Article Per Year (5 Year)
p-Index From 2020 - 2025
3.703
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Natural A Jurnal POINTER Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA JURNAL REKAYASA TEKNOLOGI INFORMASI MULTINETICS Jurnal Teknologi Informasi dan Multimedia Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Mitra Akademia: Jurnal Pengabdian Masyarakat Buletin Poltanesa BHAKTI PERSADA Jurnal Aplikasi IPTEKS (Journal of Applied Sciences and Technology) Makara Journal of Science Eduvest - Journal of Universal Studies Innovative: Journal Of Social Science Research Recent in Engineering Science and Technology
Dewi Yanti Liliana
Politeknik Negeri Jakarta
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Nursing Public Health Social Sciences Transportation Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Peningkatan Literasi Informasi Bagi Perempuan Indonesia Untuk Melawan Hoax Terkait Covid-19 Liliana, Dewi Yanti; Andryani, Nur Afny Catur; Sukesi, Keppi
Mitra Akademia: Jurnal Pengabdian Masyarakat Vol 5 No 2 (2022): Mitra Akademia: Jurnal Pengabdian Masyarakat
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat (P3M) Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/mapnj.v5i2.5289

Abstract

Indonesia is the fourth largest populated country in the world. In this country, information can easily spread among people on the internet, whether it is valid information or a false one. Although there is a specific law about information and electronic transaction, people still produce and distribute information without the awareness of the risk. Spreading fake news, especially related to the Covid-19 issue resulted in excessive public reaction or panic because people tend to spread disinformation widely on social media. This has the amplification effect of fears caused by uncontrolled information. Covid-19 fake news in Indonesia has spread out significantly because people are reluctant to read, and most people have low information literacy. The activity aimed to prevent the spread of disruptive information in Indonesia. The activities applied the Penta-helix approach which collaborates several elements: the women's community, communication media, academician, and governments in overcoming disruptive information. 37 participants were from gender study centers across Indonesia. The results are virtual workshops and implementation activities on information literacy. Key persons from each women's study center in all regions of Indonesia attended virtual workshops to strengthen their information literacy skills. Having information-literate key persons, it is proved that the spreading of hoaxes can be reduced. This will support the community in Indonesia to be smarter and wiser in coping with Covid-19 related information. The participants hope that activities to increase information literacy for the Indonesian people can be sustained so that an information-smart society is realized in everyday life.
Online Monitoring System for Harmonics with Passive Filter on A 110 KW Three-Phase Inverter Putro, Mardha Haryono; Isdawimah, Isdawimah; Liliana, Dewi Yanti
Eduvest - Journal of Universal Studies Vol. 5 No. 9 (2025): Eduvest - Journal of Universal Studies
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/eduvest.v5i9.51496

Abstract

Mardha Haryono Putro. Master's Program in Applied Electrical Engineering. Online Monitoring System for Harmonic Filters in a Three-Phase Inverter with a Capacity of 110 kW. This study aims to design and implement an Internet of Things (IoT)-based electrical power quality monitoring system and to design a single-tuned passive harmonic filter to reduce the fifth-order individual harmonic distortion (iHD-5) in a 110 kW three-phase inverter system. The monitoring system was developed using a GAE MG50 power meter and an ESP8266 microcontroller, integrated with Google Sheets and the Blynk app for real-time monitoring. Data was collected over 7 days before and after filter installation. Measurement results showed an initial THDi value of 67.35% and a fifth-order iHD value of 47.8%, exceeding the 12% threshold according to IEEE Std 519-1992. The passive filter was designed with a capacitance of 155.2 µF and an inductance of 2.89 mH. After installation, THDi decreased to 38%, iHD-5 to 9.96%, neutral current dropped from 18 A to 9 A, and power factor improved from 0.76 to 0.91. Energy savings are estimated at ± 2,484 kWh per month, equivalent to ± Rp 2,571,391 at an industrial electricity rate of Rp 1,035.78/kWh. The research results indicate that integrating an IoT monitoring system with a passive harmonic filter can improve energy efficiency, reduce harmonic distortion, and enhance power quality in industrial electrical systems.
Meningkatkan Pemasaran Produk UMKM Depok Melalui Website Iwapi Depok Store Darna, Darna; Liliana, Dewi Yanti; Fatimah, Fatimah; Ermis, Iklima; Metekohy , Elizabeth Y
Bhakti Persada Jurnal Aplikasi IPTEKS Vol. 8 No. 2 (2022): Bhakti Persada Jurnal Aplikasi IPTEKS
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/bp.v8i2.100-107

