Article Per Year (5 Year)
p-Index From 2020 - 2025
1.285
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Journal of Computer Networks, Architecture and High Performance Computing Journal of Applied Data Sciences Information System Journal (INFOS) Journal Automation Computer Information System (JACIS) JURNAL MULTIDISIPLIN BHATARA
Sri Ngudi Wahyuni, Sri Ngudi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
PEMBUATAN APLIKASI LAPORAN KINERJA ONLINE (LAKON) BERBASIS ANDROID MENGGUNAKAN METODE WATERFALL Majid, Ammar Waly; Istiqomah, Dewi Anisa; Wiratama , Bill Bilal; Guji S. U. , Fitra Jibjaya; Wahyuni, Sri Ngudi; Windarni , Vikky Aprelia
Information System Journal Vol. 7 No. 01 (2024): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2024v7i01.1528

Abstract

Kementerian Agama Kabupaten Klaten dituntut untuk memperbaiki sistem kerja khususnya dalam hal pelaporan kinerja. Sistem pengisian Laporan Capaian Kinerja Harian (LCKH) dan Sasaran Kerja Pegawai (SKP) saat ini masih dilakukan secara manual menggunakan Microsoft Excel. Untuk memperbaiki proses ini, perlu membangun aplikasi Laporan Kinerja Online (LAKON) berbasis Android. Penggunaan aplikasi LAKON dapat menambah fleksibilitas kinerja pegawai. Pegawai dapat mengisi laporan kinerja dari mana saja dan kapan saja. Pembuatan aplikasi LAKON menggunakan metode Waterfall. Alasan pemilihan metode Waterfall dalam pembuatan aplikasi LAKON yaitu tahapan dalam metode Waterfall dilakukan secara bertahap, sehingga kualitas sistem yang dihasilkan akan baik. Kontribusi dari  penelitian ini yaitu menguatkan hasil penelitian sebelumnya. Dari hasil penelitian dapat disimpulkan bahwa penulis berhasil membangun aplikasi LAKON berbasis Android dengan melalui tahapan identifikasi masalah, analisis kebutuhan, perancangan, implementasi, dan pengujian. Aplikasi LAKON dapat melakukan pengisian dan pencarian laporan kinerja secara online serta terintegrasi dengan website monitoring kinerja pegawai.
Optimizing the long short-term memory algorithm to improve the accuracy of infectious diseases prediction Sediyono, Eko; Wahyuni, Sri Ngudi; Sembiring, Irwan
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 3: September 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i3.pp2893-2903

Abstract

This study discusses the implementation of the proposed optimizedlong short-term memory (LSTM) to predict the number of infectious disease cases that spread in Central Java, Indonesia. The proposed model is developed by optimizing the output layer, which affects the output value of the cell state. This study used cases of four infectious diseases in Indonesia's Central Java Province, namely COVID-19, dengue, diarrhea, and hepatitis A. This model was compared to basic LSTM and MinMax schaler LSTM improvement to see the difference in the accuracy of each disease. The results showed a significant difference in the average prediction results with real cases between the three models. The main objectives of this study were: modifying the LSTM algorithm to predict the number of infectious disease cases to get a smaller residual value, comparing the results of the optimization accuracy of the LSTM algorithm with the LSTM algorithm in previous studies, and evaluating the use of spatial variables in applying infectious disease prediction models using the LSTM algorithm. The results found that the performance difference between the proposed optimization algorithm and the model in the previous study was obtained. The proposed LSTM optimization algorithm had an accuracy improvement of about 2% over the previous model.
Implementasi Multipe Linear Regression untuk Prediksi Data Runtun Waktu Pada Penyakit Menular Menggunakan Pendekatan Machine Learning Wahyuni, Sri Ngudi
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 11 No 2 (2024): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v11i2.7878

Abstract

Prediction modeling is one way to get prediction results that are close to their true values. Prediction and machine learning have a relationship in the process-relational approach, where it is used to improve processes, data quality, and model quality. This study aims to implement a Multiple Linear Regression (MLR) model to predict time series data, especially COVID-19 infectious diseases in Indonesia using a Machine Learning approach. This research data was taken from March 2, 2020, to November 8, 2020, and updated by the National Disaster Management Agency (BNPB). The predictive analysis uses parameters of the number of new cases, the number of recovered patients, and the number of deaths. The prediction is carried out over the next 4 days to see the short-term trend of adding new data on COVID-19 patients in Indonesia. The test results show that the R2 value in the MLR model is close to 100%, which is 4.161E+12. So that the Mean Square Error (MAE) value of the MLR model is 1,386E+12 so the MLR accuracy value is 4.1% and the accuracy value is 95.9%.
PEMBUATAN GAME BERBASIS PEMBELAJARAN MENGGUNAKAN RPG MAKER MV Wahyuni, Sri Ngudi; Andiyoko, Cia
Journal of Computer Networks, Architecture and High Performance Computing Vol. 1 No. 1 (2019): Computer Networks, Architecture and High Performance Computing
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnapc.v1i1.5

