Article Per Year (5 Year)
p-Index From 2021 - 2026
3.339
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode Jurnal Pengembangan Rekayasa dan Teknologi Joined Journal (Journal of Informatics Education Jurnal Inovasi Pendidikan dan Sains Journal of Computer Networks, Architecture and High Performance Computing Jurnal Anugerah: Jurnal Pengabdian Kepada Masyarakat Bidang Keguruan dan Ilmu Pendidikan Abdi Masya Jurnal Abdimas Bina Bangsa Jurnal Sosial dan Abdimas Journal of Systems, Information Technology, and Electronics Engineering Tematik International Journal of Electrical and Intelligent Engineering
Dewi Purnamasari
Universitas Ivet
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Penerapan Algoritma Decision Tree Untuk Mengklasifikasi Tingkat Ketergantungan Terhadap ChatGPT Berdasarkan Demografi Pengguna Wijayanti Kusuma Sari; Handini Arga Damar Rani Handini; Kurniawati; Dewi Purnamasari
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.14732

Abstract

Penggunaan ChatGPT yang semakin tinggi, khususnya dalam bidang pendidikan, menimbulkan potensi ketergantungan pengguna terhadap teknologi Artificial Intelligence (AI). Penelitian ini bertujuan mengklasifikasikan tingkat ketergantungan pengguna terhadap ChatGPT berdasarkan faktor demografi dan pola penggunaan menggunakan algoritma Decision Tree. Penelitian menggunakan pendekatan kuantitatif dengan 200 data sekunder yang telah melalui tahap preprocessing. Proses pemodelan dilakukan menggunakan algoritma Decision Tree dan dievaluasi menggunakan operator Performance Classification. Hasil penelitian menunjukkan bahwa atribut ChatGPT sessions menjadi faktor paling dominan dalam menentukan tingkat ketergantungan pengguna, diikuti oleh ChatGPT weekly usages, active weeks, dan employment. Model yang dihasilkan memperoleh nilai accuracy sebesar 97%, yang menunjukkan bahwa algoritma Decision Tree memiliki performa yang sangat baik dalam mengklasifikasikan tingkat ketergantungan pengguna terhadap ChatGPT. Hasil penelitian juga menunjukkan bahwa pola penggunaan lebih berpengaruh dibandingkan faktor demografi dalam menentukan tingkat ketergantungan pengguna terhadap teknologi AI.
Pengembangan Model CNN-LSTM Berbasis MobileNetV2 untuk Pengenalan Kosakata Bahasa Isyarat Indonesia (BISINDO) Tingkat Kata pada Sistem AIGLASS Ahmad Riki Andreas; Dewi Purnamasari; Kurniawati; Ahmad Bais
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.15528

Abstract

Komunikasi antara penyandang tunarungu dan masyarakat umum masih menghadapi hambatan akibat rendahnya pemahaman terhadap Bahasa Isyarat Indonesia (BISINDO). Penelitian ini bertujuan mengembangkan model pengenalan kosakata BISINDO tingkat kata menggunakan arsitektur CNN-LSTM berbasis MobileNetV2 sebagai fondasi kecerdasan buatan pada sistem AIGLASS. Penelitian menggunakan metode CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, dan Evaluation. Dataset yang digunakan adalah Word-Level Bahasa Isyarat Indonesia (WL-BISINDO) yang terdiri atas 1.600 video dengan 32 kosakata. Hasil penelitian menunjukkan model memperoleh training accuracy sebesar 99,22%, validation accuracy terbaik sebesar 96,48%, serta accuracy, precision, recall, dan F1-score pada data pengujian masing-masing sebesar 94,69%, 95,25%, 94,69%, dan 94,66%. Hasil tersebut menunjukkan bahwa model mampu mengenali kosakata BISINDO tingkat kata secara efektif dan berpotensi menjadi fondasi sistem AIGLASS untuk mendukung penerjemahan bahasa isyarat menjadi audio secara real-time.
Co-Authors Aeni Nikhlah Ahmad Bais Ahmad Imtiyaz Najih Ahmad Riki Andreas Ahmad Riki Andreas Akhmad Nayazik Didin Herlinudinkhaji, Didin Dinda Resti Octaviana Handini Arga Damar Rani Handini Arga Damar Rani Handini Ika Jihan Pratiwi Isti Mulyawati Jumrianto Jumrianto Jumrianto Jumrianto Jumrianto Jumrianto, Jumrianto Kurniawati Kurniawati Kurniawati Kurniawati Kurniawati lenny kurniati, lenny Lingga Kurnia Ramadhani Masruroh, Nila Masalikul Nelly Zulfa Nia Fatikasari Nindita Erwanti Prasetyani, Henny Riffa Bella Wahyu Rizal Ichsan Syah Putra Santiago Criollo-C Setiyawan Jordi Soraya Rosna Samta Sri Widayati Sudomo, R. Irlanto Tsalatsatun Nur Rohmah Wijayanti Kusuma Sari Yunifa Miftachul Arif