Teachers to Prepare for the Creative Economic Zone in Singosari Emaliana, Ive; Wardhani, Ni Wayan Surya; Sugiarto, Yusron; Hikmiah, Ziadatul -
Journal of Innovation and Applied Technology Vol 11, No 2 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jiat.2025.011.02.05

Abstract

Ideally, teachers should be able to publish the results of classroom action research as a reflection of teacher professional competence as well as an evaluation of teaching practices. Therefore, systematic and sustainable training and mentoring programs are needed to allow them to maximize their potential. This community service program aims to provide solutions to these problems through policy recommendations through the initiation of the 'Teacher Writing' task force. This initiative is projected to be a systematic and sustainable program that allows teachers to maximize their professional competence as dictated in one of the 4 pillars of teacher competence set by the government. This program was conducted for teachers in Malang Regency, especially Singosari, with consideration that recently Singosari was declared as a Creative Economic Zone (KEK). 
Penguatan Kapasitas Guru Melalui Asesmen Digital UB-CBT untuk Pendidikan Berkualitas di Kawasan Ekonomi Khusus Emaliana, Ive; Hamamah; Wardhani, Ni Wayan Surya; Gayatri, Putri
Jurnal Gramaswara: Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 3 (2025): Jurnal Gramaswara: Jurnal Pengabdian kepada Masyarakat
Publisher : Faculty of Cultural Studies, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.gramaswara.2025.005.03.01

Abstract

Kawasan Ekonomi Khusus (KEK) Singhasari di Kabupaten Malang tengah berkembang sebagai pusat ekonomi kreatif berbasis digital. Namun, kesiapan tenaga pendidik dalam mendukung transformasi digital masih rendah, terutama dalam penerapan asesmen berbasis teknologi. Musyawarah Guru Mata Pelajaran (MGMP) Bahasa Inggris Kabupaten Malang menghadapi tantangan dalam mengimplementasikan Computer-Based Test (CBT) akibat rendahnya literasi digital guru, minimnya pelatihan berkelanjutan, serta keterbatasan infrastruktur dan kebijakan sekolah yang mendukung asesmen digital. Oleh karena itu, program pengabdian ini bertujuan meningkatkan kapasitas guru dalam merancang dan menerapkan asesmen digital berbasis CBT sebagai strategi evaluasi yang relevan dengan pembelajaran abad ke-21. Untuk mencapai tujuan tersebut, UB-CBT, sebuah platform ujian berbasis komputer yang dikembangkan oleh tim di Universitas Brawijaya diperkenalkan kepada guru-guru yang tergabung dalam MGMP Bahasa Inggris Kabupaten Malang. UB-CBT memungkinkan pelaksanaan asesmen digital dengan kebutuhan internet yang minimal sehingga dapat diaplikasikan dengan lebih mudah oleh sekolah. Intervensi yang diberikan tidak hanya melibatkan pengenalan UB-CBT, namun juga meliputi pelatihan intensif tentang konsep asesmen digital, penyusunan soal berbasis HOTS, analisa butir soal, pendampingan berkelanjutan melalui klinik asesmen digital dan komunitas belajar, serta implementasi UB-CBT dengan uji coba asesmen digital di sekolah mitra. Adapun hasil dari kegiatan ini antara lain meningkatnya jumlah guru yang mampu merancang dan menerapkan asesmen digital secara mandiri, terbentuknya komunitas guru yang aktif dalam berbagi praktik asesmen berbasis teknologi, serta diterapkannya sistem CBT yang efisien dan berkelanjutan di sekolah mitra. Dengan demikian, program ini dapat memperkuat ekosistem pendidikan berbasis digital yang mendukung keberlanjutan KEK Singhasari sebagai pusat ekonomi kreatif dan teknologi.
Co-Authors Achmad Efendi Agus Fachrur Rozy Al Jauhar, Hafizh Syihabuddin Ali Djamhuri Angga Dwi Mulyanto Atiek Iriany Azizah, Laila Nur Chairunissa, Abela Dewi Kurnia Sari Eni Sumarminingsih Fernandes, Adji Achmad Rinaldo Gayatri, Putri Hamamah Hamdan, Rosita Henny Pramoedyo Hikmiah, Ziadatul - Iriany , Atiek Ive Emaliana Maghfiro, Maulidya Marchamah, Mamlu’atul Nurjannah Nurjannah Pratama, Yossy Maynaldi Putri, Henida Ratna Ayu Rohma, Usriatur Solimun Solimun, Solimun Sovia, Nabila Ayunda Suci Astutik Weni Utomo, Candra R. W. S Wigbertus Ngabu Yusron Sugiarto Zuhdi, Muhammad Rizal