Abstract

The RPG game is one of the games are in great demand by the public because they are able to sharpen their right brain. One method used in game development is GDLC which consists of 6 phases, where each phase is arranged systematically. The aimed of this study is how to develop RPG maker game based learning for children cognitive. The analysis method is used SWOT analysis and testing method used ? and ? testing methods on 36 respondents who were taken by random and the response rate was 99.8%. The testing instrument used a questionnaire with testing parameters (1) Design consisting of music, sound, and color (2) Moral Message (3) Storyline. The test of results were 42.5% of respondents said that the development design was considered good, 44.3% of respondents said the game had a good storyline, and 56.3% of respondents stated that the Rise of the Zokai Clan game using RPG Maker MV had a good moral message.
Pengembangan Sistem Informasi Sppd Kabupaten Dogiyai Berbasis Website Menggunakan Framework Django Arbiansyah, Reynaldi; Triwidodo, Ahmad; Grafvera, Ervira Diva; Wahyuni, Sri Ngudi
Journal Automation Computer Information System Vol. 4 No. 1 (2024): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v4i1.73

Abstract

Berdasarkan hasil penelitian yang dilakukan dalam membangun Website SPPD Kabupaten Dogiyai maka dapat diambil kesimpulannya adalah: Sistem Informasi SPPD menggunakan bahasa pemrograman python dan menggunakan Framework Django sudah dapat diimplementasikan oleh seluruh ASN di Kabupaen Dogiyai. Aplikasi ini dapat menghitung anggaran yang ingin digunakan bagi pagawai yang ingin melakukan perjalanan dinas secara otomatis,  sistem ini juga dapat digunkan sebelum mencetak surat-surat yang diperlukan dalam perjalanan dinas, dan aplikasi ini dapat mempercepat dalam proses pembuatan dokumen-dokumen perjalanan dinas yang diperlukan, serta penyediaan rekap laporan dari setiap perjalanan dinas. Pengujian sistem menggunakan white dan blakbox dan hasilnya dapat diimplementasikan dengan baik di Kabupaten Dogiyai
Perbandingan Algoritma SVM dan RF pada Analisis Sentimen menggunakan Pendekatan Machine Learning Ariaji, Tristanto; Wahyuni, Sri Ngudi; Ikhsan, Muhammad
Journal Automation Computer Information System Vol. 5 No. 1 (2025): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i1.107

Abstract

Analisis sentimen tentang kelangkaan Bahan Bakar Minyak (BBM) di Indonesia merupakan salah satu cara untuk mengetahui opini masyarakat tentang kelangkaan BBM. Analisis sentimen digunakan sebagai dasar pengambilan keputusan oleh pihak berwenang sebagai upaya penyelesaian masalah, sehingga prediksi sentimen perlu dilakukan. Tujuan penelitian ini adalah melakukan perbandingan akurasi algoritma Support Vector Machine (SVM), dan Random Forest (RF) untuk analisis sentimen. Kontribusi pada penelitian ini adalah penentuan algoritma yang efektif dalam analisis sentimen Bahan Bakar Minyak di Indonesia. Adapun Tools olah data menggunakan Google Colab, dengan bahasa pemrograman Python dan  pendekatan Machine Learning. Data eksperimen menggunakan data Twitter, diambil pada tanggal 1 -30 Juli 2022 dan terkumpul 6602 data dalam bahasa inggris. Hasil eksperimen menunjukkan bahwa hasil uji SVM untuk nilai Pressision, F1-Score dan support sebesar 0.98 lalu 0,97, kemudian 0.98 dan 67, sehingga nilai akurasi secara keseluruhan SVM adalah 0.98. Sedangkan RF memiliki hasil uji nilai Pressision, Recall. F1-Score dan support sebesar 0,86 kemudian 0,99 lalu 0,92 dan 67. Sedangkan nilai akurasi secara keseluruhan RF adalah 0.90. sehingga secara keseluruhan model SVM lebih direkomendasikan untuk pemodelan prediksi khususnya analisis sentimen pada kasus kelangkaan BBM melalui data Twitter.
AMIKOM-RECSYS: Enhancing Movie Recommender System using Large Language Model (ChatGpt), Deep Learning and Probabilistic Matrix Factorization Hanafi, Hanafi; Widowati, Anik Sri; Wahyuni, Sri Ngudi
Journal of Applied Data Sciences Vol 6, No 4: December 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i4.897

