Article Per Year (5 Year)
p-Index From 2020 - 2025
2.495
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization Creative Information Technology Journal JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA BERDIKARI : Jurnal Inovasi dan Penerapan Ipteks bit-Tech International Journal of Artificial Intelligence and Robotics (IJAIR) Jurnal Pengabdian kepada Masyarakat Multica Science and Technology Indonesian Journal of Networking and Security - IJNS Malcom: Indonesian Journal of Machine Learning and Computer Science Kapas: Kumpulan Artikel Pengabdian Masyarakat SmartComp E-Amal: Jurnal Pengabdian Kepada Masyarakat
Joang Ipmawati
Universitas Nahdlatul Ulama Yogyakarta
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Physics Public Health Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine: Sentiment Analysis of Tourist Attractions Based on Reviews on Google Maps Using the Support Vector Machine Algorithm Joang Ipmawati; Saifulloh Saifulloh; Kusnawi Kusnawi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1066

Abstract

Era Revolusi Industri 4.0 ditandai oleh ketersediaan data yang melimpah, menciptakan peluang dalam proses pengambilan informasi. Salah satu proses pengambilan data tersebut mencakup pencarian informasi tentang tempat wisata di Yogyakarta (DIY). Proses pengambilan informasi ini dapat dilakukan melalui Google Maps, yang menyediakan detail seperti lokasi, jarak, bahkan ulasan pengunjung dalam bagian komentar, yang berasal dari ulasan tentang destinasi wisata tersebut. Dalam data informasi yang dikumpulkan, muncul berbagai masalah yang memerlukan identifikasi, mengarah pada gagasan penelitian untuk menganalisis sentimen terkait destinasi wisata dengan memanfaatkan ulasan pengguna di Google Maps. Metodologi penelitian yang digunakan dalam studi ini menggunakan Support Vector Machine (SVM) untuk mengategorikan ulasan ke dalam kategori sentimen positif, negatif, atau netral. Ulasan pengguna dari platform Google Maps diolah dan dilatih menggunakan SVM untuk mengidentifikasi pola sentimen. Hasil eksperimen menunjukkan efektivitas metode SVM dalam mengelola volume besar data ulasan untuk analisis sentimen, memberikan pemahaman yang lebih dalam tentang persepsi masyarakat terhadap destinasi wisata. Penelitian ini dapat berkontribusi pada pengembangan strategi pemasaran dan manajemen berdasarkan umpan balik pengguna secara real-time. Temuan penelitian mengenai kinerja metode SVM dalam klasifikasi analisis sentimen menggunakan Support Vector Machine (SVM) menunjukkan tingkat akurasi rata-rata sebesar 83,8% berdasarkan ulasan pengunjung di situs Google Maps.
Price Prediction Of Basic Material Using ARIMA Forecasting Method Through Open Data Sumedang District Kusnawi Kusnawi; M Andika Fadhil Eka Putra; Joang Ipmawati
Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i2.2282

Abstract

In the era of Industry 4.0, characterized by the abundance of data, there are many opportunities to carry out various data-related processes. One of these is the data forecasting process which has been widely used. By analyzing data, we can make predictions and make decisions automatically. For example, one of the problems that decision-makers, especially in Kabupaten Sumedang, must solve is the changes in the prices of basic commodities that are essential for society's consumption. The prices of these commodities in the market tend to fluctuate in the short or long term. By analyzing the available data, we can predict the direction of changes in the prices of basic commodities in the market. In this study, the ARIMA model is used, which is one of the time series models that can be used to predict the possibility of an increase or decrease in the prices of basic commodities in the market in Kabupaten Sumedang. The ARIMA model uses the previous day's price data as a benchmark to predict the prices of basic commodities in the future. After being analyzed, the results of the model will be in several ARIMA model forms. An efficient ARIMA model will be used to model the prices of basic food commodities. This research produced the three best ARIMA models, namely ARIMA(1-1-1) for broiler chicken meat, ARIMA(0-1-1) for shallots, and ARIMA(0-1-1) for garlic. The accuracy test results percentage error for the best model using MAPE show an average value below 10%. Keywords: Food staples, Forecasting, Time Series, ARIMA, MAPE
Water Quality Monitoring for Smart Farming Using Machine Learning Approach Hendriana, Yana; Taruno, Restiadi Bayu; Zulkhairi, Zulkhairi; Bashir, Nur Azmi Ainul; Ipmawati, Joang; Unggara, Ilham
International Journal of Artificial Intelligence & Robotics (IJAIR) Vol. 5 No. 2 (2023): November 2023
Publisher : Informatics Department-Universitas Dr. Soetomo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25139/ijair.v5i2.7499

