Article Per Year (5 Year)
p-Index From 2021 - 2026
6.318
P-Index
This Author published in this journals
All Journal Mimbar Sekolah Dasar Journal of Information Systems Engineering and Business Intelligence JIEET (Journal of Information Engineering and Educational Technology) Journal of Robotics and Control (JRC) Jurnal Abdi: Media Pengabdian Kepada Masyarakat Abdimas: Papua Journal Of Community Service Journal of Informatics and Computer Science (JINACS) Jurnal Ilmiah Edutic : Pendidikan dan Informatika J-Icon : Jurnal Komputer dan Informatika Ranah Research : Journal of Multidisciplinary Research and Development PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON DATA SCIENCE AND OFFICIAL STATISTICS Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Journal of Emerging Information Systems and Business Intelligence (JEISBI) Journal of Education Technology and Information System
Wiyli Yustanti
Prodi Manajemen Informatika, Fakultas Teknik, Universitas Negeri Surabaya
Aerospace Engineering Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 1   2   3   4   5 
Sistem Deteksi Organ Liver Melalui Citra Iris Mata Menggunakan Convolutional Neural Network Aulia, Novi Rosidhatul; Yustanti, Wiyli
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p417-426

Abstract

Analisis Topik Pinjaman Online Pada Sosial Media Twitter Menggunakan Latent Direchlet Allocation (LDA) Nautika, Puji Septiyana; Yustanti, Wiyli
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p427-436

Abstract

Pemilihan Algoritma Klasifikasi Terbaik Untuk Prediksi Jenis Keluhan MI User Interface (MIUI) 14 Akbar, Mohammad; Yustanti, Wiyli
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p445-452

Abstract

Studi Komparasi Local Outlier Factor (LOF) dan Isolation Forest (IF) pada Analisis Anomali Kinerja Dosen Mutmainah, Mutmainah; Yustanti, Wiyli
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p532-540

Abstract

Pada setiap semester dalam universitas terdapat kuisioner berupa penilaian terhadap kinerja dosen. Evaluasi kinerja dosen yang terdapat di Universitas Negeri Surabaya merupakan proses penting untuk memastikan bahwa dosen telah memenuhi tugas dan tanggung jawabnya dalam menyampaikan pendidikan berkualitas terhadap mahasiswanya. Pada penelitian ini terdapat 22 instrumen pertanyaan menggunakan Skala Likert yang diisi oleh mahasiswa untuk menilai kinerja dosen. Terdapat 1055 dosen yang diolah untuk mendeteksi bagaimana kinerja dosen apakah sesuai dengan Rancangan Pembelajaran Semeste (RPS) atau terdapat dosen yang ketika mengajar tidak sesuai RPS. Oleh karena itu, metode deteksi anomali diterapkan untuk mengetahui kinerja dosen yang menyimpang atau tidak seperti biasanya. Dengan metode tersebut, maka dapat digunakan algoritma Local Outlier Factor (LOF) dan Isolation Forest karena lebih efisien dalam menangani data yang besar dan bekerja dengan cepat dalam ruang fitur. Data yang digunakan belum terdapat label untuk menghitung sehingga digunakan metode klastering kmeans untuk memperoleh label dari LOF dan IF. Kemudian pada cluster kmeans didapatkan 3 cluster, yaitu cluster 0 terdiri dari 279 data points, cluster 1 terdiri dari 597 data points, dan cluster 2 terdiri dari 179 data points. Dari hasil cluster tersebut akan digunakan untuk memperoleh nilai dari label LOF dan label IF dalam perhitungan evaluasi hasil komparasi. Pada anomali yang diterapkan dengan algoritma LOF yaitu terdapat 19 dosen terdeteksi anomali dan pada algoritma IF terdapat 22 dosen terdeteksi anomali. Pada evaluasi yang digunakan untuk memperoleh hasil komparasi yaitu menggunakan rand index score dan silhouette score. Didapatkan nilai dari rand index dari LOF sebesar 0.438 dan IF sebesar 0.441. Kemudian hasil dari silhouette score LOF sebesar 0.0019 dan IF sebesar 0.0377. Kata Kunci : Kinerja dosen, LOF, IF, rand index, silhouette score
Assessment of the Potential of Elementary School Students in Terms of Physical Fitness Suroto, Suroto; Yustanti, Wiyli; Prakoso, Bayu Budi; Priadana, Benny Widya; Febriyanti, Irma
Mimbar Sekolah Dasar Vol 11, No 2 (2024): On Progress
Publisher : Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53400/mimbar-sd.v11i2.71731