Abstract

Pandemi covid-19 yang melanda dunia dan Indonesia membawa pengaruh besar terhadap kehidupan umat manusia dalam berbagai aspek dan yang paling terdampak adalah aspek kegiatan ekonomi. Adanya kebijakan pembatasan mobilitas manusia sebagai dampak dari covid tersebut, maka untuk mendapatkan barang kebutuhan yang diinginkan seseorang tidak perlu langsung mempeolehnya dari lokasi dimana barang tersebut tersedia. Konsumen cukup membuka aplikasi marketplace yang tersedia dan langsung memesan barang yang mereka butuhkan dan dalam waktu yang tidak terlalu lama barang tersebut sudah sampai. Keadaan seperti ini menyebabkan pelaku usaha yang tidak mampu menyesuaikadan diri dengan keadaan mengalami kesulitan penjualan dan pada akhirnya mengalami kebangkrutan. Beginilah kondisi yang dihadapi oleh para pelaku UMKM yang berada dibawah organisasi IWAPI Kota Depok, karena ketidakmampuan mereka beradaptasi dengan perubahan yang terjadi. Tujuan pengabdian masyarakat tim pengabdi  Politeknik Negeri Jakarta membantu pelaku UMKM yang tergabung dalam Iwapi DPC kota Depok untuk memiliki  Website yang dibuat berfungsi sebagai media informasi IWAPI Kota Depok dan yang tidak kalah penting penting adalah sebagai sarana promosi bagi produk-produk UMKM dan sekaligus menjadi marketplace.  Metode yang dilaksanakan adalah membuat media promosi dan media penjualan secara digital dengan membuat website sebagai sistem informasi yang dapat dimanfaatkan oleh semua anggota iwapi kota Depok. Selain itu, pada aspek anggota IWAPI memberikan pelatihan kepada tenaga administrasinya agar dapat mengoperasikan website tersebut agar berfungsi secara optimal sesuai tujuan awal pembuatannya. Hasil yang dicapai adalah terimplementasinya website IWAPI dengan nama domain iwapids.com dan keterampilan tenaga adminnya dalam mengelola website tersebut. Integrasi sistem tersebut diharapkan dapat menjadi media promosi yang andal bagi UMKM anggota iwapi dan sekaligus dapat meningkatkan penjualan.
Pemanfaatan Aplikasi Augmented Reality dan Teknologi Mobile sebagai Media Edukasi untuk Sekolah Dasar di Kelurahan Kebon Pedes Bogor Liliana, Dewi Yanti; Nalawati, Rizki Elisa; Marcheta, Noorlela; Agustin, Maria; Huzaifa, Malisa
Bhakti Persada Jurnal Aplikasi IPTEKS Vol. 9 No. 1 (2023): Bhakti Persada Jurnal Aplikasi IPTEKS
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/bp.v9i1.1-9