Abstract

Water quality in fish farming environments has been a topic of research investigation for numerous years. While most studies have concentrated on managing water quality in fish ponds, there is a lack of research on implementing these practices on a commercial scale. Maintaining good water quality helps prevent disease, stress, and death in fish, resulting in higher yields and profits in fish farming operations. In our study, we gathered weekly data from two fish ponds in the Lintangsongo smart farming area over six months. To deal with the limited dataset, we utilized methods for reducing dimensionality, like the pairwise comparison of correlation matrices to eliminate the highest correlated predictors. We used techniques of feature selection, including XGBoost classification, and apart from that, we used Recursive Feature Elimination (RFE) to determine the importance of features. This analysis identified ammonium and calcium as the top two predictors. These nutrients played a vital role in maintaining the paired cultivation system and promoting the robust development of Nile tilapia fish and water spinach. This process of detecting and distributing nutrients persists until the desired quantities of ammonium and calcium are reached. During each cycle, 0.7 g of ammonium sulfate and calcium nitrate are distributed, and the nutrient levels are assessed. Vernier sensors were employed for assessing nutrient values, and a system of actuators was integrated to supply the necessary nutrients to the smart farming environment using the closed-loop concept. This research investigates water quality management practices in fish farming, assesses their impact on fish health and profitability, identifies key water quality predictors, and implements a closed-loop system for nutrient delivery.
Enhancing quality measurement for visible and invisible watermarking based on M-SVD and DCT Kusnawi, Kusnawi; Ipmawati, Joang; Puji Prabowo, Dwi
Bulletin of Electrical Engineering and Informatics Vol 13, No 4: August 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v13i4.7884

Abstract

This study introduces an advanced method for evaluating non-blind watermarking quality, leveraging both visible and invisible watermarking techniques grounded in principles of discrete cosine transform (DCT) and modified singular value decomposition (M-SVD). The primary focus is to refine the assessment process of watermarked images by integrating M-SVD, known for its efficacy in measuring image quality and watermarking performance. Results from the M-SVD implementation exhibit a striking resemblance to the original images. The mean squared error (MSE) values for watermarked images range from 0.0003 to 0.0168, while peak signal-to-noise ratio (PSNR) values vary between 42.52 dB and 82.72 dB. These outcomes underscore the potential of DCT and M-SVD techniques in bolstering watermarking processes, especially in invisible watermarking contexts.
Leveraging Various Feature Selection Methods for Churn Prediction Using Various Machine Learning Algorithms Kusnawi, Kusnawi; Ipmawati, Joang; Asadulloh, Bima Pramudya; Aminuddin, Afrig; Abdulloh, Ferian Fauzi; Rahardi, Majid
JOIV : International Journal on Informatics Visualization Vol 8, No 2 (2024)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.8.2.2453

Abstract

This study aims to examine the effect of customer experience on customer retention at DQLab Telco, using machine learning techniques to predict customer churn. The study uses a dataset of 6590 customers of DQLab Telco, which contains various features related to their service usage and satisfaction. The data includes various features such as gender, tenure, phone service, internet service, monthly charges, and total charges. These features represent the demographic and service usage information of the customers. The study applies several feature selection methods, such as ANOVA, Recursive Feature Elimination, Feature Importance, and Pearson Correlation, to select the most relevant features for churn prediction. The study also compares three machine learning algorithms, namely Logistic Regression, Random Forest, and Gradient Boosting, to build and evaluate the prediction models. This study finds that Logistic Regression without feature selection achieves the highest accuracy of 79.47%, while Random Forest with Feature Importance and Gradient Boosting with Recursive Feature Elimination achieve accuracy of 77.60% and 79.86%, respectively. The study also identifies the features influencing customer churn most, such as monthly charges, tenure, partner, senior citizen, internet service, paperless billing, and TV streaming. The study provides valuable insights for DQLab Telco in developing customer churn reduction strategies based on predictive models and influential features. The study also suggests that feature selection and machine learning algorithms play a vital role in improving the accuracy of churn prediction and should be customized according to the data context.
PENDAMPINGAN BALITA STUNTING DAN PELATIHAN PEMBUATAN MAKANAN TAMBAHAN Ipmawati, Joang; Ruscitasari, Zulfatun; Faizah, Nurul; Hikmah, Harisna; Yogananda, Amrina Amalia; Adha, Munirah Fatimah; Ngulum, Mochamad Bahrul; Aulia, Kunni Rofiqotul
E-Amal: Jurnal Pengabdian Kepada Masyarakat Vol 4 No 3: September-Desember 2024
Publisher : LP2M STP Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47492/eamal.v4i3.3558

