Article Per Year (5 Year)
p-Index From 2021 - 2026
3.496
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer INFORMAL: Informatics Journal SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Malikussaleh Journal of Mathematics Learning (MJML) Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Computer Science and Information Technology (CoSciTech) BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Smart Techno (Smart Technology, Informatic and Technopreneurship) SATUKATA: Jurnal Sains, Teknik, dan Studi Kemasyarakatan Indonesian Journal of Multidisciplinary on Social and Technology Jurnal Aplikasi Sistem Informasi dan Elektronika ABDIMASTEK JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Computing and Information System Journal
Yanuarti, Rosita
Universitas Muhammadiyah Jember
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Implementasi Cloud Computing Pada Prediksi Tingkat Kualitas Udara Berbasis Internet Of Things Rivangga, Satya; Yanuarti, Rosita; Nilogiri, Agung
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 9 No. 2 (2024): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v9i2.1574

Abstract

Jumlah unit kendaraan bermotor di Kabupaten Jember selalu terjadi peningkatan selama tahun 2018 hingga 2020 yang dapat membuat kualitas udara memburuk sehingga dapat mengganggu kesehatan masyarakat saat beraktivitas pada ruang publik terbuka. Permasalahan yang terjadi adalah Kabupaten Jember masih belum memiliki alat pemantau kualitas udara di tempat-tempat tersebut sehingga masyarakat tidak tahu kualitas udara saat di tempat tersebut. Penelitian ini bertujuan untuk membuat perangkat Internet of Things (IoT) yang dapat mengukur polutan udara (CO, PM10, PM2.5) lalu menampilkan kualitas udara berdasarkan perhitungan Indeks Standar Pencemar Udara (ISPU) pada ruang publik terbuka tersebut melalui panel P5 dan perangkat tersebut dapat terintegrasi dengan layanan cloud computing supaya data sensor dapat tersimpan dan diolah untuk menghasilkan prediksi nilai ISPU polutan udara. Auto Machine Learning (AutoML) memungkinkan pengembang membuat model Machine Learning tanpa perlu membuat kode program. Penelitian ini menggunakan Auto Machine Learning (AutoML) dari Vertex AI milik Google Cloud Platform untuk membuat model forecasting. Model forecasting digunakan untuk memprediksi nilai ISPU polutan udara pada pukul 07:00:00 – 07:30:00. Berdasarkan penelitian yang telah dilakukan yaitu pengujian model forecasting yang dilakukan sebanyak dua kali gagal memberikan output forecasting dengan menggunakan dataset polutan udara yang diambil pada 20 Desember 2023 pukul 06:00:00 - 08:00:00. Sedangkan pada implementasi sistem perangkat IoT dapat menghitung nilai ISPU dan kategori ISPU berdasarkan konsentrasi nilai polutan dan data tersebut dapat tersimpan di Google Cloud Storage serta data tersebut dapat di tampilkan di panel P5. Selain itu diperoleh informasi berdasarkan data polutan udara bahwa semakin bertambahnya waktu maka nilai polutan akan semakin berkurang.
Pengembangan Aplikasi Game Flashcard Pembelajaran Kosa Kata Bahasa Inggris Berbasis Android Dengan Algoritma Fisher-Yates Shuffle Ramadhani, Calvin Bahtiar; Yanuarti, Rosita; Saifudin, Ilham
IPTEQ Vol 6, No 1 (2024): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v6i1.21011