Abstract

Primary education is an essential foundation for developing all the potential possessed by students, including physical fitness. The persistent inadequacy in children's physical fitness levels raises critical concerns regarding their overall health and well-being, necessitating urgent attention and intervention. This study aimed to assess the physical fitness of elementary school students, evaluate the effectiveness of the Indonesian Physical Fitness Test in measuring their physical fitness, and give policy recommendations. The quantitative descriptive method was used in this study due to its ability to provide numerical data analysis, facilitate systematic measurement, and allow comparative analysis and generalization. Incidental sampling was used to select 120 primary school learners in the Sidoarjo district. Two sets of fitness tests were administered based on child development phases: the Around the World Test for Phase B and a 600m running test for Phase C. Crosstabs analysis on SPSS revealed that male and female learners exhibited similar physical fitness levels, mainly within moderate and healthy categories. Differences were observed based on the phase or grade level (chi-squared=43.843, p=0.000), with Phase B learners generally having moderate to good fitness, while Phase C learners demonstrated lower and middle levels. Overall, there was a decline in fitness with higher grade levels, emphasizing the necessity to rejuvenate physical education for enhanced fitness. Instilling the importance of maintaining and enhancing physical fitness from a young age is crucial, and both teachers and students can actively contribute by enhancing their comprehension of physical literacy through training or by integrating it into the physical education curriculum.
Implementasi Metode AHP dan SAW dalam Sistem Pendukung Keputusan Pemilihan Organisasi Kemahasiswaan Iqbal, Kevin Satria Muhammad; Yustanti, Wiyli
Journal of Emerging Information Systems and Business Intelligence Vol. 2 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v2i2.39683

Abstract

Optimalisasi Jumlah Klaster Uang Kuliah Tunggal pada Data Sosial Ekonomi Mahasiswa Fahriya, Khusniatul; Yustanti, Wiyli
Journal of Emerging Information Systems and Business Intelligence Vol. 2 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v2i2.39705

Abstract

UKT (Uang Kuliah Tunggal) adalah sistem pembayaran untuk biaya kuliah Perguruan Tinggi Negeri. Setiap perguruan negeri mempunyai ketentuan UKT yang berbeda-beda. Untuk menentukan tarif UKT mahasiswa dibutuhkan sebuah teknik pengelompokan data. Teknik ini bertujuan agar memudahkan pihak PTN dalam menentukan tarif UKT masing-masing mahasiswa. Teknik tersebut dinamakan dengan clustering. Clustering merupakan pengelompokan data berdasarkan kemiripan. Jika hasil clustering memiliki derajat kemiripan yang tinggi di kelompok klaster yang sama, tetapi derajat kemiripan yang lebih rendah di kelompok klaster yang berbeda maka dapat dikatakan clustering tersebut baik atau optimal. Dengan adanya Clustering maka akan memudahkan untuk mengetahui bagaimana data harus dikelompokkan dengan begitu akan memperoleh gambaran dari kondisi sosial ekonomi mahasiswa yang cukup relatif. Algoritma clustering yang digunakan pada penelitian ini adalah K-Means Clustering, K-Medians Clustering, K-Modes Clustering dan Fuzzy C-Means Clustering. Dengan adanya algoritma-algoritma clustering yang berbeda-beda maka didapatkan jumlah cluster yang optimal adalah 6 cluster. Untuk membuktikannya maka dibutuhkan uji validitas clustering. Pengujian tersebut menggunakan Silhoutte Coefficient. Nilai Silhoutte Coefficient jika mendekati 1, maka jumlah clusternya dapat dikatakan representatif. Dalam pengujian Silhoutte Coefficient mendapatkan jumlah klaster optimalnya adalah 6 cluster dengan nilai sebesar 0.20212705. Sedangkan algoritma yang optimal adalah algoritma K-Means Clustering dengan nilai sebesar 0.1274176.
Studi Perbandingan Algoritma Klastering Dalam Pengelompokan Persediaan Produk (Studi Kasus : Subdirektorat Perencanaan Sarana Prasarana Dan Logistik PTN X) Nisa, Choirun; Yustanti, Wiyli
Journal of Emerging Information Systems and Business Intelligence Vol. 2 No. 3 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v2i3.41103