Abstract

Pengabdian masyarakat ini bertujuan untuk menanggulangi masalah stunting pada balita di Desa Wijirejo, Kecamaat Pandak, Kabupaten Bantul. Stunting merupakan kondisi kekurangan gizi kronis yang menyebabkan gangguan pertumbuhan pada anak-anak, ditandai dengan tinggi badan yang lebih rendah dari usianya. Penyebab utama stunting di desa ini adalah kekurangnya asupana makanan bergizi serta minimannya sanitasi yang memadai. Program pendabdian ini meliputi sosialisasi tentang stunting dan pelatihan pembuatan makanan tambahan. Diharapakan, kegiatan ini mampu meningkatkan kesadraan masyarakat terkait stunting serta memperbaiki asupan gizi anak-anak guna mencegah stunting.
Analisis Status Gizi Anak Menggunakan Metode Klastering pada Dataset Anthropometri Ipmawati, Joang; Unggara, Ilham
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1869

Abstract

Stunting merupakan salah satu masalah kesehatan masyarakat yang serius di Indonesia, memengaruhi pertumbuhan fisik dan kognitif anak-anak. Penelitian ini bertujuan untuk mengelompokkan status gizi anak-anak berdasarkan data antropometri untuk mengidentifikasi kelompok risiko tinggi stunting. Dataset yang digunakan terdiri dari 120.000 entri dengan variabel umur (bulan), tinggi badan (cm), jenis kelamin, dan status gizi, yang diperoleh dari sumber sekunder. Metode penelitian menggunakan algoritma K-Means untuk klasterisasi data dengan jumlah klaster optimal ditentukan melalui metode Elbow dan Silhouette Score. Proses analisis melibatkan tahap preprocessing, klasterisasi, dan validasi serta evaluasi eksternal. Hasil penelitian menunjukkan bahwa data dapat dikelompokkan ke dalam empat klaster dengan karakteristik yang berbeda. Klaster 0 dan Klaster 2 didominasi oleh anak usia muda (0–35 bulan) dengan rata-rata tinggi badan masing-masing 74.34 cm dan 73.13 cm, yang mencerminkan kelompok risiko tinggi stunting. Sebaliknya, Klaster 1 dan Klaster 3 mencakup anak-anak dengan pertumbuhan optimal, dengan rata-rata tinggi badan di atas 100 cm. Analisis korelasi menunjukkan hubungan signifikan antara tinggi badan, umur, dan status gizi, mendukung pentingnya intervensi gizi pada kelompok risiko tinggi. Penelitian ini memberikan kontribusi penting dalam upaya pencegahan stunting melalui identifikasi kelompok risiko tinggi secara lebih terarah. Temuan ini relevan untuk mendukung program kesehatan masyarakat di Indonesia, khususnya dalam merancang intervensi berbasis data untuk meningkatkan status gizi anak-anak. Pendekatan klasterisasi berbasis machine learning yang digunakan membuktikan efektifitasnya dalam memetakan pola pertumbuhan anak, sehingga dapat digunakan untuk mendukung perencanaan kebijakan yang lebih efisien.
Analisis Faktor Penggunaan SIAKAD Menggunakan Metode UTAUT 2 di Universitas Nahdlatul Ulama Yogyakarta Bashir, Nur Azmi Ainul; Azzahro, Marissa; Laksana, Feri Febria; Ipmawati, Joang
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1309