Abstract

Pengenalan kosakata Bahasa Inggris pada anak usia dini menerapkan metode pendekatan permainan yang menggabungkan konsep permainan dan pembelajaran menggunakan media flashcard. Flashcard tersebut memuat gambar dan kosakata yang digunakan untuk membantu dan mengingat dalam menambah kosakata Bahasa Inggris. Penelitian ini bertujuan memanfaatkan teknologi informasi dan komunikasi dengan merancang dan mengembangan aplikasi game flashcard berbasis android sebagai media pembelajaran yang interaktif dan menarik. Aplikasi ini dikembangkan menggunakan Unity sebagai game engine dan menerapkan algoritma Fisher-Yates Shuffle untuk sistem pengacakan kartu flashcard. Metode pengembangan yang digunakan adalah MDLC (Multimedia Development Life Cycle) yang terdiri dari 6 tahapan yaitu Concept, Design, Material Collecting, Assembly, Testing, dan Distribution. Hasil pengujian aplikasi menggunakan metode blackbox menunjukkan bahwa aplikasi berjalan sesuai dengan yang diharapankan. Validasi oleh para ahli menunjukkan tingkat validitas sebesar 91% untuk aspek media dan 97% untuk aspek materi. Hal ini menunjukkan bahwa aplikasi telah menerima validasi yang positif dari para ahli dalam bidang media dan materi pembelajaran. Selanjutnya, hasil User Acceptance Testing (UAT) menunjukkan presentase keseluruhan sebesar 86%. Dengan demikian, dapat disimpulkan bahwa aplikasi game flashcard sangat layak digunakan sebagai media pembelajaran yang menarik dan menyenangkan bagi anak usia dini.
Implementation of Latent Dirichlet Allocation in a Cookie-Based Final Project Topic Recommendation System Putri, Fiddar Tahwifa; Yanuarti, Rosita; Warisaji, Taufiq Timur
Smart Techno (Smart Technology, Informatics and Technopreneurship) Vol. 8 No. 1 (2026)
Publisher : Primakara University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59356/smart-techno.v8i1.190

Abstract

The selection of a final project topic is a crucial stage in the academic journey of students, as it determines the direction of research while serving as a means to apply the knowledge acquired during their studies. However, in practice, many students experience difficulties in choosing a topic that aligns with their interests and areas of expertise. This challenge is largely attributed to the absence of systems capable of providing personalized recommendations. To address this issue, this study develops a final project topic recommendation system by integrating the Latent Dirichlet Allocation (LDA) algorithm with a cookie-based approach to accommodate user preferences. The dataset used consists of 200 final project documents from the Informatics Engineering program, with titles and abstracts serving as the primary features for topic modeling during model training and perplexity evaluation. In addition, users’ search histories and relevance feedback stored in cookie sessions are utilized as personalization features to generate more tailored recommendations. FastText is employed to produce more contextual word vector representations, while cosine similarity is applied to measure the closeness between search keywords and final project topic documents. Evaluation results based on perplexity indicate that the model with 22 topics yields the most statistically optimal performance. Furthermore, testing using Click-Through Rate (CTR) demonstrates that the combination of topic modeling and user preference personalization produces the highest relevance, achieving a CTR of 15.6%, which is significantly higher than the baseline CTR of 2.2%. These findings confirm that the proposed system is capable of delivering more relevant, adaptive, and user-oriented final project topic recommendations.
Analisis Sentimen Pasien terhadap Layanan Antarmedika Dentalcare Menggunakan Metode XGBoost Ahana Vidiantara, Iko Raga; Yanuarti, Rosita; Setya Rintyarna, Bagus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Pelayanan kesehatan yang berkualitas menjadi faktor utama dalam kepuasan pasien, sebagaimana diatur dalam Peraturan Menteri Kesehatan Republik Indonesia Nomor 4 Tahun 2019 tentang Standar Pelayanan Minimal (SPM). Dalam upaya meningkatkan kualitas layanan, Praktek Mandiri Bersama Antarmedika Dentalcare menerapkan analisis sentimen berbasis data terhadap ulasan pasien yang diperoleh dari Google Maps, media sosial, dan Survei Kepuasan Pasien (SKP). Penelitian ini menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan pendekatan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengklasifikasikan 500 ulasan pasien ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96%, presisi 96%, dan recall 98%. Dibandingkan dengan studi terdahulu, kontribusi utama dari penelitian ini terletak pada pengembangan sistem klasifikasi otomatis berbasis web yang dapat diintegrasikan langsung ke dalam proses evaluasi layanan. Sistem ini memungkinkan manajemen klinik untuk melakukan analisis sentimen dalam mengambil keputusan berbasis data dalam rangka meningkatkan kepuasan serta kualitas layanan kesehatan gigi secara berkelanjutan.   Abstract Quality healthcare services are a key factor in ensuring patient satisfaction, as stipulated in the Indonesian Ministry of Health Regulation No. 4 of 2019 concerning Minimum Service Standards (SPM). In an effort to improve service quality, Praktek Mandiri Bersama Antarmedika Dentalcare applies data-driven sentiment analysis to patient reviews obtained from Google Maps, social media, and Patient Satisfaction Surveys (SKP). This study employs the Extreme Gradient Boosting (XGBoost) algorithm with Term Frequency-Inverse Document Frequency (TF-IDF) word weighting to classify 500 patient reviews into positive and negative sentiment categories. The model achieved an accuracy of 96%, with a precision of 0.96 and a recall of 0.98. Compared to previous studies, the main contribution of this research lies in the development of an automated web-based sentiment classification system that can be directly integrated into the clinic’s service evaluation processes. This system enables the clinic management to perform real-time sentiment analysis and make data-driven decisions aimed at continuously improving customer satisfaction and the quality of dental healthcare services.
Promoting flashcards digital learning application to enhance vocabulary for young learners in PAUD Kutilang Al Faruq, Habibatul Azizah; Yanuarti, Rosita
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 3 (2024): September
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i3.25305