Abstract

Augmented Reality (AR) merupakan aplikasi penggabungan dunia nyata dengan dunia maya dalam bentuk tiga dimensi yang diproyeksikan dalam sebuah lingkungan nyata dalam waktu yang bersamaan atau dapat juga disebut sebagai realitas tertambah dan sering diterapkan dalam sebuah game. Dengan menggunakan AR sebagai salah satu alternatif media pembelajaran, diharapkan dalam sebuah kegiatan pembelajaran dapat lebih menarik bagi siswa. Manfaat lain yang diperoleh adalah media pembelajaran yang lebih maju dan memanfaatkan perkembangan teknologi mobile melalui smart phone. Melalui AR, maka dapat menjadi salah satu solusi untuk mengatasi modul ataupun trainer yang cukup mahal dan tidak mampu dibeli oleh sekolah. Selain itu, siswa juga tetap dapat melakukan praktikum dengan melihat barang seperti aslinya dalam bentuk virtual. Pengembangan AR sebagai media edukasi dapat diterapkan pada SD di Kelurahan Kebon Pedes, Bogor dimana dapat dijadikan motivasi dalam peningkatan minat belajar siswa. SDN Pondok Rumput dan SDN Kebon Pedes 7 merupakan sekolah dasar negeri yang ada di Kota Bogor yang sudah terakreditasi dan menerapkan IPTEK sebagai salah satu media yang mendukung proses pembelajarannnya, namun terbatas pada pemberian materi berbentuk teks dan video-video tutorial yang didapat dari youtube atau sumber lainnya. Hal tersebut menjadikan para guru harus menyesuaikan materi pembelajaran dengan ketersediaan materi yang ada di internet. Padahal seharusnya media pembelajaran sejalan dengan silabus pembelajaran di sekolah. Selain itu, minat peserta didik di masa pandemi ini semakin menurun karena antusiasme terhadap materi-materi yang umumnya berbentuk teks dirasa membosankan. Oleh karena itu, dibutuhkan teknologi yang dapat menjadi solusi masalah tersebut, salah satunya adalah penerapan konsep AR.
Pengembangan Sistem Pemantauan Sentimen Berita Berbahasa Indonesia Berdasarkan Konten dengan Long-Short-Term Memory Liliana, Dewi Yanti; Hikmah, Nadia Nurul; Harjono, Maykada
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854624

Abstract

Kementerian Komunikasi dan Informatika (Kemkominfo) memiliki tugas salah satunya untuk mengawasi konten berita yang beredar di media digital. Dengan terus bertambahnya berita online di internet, Kemkominfo dihadapkan pada permasalahan pengklasifikasian sentimen berita yang masih dilakukan secara manual dengan membaca konten berita satu persatu lalu menangkap sentimen dari berita, yaitu sentimen positif, negatif, atau netral. Hal ini sangat melelahkan dan memakan waktu mengingat volume dan kecepatan pertumbuhan berita setiap harinya semakin masif. Untuk itu diperlukan pengembangan sistem pengklasifikasi sentimen berita daring secara otomatis untuk pemantauan berita berbahasa Indonesia. Sistem pengklasifikasi secara otomatis berbasis machine learning dilakukan dengan membangun model pembelajaran dari korpus berita yang berasal dari situs berita daring. Korpus data tersebut kemudian diproses menggunakan algoritma Long Short-Term Memory (LSTM). LSTM biasa digunakan untuk menangani kasus klasifikasi dalam berbagai bidang khususnya dengan input berupa teks sekuensial. Model LSTM diimplementasikan ke dalam aplikasi berbasis web untuk menentukan jenis dari sentimen berita. Berdasarkan hasil pengujian yang dilakukan, model LSTM yang dibuat memiliki tingkat akurasi sebesar 86%. Dengan demikian implementasi LSTM mampu menjadi suatu solusi untuk mengatasi masalah pengklasifikasian sentimen berita daring secara otomatis untuk pemantauan sentimen berita di Kemkominfo. AsbtractThe Ministry of Communication and Informatics (Kemkominfo) has one duty to monitor news content circulating in digital media. With the increasing number of online news in the internet, Kemkominfo is facing the problem of classifying news sentiment which is still done manually by reading the contents of the news one by one, and then capturing the sentiment of the news; either positive, negative, or neutral. This is very exhausting and time consuming considering the volume and speed of growth of news every day is getting massive. This requires the development of an automatic online news sentiment classification system for monitoring Indonesian news. Machine learning-based automatic classification systems are carried out by building a learning model from a news corpus originating from news sites. The data is then processed using the Long Short Term Memory (LSTM) algorithm. LSTM is commonly used to handle classification in various fields especially in a sequential input. The LSTM model is implemented into a web-based application to determine the types of news sentiment. Based on the results of the tests carried out, the LSTM model created has an accuracy rate of 86%. Thus, the implementation of LSTM is potentially become a solution to overcome the problem of automatic online news sentiment classification for the news content monitoring system at the Ministry of Communication and Information.
Pengembangan Aplikasi Pendeteksi Potensi Bencana Gunung Berapi Menggunakan Pengklasifikasi Bayesian Liliana, Dewi Yanti
MULTINETICS Vol. 1 No. 1 (2015): MULTINETICS Mei (2015)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v1i1.1030