Abstract

Perguruan tinggi sebagai institusi pendidikan tinggi haruslah memiliki sarana dan prasarana yang lengkap terlebih terkait dengan sistem informasi. Perguruan tinggi saat ini mayoritas telah mengaplikasikan Sistem Informasi Akademik (SIAKAD) sebagai layanan pendidikan. Penelitian ini dilakukan untuk mengetahui faktor-faktor apa saja yang memengaruhi penerimaan dan kepuasan pengguna SIAKAD di Universitas Nahdlatul Ulama Yogyakarta. Penelitian ini menggunakan metode Unified Theory of Acceptance and Use of Technology 2 (UTAUT 2) dengan variabel ekspektasi kinerja (performance expectancy), ekspektasi usaha (effort expectancy), fasilitas pendukung (facilitating conditions), pengaruh sosial (social influence), niat untuk berperilaku (behavioral intention), perilaku penggunaan teknologi (use behavior) dan kebiasaan (Habit). Penelitian ini dilakukan dengan menyebar kuesioner kepada responden yang terdiri dari dosen dan mahasiswa Universitas Nahdlatul Ulama Yogyakarta dengan menggunakan teknik random sampling. Jumlah populasi 1309 dan jumlah responden 90. Hasil analisis menunjukkan bahwa behavioral intention secara signifikan dipengaruhi oleh ekspektasi kinerja (performance experience), ekspektasi usaha (effort expectancy), fasilitas pendukung (facilitating conditions), dan kebiasaan (habit) berdasarkan uji validitas dan realibilitas. 
SOSIALISASI PEMANFAATAN PANEL SURYA (EBT) UNTUK PROGRAM PENGUATAN PRODUKSI BATIK CAP PADA KELOMPOK BATIK NATURAL ART Irwan Novianto; Zulfatun Ruscitasari; Septian Rico Hernawan; Marosimy Millaty; Muhamad Nasruddin Manaf; I Nyoman Apraz Ramatryana; Adelia Octora Pristi Sahida; Zulkhairi, Zulkhairi; Joang Ipmawati; Bledug Kusuma Prasaja; Lilis Kurniasari; Muhamad Adhitya Saputra; Rio Ardiansyah
J-ABDI: Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 3: Agustus 2025
Publisher : Bajang Institute

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

Abstract

Kelompok Batik Natural Art di Kelurahan Giripurwo, Gunungkidul, menghadapi masalah keterbatasan pasokan listrik PLN yang berdampak pada efisiensi produksi batik cap. Tujuan pengabdian ini adalah meningkatkan pemahaman komunitas mengenai pemanfaatan energi baru terbarukan (EBT) melalui sosialisasi panel surya sebagai alternatif energi yang ramah lingkungan. Metode yang digunakan adalah participatory action research (PAR), dengan melibatkan anggota kelompok secara aktif dalam diskusi, identifikasi kebutuhan energi, serta penyusunan rencana aksi sederhana. Hasil kegiatan menunjukkan peningkatan pemahaman anggota terhadap panel surya dan munculnya komitmen internal kelompok untuk merencanakan pendanaan mandiri instalasi panel surya. Kegiatan ini juga memunculkan kesadaran baru menuju transformasi sosial yang lebih mandiri dan berkelanjutan
Co-Authors - STMIK AMIKOM Yogyakarta, Emha Taufiq Luthfi Abdulloh, Ferian Fauzi Adelia Octora Pristi Sahida Adelia Octora Pristisahida Adha, Munirah Fatimah Aditya Wahyu Pratama Afrig Aminuddin Ahmad Asyhari Akhmad Fakhurrozi Alif Yudha Suryatama Asadulloh, Bima Pramudya Aulia, Kunni Rofiqotul Azzahro, Marissa Bledug Kusuma Diyon Saputro Elsa Virantika Feri Febria Laksana Ferry Wahyu A Hedry Aristianda Heni Pujiastuti Hikmah, Harisna I Nyoman Apraz Ramatryana Ihwan Mualana Ilham Unggara Irwan Novianto Jumanur Rohman Kusnawi Kusnawi Kusrini . Laksana, Feri Febria Lilis Kurniasari M Andika Fadhil Eka Putra M Rifki Ramdani Majid Rahardi Millaty, Marosimy Muhamad Adhitya Saputra Muhamad Nasruddin Manaf Ngulum, Mochamad Bahrul Novan Afrianto Nur Azmi Ainul Bashir NURUL FAIZAH Prasetyo Nur Hidayat Puji Prabowo, Dwi Restiadi Bayu Taruno Rifqi Syarif Nasrulloh Rio Ardiansyah Saifulloh Saifulloh Septian Rico Hernawan Taruno, Restiadi Bayu unggara, Ilham Wigar Kumara P Wimar Febrianto Yana Hendriana Yogananda, Amrina Amalia Yudho Bismo Utomo, Yudho Bismo Zulfatun Ruscitasari Zulfatun Ruscitasari Zulkhairi Zulkhairi Sofyan