Abstract

Abstrak Anak usia dini merupakan individu yang membutuhkan pembelajaran dasar dalam kehidupannya. Karena mereka pada usianya mengalami proses pertumbuhan dan perkembangan yang cepat. Oleh karena itu, pembelajaran untuk anak usia dini memerlukan metode, teknik, strategi, pendekatan dan media yang tepat guna keberhasilan pembelajaran tersebut. Adapun pembelajaran di PAUD Kutilang masih belum adanya muatan materi pengenalan kosakata Bahasa Inggris menggunakan pemaanfaatan smartphone sebagai media pembelajaran dikarenakan penggunaan smartphone yang tidak tepat. Kegiatan pengabdian ini bertujuan untuk mempromosikan aplikasi pembelajaran flashcards digital kepada anak usia dini guna menambah kosakata Bahasa Inggris dengan media pembelajaran yang menarik dan menyenangkan. Metode pelaksanaan kegiatan pengabdian ini meliputi ceramah singkat, diskusi hingga praktik langsung penggunaannya yang didampingi oleh guru dan wali murid. Berdasarkan hasil pengamatan dari kegiatan ini menunjukkan siswa-siswi tersebut sangat antusias dalam mempraktikkan penggunaan aplikasi tersebut dengan menujukkan sikap aktif bertanya apabila ada yang tidak dimengerti oleh mereka, selain itu pula mereka bisa fokus dalam belajar kosakata dengan menunjukkan keseriusan dalam mengerjakan kuis yang terdapat pada aplikasi tersebut. Selain itu banyaknya permintaan dari guru dan wali murid untuk mengunduhkan aplikasi tersebut di smartphone mereka dan menggunakan aplikasinya sebagai media belajar kosakata. Kata kunci: promosi; flashcards digital; bahasa inggris; pemanfaatan TIK Abstract Early childhood children are individuals who need basic learning in their lives. Because at their age, the get a rapid growth and development process. Therefore, learning for early childhood requires appropriate methods, techniques, strategies, approaches and media for successful learning. As for learning at PAUD Kutilang, there is still no material for introducing English vocabulary using smarthphone as a learning medium due to inappropriate use of smartphones.This service activity aims to promote flashcards digital learning application to young children in order to increase their English vocabulary with interesting and fun learning media. The method of implementing this service activity includes short lectures, discussions and direct practice in its use accompanied by teachers and student guardians). Based on the observation results from this activity, it shows that the students are very enthusiastic in practicing using the application by showing an active attitude of asking if there is something they do not understand, besides that they can also focus on learning vocabulary by showing seriousness in taking the quizzes contained in the application. Besides that, there are many requests from teachers and parents to download the application on their smartphones and they use the application as a medium for learning vocabulary. Keywords: promoting; flaschcards digital; english; ICT utilization
SISTEM PAKAR DIAGNOSA PENYAKIT ANEMIA MENGGUNAKAN METODE CERTAINTY FACTOR DAN FORWARD CHAINING BERBASIS ANDROID Denny Soggy Rachmad, Isnanda; Nilogiri, Agung; Yanuarti, Rosita
SATUKATA: Jurnal Sains, Teknik, dan Studi Kemasyarakatan Vol. 1 No. 2 (2023): April
Publisher : Lafadz Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (230.311 KB) | DOI: 10.47353/satukata.v1i2.577