Abstract

Clustering merupakan metode penganalisaan data yang bertujuan untuk membuat suatu kelompok atau cluster berdasarkan tingkat kemiripian karakter tiap objek. hasil dari Clustering merupakan satu kelas dalam tingkat kemiripan yang tinggi ataupun tingkat kemiripan yang rendah pada antar kelas. Didalam penelitian ini dilakukan studi perbandingan ketiga algoritma Clustering yaitu K-means Clustering, K-Medoids Clustering dan Agglomerative Hierarchical Clustering dalam pengelompokkan persediaan produk di Subdirektorat Perencanaan Sarana Prasarana dan Logistik pada PTN X yang bertujuan untuk membandingkan ketiga metode Clustering dalam mengkelompokkan data persediaan produk dengan optimal. Dari pengujian validitas nilai hasil uji validitas metode Silhoutte Coefficient yang optimal untuk membentuk cluster dari data persediaan produk ialah algoritma K-means Clustering nilai index yang didapatkan sebesar 0,52 sesuai dengan nilai Silhoutte Coefficient diantara ketiga metode hanya K-means yang nilai indexnya mendekati angka 1 yang dapat di interprestasikan bahwa nilai Silhoutte Coefficient untuk Algoritma K-means dalam kategori baik. Dari hasil uji yang telah dilakukan mendapati hasil bahwa algoritma Clustering yang terbaik ialah K-means Clustering maka dari itu akan dilakukannya analisa lanjutan untuk mengevaluasi hasil pengelompokkan data menggunakan algoritma K-means Clustering. Dari analisa lanjutan yang tlah dilakukan metode K-means Clustering berhasil membentuk 2 cluster yaitu cluster produk dalam stok rendah dan produk dalam stok tinggi.
Penerapan Metode Market Basket Analysis dengan Algoritma Eclat dan Prediksi dengan Artificial Neural Network pada Data Transaksi Penjualan Haristyarini, Raniar; Yustanti, Wiyli
Journal of Emerging Information Systems and Business Intelligence Vol. 2 No. 3 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v2i3.41105

Abstract

Untuk mempertahankan stabilitas kebutuhan pelanggan pada swalayan, maka diperlukan suatu teknik data mining untuk melakukan analisa. Metode Market Basket Analysis dan prediksi dipilih untuk melakukan analaisa terhadap data transaksi penjualan pada swalayan KPRI Pemda Sejahtera. Dengan Market Basket Analysis menggunakan algoritma Eclat maka akan ditemukan pola asosiasi barang yang dibeli secara bersamaan dalam satu transaksi. Dari hasil tersebut selanjutnya akan dilakukan prediksi jumlah barang yang dibeli dengan Artificial Neural Network Backpropagation untuk memprediksi jumlah pembelian barang berdasarkan pola asosiasi. Dari metode Market Basket Analysis didapatkan tiga pola asosiasi atau rule dengan nilai confidence tertinggi. Prediksi menggunakan Artificial Nueral Network pada rule pertama menghasilkan nilai MAPE sebesar 7.462% dengan akurasi 92.538%, rule kedua menghasilkan nilai MAPE sebesar 7.186% dengan akurasi 92.814%, dan rule ketiga menghasilkan nilai MAPE sebesar 8.799% dengan akurasi 91.201%.
Analisis Sentimen Customer Review Aplikasi Ruang Guru Dengan Metode BERT (Bidirectional Encoder Representations from Transformers) Atmaja, Raden Mas Rizqi Wahyu Panca Kusuma; Yustanti, Wiyli
Journal of Emerging Information Systems and Business Intelligence Vol. 2 No. 3 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v2i3.41567