Abstract

Letak geografis Indonesia berada di pertemuan dua lempeng yaitu Asia dan Australia, menyebabkan banyak terdapat gunung berapi. Selain itu pegunungan di Indonesia didominasi oleh gunung yang aktif dan berpotensi meletus sewaktu-waktu. Kondisi tersebut mengharuskan warga negara Indonesia, khususnya yang tinggal di sekitar pegunungan berapi aktif tanggap akan bencana letusan gunung berapi. Berkembangnya sains dan teknologi informasi dapat memberi kontribusi dalam rangka mitigasi bencana geologi yang diakibatkan aktivitas vulkanik dalam bentuk aplikasi pendeteksi potensi bencana gunung berapi. Penelitian ini menghasilkan suatu aplikasi pendeteksi status gunung berapi. Data latih yang digunakan diambil dari situs Pusat Vulkanologi dan Mitigasi Bencana Gunung Berapi yang diklasifikasikan dalam tiga status yaitu normal, siaga, dan waspada. Pengklasifikasi Bayesian digunakan karena merupakan metode berbasis probabilitas yang sederhana namun handal. Berdasarkan hasil pengujian jumlah data latih terbesar mencapai tingkat akurasi 90%. Dengan demikian dapat dikatakan bahwa aplikasi pendeteksi potensi bencana gunung berapi memiliki performa yang baik dalam mengklasifikasi status gunung berapi.
Pengenalan Motif Songket Palembang Menggunakan Deteksi Tepi Canny, PCA dan KNN Hasan, Moh Arie; Liliana, Dewi Yanti
MULTINETICS Vol. 6 No. 1 (2020): MULTINETICS Mei (2020)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v6i1.2700

Abstract

Songket Palembang merupakan salah satu jenis songket ciri khas budaya Indonesia yang memiliki berbagai jenis motif. Jenis motif yang beragam menyulitkan orang awam untuk mengenali songket yang memiliki kemiripan motif. Penelitian ini bertujuan untuk mengenali 2 jenis motif songket palembang, yaitu songket bintang berante dan nampan perak. Proses klasifikasi akan melalui 3 tahap yaitu preprosesing, feature extraction dan klasifikasi. Preproses mengubah citra warna songket menjadi citra grayscale. Pada tahap ekstraksi fitur, citra grayscale ditingkatkan kontrasnya dengan histogram equalization dan kemudian menggunakan deteksi tepi Canny untuk mendapatkan pola dari motif songket tersebut. Hasil ekstraksi kemudian dikelompokkan dan diberi label sesuai motifnya dan kemudian diklasifikasikan menggunakan k-Nearest Neighbor. Hasil uji coba diperoleh akurasi tertinggi mencapai 91,67 %. 
Data Mining untuk Prediksi Status Pasien Covid-19 dengan Pengklasifikasi Naïve Bayes Liliana, Dewi Yanti; Maulana, Hata; Setiawan, Agus
MULTINETICS Vol. 7 No. 1 (2021): MULTINETICS Mei (2021)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v7i1.3786

Abstract

The Covid-19 pandemic in 2020 is a complex health problem and requires fast handling and collaborative solutions from various disciplines. Covid-19 patients who are hospitalized have different conditions and severity. This has an effect on the handling actions that will be taken by medical personnel. The large number of patients and the lack of medical personnel have resulted in the need for technology support to help classify patient status based on their conditions so that treatment is concentrated on patients who are very serious and need fast treatment. This study applies predictive techniques from data mining disciplines to classify the emergency status of patients. The Naive Bayes Classifier was applied to build a model based on a dataset of patients infected with Covid-19. The dataset of Covid-19 patients in Indonesia was obtained from www.kaggle.com and applied using RapidMiner software. The model built can predict the emergency status of patients based on age and sex who have the highest likelihood of recovering from COVID-19 and patients who have a high likelihood of continuing to undergo treatment and /or deceased. The results of this study indicates that the classification of the Naive Bayes reached 96.67% of accuracy rate in classifying patient status.
Prediksi Gender Berdasarkan Citra Mata Menggunakan Metode Convolutional Neural Network, Inception dan MobileNet Aini, Nur; Liliana, Dewi Yanti
Poltanesa Vol 23 No 1 (2022): Juni 2022
Publisher : P3KM Politeknik Pertanian Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51967/tanesa.v23i1.1272