Abstract

Anemia is a disease related to the level of hemoglobin which is called red blood cells and causes a decrease in the level of oxygen that the body absorbs. Anemia is a disease that often occurs and occurs quite a lot in society. This study aims to determine the accuracy value of the certainty factor and forward chaining methods in an expert system for diagnosing anemia. This study designed an expert system by combining two methods, namely certainty factor and Android-based forward chaining. The use of the forward chaining method can make the system perform reasoning like an expert, then combine it with the certainty factor method with the aim that the system to be designed can measure the level of certainty of disease diagnosis. The results of this study are tests that have been carried out using 15 test data samples and produce a system accuracy value of 93.33%. Design using the certainty factor and forward chaining methods can work on expert systems in diagnosing anemia and shows the meaning that this system is feasible to use and is able to apply knowledge from experts to be able to diagnose anemia with a fairly accurate level.
Analisis Sentimen Terhadap Identitas Kependudukan Digital Menggunakan Algoritma Multinomial Naïve Bayes Alevia Mentari Putri; Rosita Yanuarti; Moh Dasuki; Agus Milu Susetyo
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 10 No. 2 (2025): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v10i2.2777

Abstract

Inovasi baru dalam perkembangan teknologi kini pemerintah telah meluncurkan inovasi baru yaitu Identitas Kependudukan Digital berbasis digital melalui aplikasi yang dijadikan sebagai tujuan pemerintah dalam mengurangi cetak fisik KTP dan blangko sehingga lebih efisien dan mudah dalam mengakses identitas masyarakat dalam smartphone masing-masing dan digunakan untuk mengelola data identitas masyarakat. Aplikasi ini telah banyak menimbulkan pro dan kontra  dari masyarakat yang menilai sebuah aplikasi IKD ini dalam mendukung digitalisasi, sehingga tujuan dari penelitian ini diperlukan analisis sentimen untuk mengetahui penilaian serta ulasan masyarakat terhadap adanya IKD tersebut sehingga dapat dijadikan sebagai bahan evaluasi oleh pemerintah. Media sosial banyak yang digunakan dalam menyampaikan pendapat serta opini masyarakat tentag IKD ini terutama pada platform X atau Twitter, dengan pengambilan data dengan teknik crawling. Analisis pada platform X ini sangat penting karena menjadi sumber pengumpulan data yang cepat dan luas dari penyampaian masyarakat tentang IKD tersebut. Pendekatan penelitian ini menggunakan algoritma Multinomial Naive Bayes untuk mengklasifikasi analisis sentimen masyarakat. Dari hasil pengujian menggunakan K-Fold Cross Validation, didapatkan hasil tertinggi pada 10 Fold uji ke-8 dengan nilai akurasi tertinggi 95%, presisi 94% dan recall 100%, sehingga algoritma Multinomial Naive Bayes ini cocok untuk dijadikan sebagai metode analisis data.
Clustering of Lecturer Performance Based on Internal Data and Questionnaire Using the X-Means Algorithm Ali Afendi; Rosita Yanuarti; Qurrota A’yun
Computing and Information System Journal Vol. 2 No. 1 (2026): Inovasi Teknologi Cerdas Berbasis AI, IoT, dan Data Mining di Era Digital
Publisher : IndoCompt Publisher

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

Abstract

Lecturer performance evaluation is essential for improving the quality of higher education. In the Informatics Engineering Study Program at Universitas Muhammadiyah Jember, assessments are still conducted manually, leading to inefficiency and subjectivity. This study aims to cluster lecturer performance based on internal data—credit load, publications, attendance, and students’ average grades—and student perceptions collected through questionnaires, using the X-Means Clustering algorithm. X-Means was chosen because it can automatically determine the optimal number of clusters using the Bayesian Information Criterion (BIC) and log-likelihood. The research involved data collection, cleaning, normalization with the Min-Max method, implementation of X-Means, and visualization using Principal Component Analysis (PCA). The results identified five distinct clusters: high-performing lecturers, lecturers with high publication output, research-active lecturers with low student grades, low-performing lecturers, and stable-performing lecturers. These findings provide an objective view of lecturer performance variations and can serve as a basis for developing effective strategies for lecturer improvement and continuous performance evaluation
Pendampingan Pengelolaan Donasi Masjid Al-Qolam Berbasis IoT Melalui Pengembangan Kotak Amal Digital Agung Nilogiri; Rosita Yanuarti; Habibatul Azizah Al Faruq
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 7 No. 3 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/jb.v7i3.18121