Abstract

Google Play Store telah menjadi salah satu layanan distribusi digital terbesar yang digunakan untuk mengunduh dan mengunggah aplikasi yang telah di kembangkan. Penelitian ini dilakukan untuk analisa sentimen terhadap aplikasi Ruang Guru di Google Play Store. Data review komentar diambil dari fitur komentar yang ada di Google Play Store menggunakan teknik scrapping. Data yang digunakan berjumlah 5437 records. Hasil dari analisa sentimen dapat dimanfaatkan untuk melihat respon pengguna Ruang Guru lalu pengembang bisa memaksimalkan fitur yang dirasa kurang oleh pengguna. Wordcloud pada komentar review Ruang Guru berisikan keluhan aplikasi, video yang berbayar, dan seringnya aplikasi crash. Model dan metode yang digunakan adalah model pre-trained BERT. Pada model ini diperoleh nilai F1 Score adalah 98.9% dengan proporsi data latih dan data uji 70:30. Kemudian, dilakukan evaluasi terhadap model dan menghasilkan nilai akurasi sebesar 99%, presisi sebesar 64.13%, recall sebesar 60.51%. Nilai kriteria presentase sentimen memiliki bobot 99% dan dapat dinyatakan valid berdasarkan 10 kali epoch di rata-rata dengan peningkatan yang konsisten.
Co-Authors Akbar, Rafy Aulia Alpiana, Intan Andi Iwan Nurhidayat ANITA QOIRIAH ARI KURNIAWAN Ariyanto, Savira Rahmania Putri Atmaja, Raden Mas Rizqi Wahyu Panca Kusuma Aulia Akbar, Rafy Aulia, Novi Rosidhatul Aviana, Anisah Nurul Ayuningtyas, Nimas Bayu Budi Prakoso choirullah, Sultan CHOIRUN NISA Dani, Andrea Dini Amalia, Dini Ervin Yohannes FAHRIYA, KHUSNIATUL Farid Baskoro Fitriani, Erlina Eka Haristyarini, Raniar Hartanto, Unung Istopo Hasanah, Rohmatul I Gusti Putu Asto Buditjahjanto I Nyoman Budiantara Iqbal, Kevin Satria Muhammad IRMA FEBRIYANTI Iskandar Java, Muhammad Istianah, Eva Istopo Hartanto, Unung Karputri, Diah Leni Kurniasari, Calycha Lumban Gaol, Gebryana Hotmida Lamtiar Maulidia, Ridhotul Meidyan, Martinus Ade meilita, Bunga Mohammad Akbar, Mohammad Muhammad Risalah Naufal Mutmainah Mutmainah Nabila Putri Listyanto Naim Rochmawati Nautika, Puji Septiyana Nuraini, Ulfa Siti Nurlyan, Reynisa Beta Prasetyo, Andhika Edo Pratiwi, Enggarbela Ogi Intan Priadana, Benny Widya Putra, Fachrian Bimantoro Putri, Windy Chikita Cornia Putu Asto Buditjahjanto, I Gusti Rachmaddhani, Gilang Raden Mohamad Herdian Bhakti Rahayu, Aulia Anisa Puji Rahman, Naufal Aditya Rahmawati, Naim Ricky Eka Putra Rina Harimurti Rizal, Mochammad Rochmawati, Naim Saputra, Andika Dermawan Sifriyani, Sifriyani Suroto Suroto Syandika, Novliyan Dimas Vebriani, Mutiara Widi Aribowo Wulandari, Rahmah YUNI YAMASARI