Abstract

Gender manusia dianggap sebagai sifat demografis utama karena berbagai penggunaannya dalam domain praktis. Klasifikasi gender manusia dalam lingkungan yang tidak dibatasi adalah tugas yang rumit karena variasi besar dalam skenario gambar. Karena banyaknya gambar internet, akurasi klasifikasi menderita dari metode pembelajaran mesin tradisional. Penelitian ini bertujuan untuk mengefektifkan proses klasifikasi gender dengan menggunakan konsep transfer learning. Hasil eksperimen menunjukkan bahwa model CNN, InceptionV3 dan MobileNet menggunakan transfer learning tiga hidden layer, setiap hidden layer terdiri dari convolutional layer, aktivasi ReLU dan max-pooling dapat mengklasifikasikan citra berjenis kelamin – laki-laki dan perempuan dengan tingkat yang baik. Akurasi ini juga karena pengoptimal kinerja yang digabungkan selama pelatihan dan pengujian data menggunakan pengoptimal Adam. Hasil pengujian dan evaluasi menggunakan menghasilkan nilai loss terendah untuk model MobileNet sebesar 0,149, dan juga nilai akurasi tertinggi 0,9390. Dengan hasil percobaan ini, maka kesimpulan yang dapat diambil adalah bahwa model MobileNet memiliki tingkat akurasi yang paling tinggi dalam proses pelatihan dan pengujian. Gender manusia dianggap sebagai sifat demografis utama karena berbagai penggunaannya dalam domain praktis. Klasifikasi gender manusia dalam lingkungan yang tidak dibatasi adalah tugas yang rumit karena variasi besar dalam skenario gambar. Karena banyaknya gambar internet, akurasi klasifikasi menderita dari metode pembelajaran mesin tradisional. Penelitian ini bertujuan untuk mengefektifkan proses klasifikasi gender dengan menggunakan konsep transfer learning. Hasil eksperimen menunjukkan bahwa model CNN, InceptionV3 dan MobileNet menggunakan transfer learning tiga hidden layer, setiap hidden layer terdiri dari convolutional layer, aktivasi ReLU dan max-pooling dapat mengklasifikasikan citra berjenis kelamin – laki-laki dan perempuan dengan tingkat yang baik. Akurasi ini juga karena pengoptimal kinerja yang digabungkan selama pelatihan dan pengujian data menggunakan pengoptimal Adam. Hasil pengujian dan evaluasi menggunakan menghasilkan nilai loss terendah untuk model MobileNet sebesar 0,149, dan juga nilai akurasi tertinggi 0,9390. Dengan hasil percobaan ini, maka kesimpulan yang dapat diambil adalah bahwa model MobileNet memiliki tingkat akurasi yang paling tinggi dalam proses pelatihan dan pengujian.
Co-Authors Abdillah, Abdul Azis Agus Setiawan Andryani, Nur Afny Catur Asep Kurniawan Buce Trias Hanggara Darna Darna Deviana Sely Wita Diah Priharsari Dian Eka Ratnawati Dwi Cahya Astriya Nugraha Edistria, Ega Ermis, Iklima fatimah Fatimah Fiaji, Noveria Anggraeni Hanggara, Buce Trias Harjono, Maykada Hasan, Moh Arie Hata Maulana Hendini, Indira Putri Hikmah, Nadia Nurul Huzaifa, Malisa I Gede Surya Rahayuda I Gede Surya Rahayuda, I Gede Surya Indira Putri Hendini Isdawimah Ismiarta Aknuranda Ismiarta Aknuranda Keppi Sukesi Lailil Muflikah M Rahmat Widyanto M. Gilvy Langgawan Putra Malisa Huzaifa Marcheta, Noorlela Maria Agustin Marji Marji Metekohy , Elizabeth Y Muh. Arif Rahman Muzakki, Zahran Nalawati, Rizki Elisa Noor Hafidz Noorlela Marcheta Noveria Anggraeni Fiaji Nugraha, Dwi Cahya Astriya Nur Aini Nur Aini priharsari, diah Prima Zulvarina, Prima Putra, M. Gilvy Langgawan Putro, Mardha Haryono Ratna Widya Iswara Rezakusuma, Muhammad Rizki Elisa Nalawati Samsul Arifin Sidiq, Ilham Solimun, Solimun T. Basaruddin T. Basaruddin Zulvarina, Prima