Abstract

Pengelolaan donasi masjid memerlukan sistem yang transparan, akuntabel, dan efisien guna meningkatkan kepercayaan jamaah serta mendukung optimalisasi pemanfaatan dana. Masjid Al-Qolam Universitas Muhammadiyah Jember saat ini masih menggunakan kotak amal fisik dan kanal donasi digital, namun pencatatan keduanya belum terintegrasi dan masih dilakukan secara manual. Kondisi ini berpotensi menimbulkan keterlambatan pelaporan, kesalahan pencatatan, serta keterbatasan dalam penyajian informasi keuangan secara real-time. Program Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan akuntabilitas pengelolaan donasi melalui penerapan kotak amal digital berbasis Internet of Things (IoT) serta pendampingan penggunaan sistem pencatatan terintegrasi. Metode pelaksanaan meliputi analisis kebutuhan, instalasi perangkat, integrasi sistem dashboard, pelatihan kepada pengurus, serta monitoring dan evaluasi tingkat adopsi teknologi. Hasil kegiatan menunjukkan bahwa sistem kotak amal digital mampu mencatat donasi tunai secara otomatis dan menampilkan data pada dashboard secara real-time. Selain itu, pengurus masjid telah mampu mengoperasikan sistem secara mandiri setelah dilakukan pendampingan. Program ini memberikan kontribusi dalam meningkatkan transparansi, efisiensi, dan akuntabilitas pengelolaan donasi masjid. Kegiatan ini diharapkan dapat menjadi model inovasi pengelolaan donasi berbasis teknologi yang dapat direplikasi pada masjid atau lembaga filantropi lainnya
Klasifikasi Smartphone Berdasarkan Spesifikasi Menggunakan Decision Tree C4.5 dan Random Forest dengan Hyperparameter Tuning Akbar Ainurrofik; Ilham Saifudin; Rosita Yanuarti
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.13271

Abstract

The rapid growth of smartphone products has produced substantial variation in technical specifications and price segments, making manual grouping increasingly complex. This study identifies the most informative specification using the C4.5 Decision Tree and develops a smartphone price-segment classification model using Random Forest optimized through hyperparameter tuning. The dataset contains 3,260 smartphone records and six input features: RAM capacity, internal storage, number of processor cores, battery capacity, main-camera resolution, and screen size. Prices in Indian rupees were converted into Indonesian rupiah and used only to generate three class labels: Entry-Level, Mid-Range, and Flagship; price was excluded from model inputs to prevent data leakage. The dataset was divided using a stratified 80:20 split. C4.5 analysis identified internal storage as the root node at a threshold of 192 GB with a Gain Ratio of 0.3804. The baseline Random Forest achieved 85.12% accuracy, 82.92% macro precision, 80.81% macro recall, and 81.77% macro F1-score. GridSearchCV with five-fold StratifiedKFold selected 100 trees, max_depth 20, min_samples_split 2, min_samples_leaf 1, max_features sqrt, and bootstrap=True. The tuned model maintained 85.12% accuracy while improving macro precision to 83.44%, macro recall to 81.03%, and macro F1-score to 82.15%. The tuned model was selected because it produced a better balance across classes and was subsequently implemented in a web-based classification system.
Co-Authors A’yun, Qurrota Agung Nilogiri Agus Milu Susetyo Ahana Vidiantara, Iko Raga Akbar Ainurrofik Al Faruq, Habibatul Azizah Al Faruq, Habibatul Azizah Al-Faruq, Habibatul Azizah Alevia Mentari Putri Ali Afendi Annisa Annisa Berliana Kusuma Riasti Denny Soggy Rachmad, Isnanda Dimas Anditha Cahyo Sujiwo Fahadaena, Rinaldi Nur Ginanjar Abdurrahman Gita Anesya Pebrianika Habibatul Azizah Al Faruq Hossain, Moch Minhas Moh. Dasuki Munawaroh, Sulistyowati Putri, Fiddar Tahwifa Qurrota A’yun Qurrota A’yun Rafika Sari Yaslan Ramadhani, Calvin Bahtiar Rivangga, Satya Rosyidah, Ulya Anisatur Saifudin, Ilham Setya Rintyarna, Bagus Warisaji, Taufiq Timur Yusril Izzi Arlisa Amiri