Abstract

E-commerce has become one of the most widely used digital applications globally, enabling personalized product discovery and purchasing. To support these services, recommender systems are essential, offering item suggestions based on user preferences. Most recommender systems rely on machine learning algorithms to estimate user-item relevance scores, often utilizing product ratings. However, a persistent challenge in this domain is the issue of data sparsity, where only a small fraction of users provides explicit ratings, leading to reduced accuracy in recommendation results. In this study, we introduce a novel hybrid recommendation algorithm, named AMIKOM-RECSYS, designed to address the sparsity problem and enhance rating prediction. Our model integrates three main components included a Large Language Model (LLM) using ChatGPT, a Transformer-based encoder (BERT), and Probabilistic Matrix Factorization (PMF). The LLM generates descriptive information about movies based on specific prompts, which is then passed to BERT to encode the content into meaningful 2D vector representations. These enriched embeddings are subsequently utilized by the PMF algorithm to predict missing user-item ratings. We evaluate the proposed model on two benchmark datasets, ML-1M and ML-10M using Root Mean Squared Error (RMSE) as the evaluation metric. The AMIKOM-RECSYS model achieved RMSE values of 0.8681 on ML-1M and 0.7791 on ML-10M under a 50:50 data split, outperforming several baseline models including CNN-PMF, LSTM-PMF, and Attention-PMF. These results highlight the effectiveness of integrating LLM and Transformer-based contextual understanding into matrix factorization frameworks. In future work, we plan to extend this framework by incorporating other matrix factorization techniques such as Singular Value Decomposition (SVD) and integrating additional sources of user information, including social media activity, to further improve recommendation performance.
Analisis Korelasi Ketertarikan Wayang Siswa di Universitas Amikom Yogyakarta Wahyuni, Sri Ngudi; Widyawati, Rahma; Kurnia Rasyid, Muhammad Rum Andri; Widowati, Anik Sri; Fauzi, Achmad
BHATARA: Jurnal Multidisiplin Ilmu Vol 1 No 1 (2024): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v1i1.87

Abstract

Wayang kulit merupakan warisan budaya Indonesia yang sepatutnya dilestarikan oleh seluruh generasi. Keunikan dari kesenian wayang kulit tidak akan ditemukan di belahan bumi manapun kecuali Indonesia. Fokus pada studi ini adalah mengukur tingkat penerimaan mahasiswa terhadap pementasan wayang di Universitas Amikom Yogyakarta. Tujuan penelitian ini adalah mengukur korelasi dan keterkaitan dua variabel yaitu variabel ketertarikan terhadap wayang dengan jenis kelamin mahasiswa. Adapun analisis data menggunakan analisis deskriptif dengan mengambil sejumlah sample mahasiswa yang turut hadir menyaksikan pementasan wayang di Univeristas Amikom Yogyakarta. Metode penelitian pada studi ini adalah menggunakan metode kuantitatif, dengan jumlah sampel adalah 50 mahasiswa yang melihat pementasan wayang, analisis data menggunakan analisis deskriptif. Hasil pengujian menunjukkan nilai pearson correlatin<alpha maka variabel ini cukup valid dalam penelitian ini. Selanjutya nilai  Cronbach's Alphaa adalah >dibanding nilai dasar keputusan Cronbach's Alphaa  sebesar 0.6, maka variabel ini sangat reliable dalam penelitian ini. Berdasaarkan nilai r tabel maka df(50-2,0,05) sehingga df=48, 0.05 artinya nilai r pada r tabel adalah baris 48 pada alpha 0.05 sebesar 2,010635. Sehingga nilai r>nilai Pearson Corrlation, artinya tidak ada hubungan sigantara variabel jenis kelamin mahasiswa dengan ketertarikan melihat wayang siswa yang dilaksanakan di Universitas Amikom Yogyakarta.Berdasarkan hasil uji t didapatkan hasil t adalah 19.902, nilai p adalah 0,00 sehingga 19.902>0.05 hal ini memberikan asumsi bahwa terdapat perbedaan signifikan antara ketertarikan melihat wayang siswa dengan jenis kelamin mahasiswa.
Pengembangan Sistem Informasi Pengelolaan Kos Berbasis Website Dengan Menggunakan Framework Codeigniter Pada Wisma Mutiara Selaras ; Wahyuni, Sri Ngudi
BHATARA: Jurnal Multidisiplin Ilmu Vol 1 No 2 (2024): April
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v1i2.107

Abstract

Rumah kos adalah sebuah tempat tinggal yang dipergunakan oleh sebagian kelompok masyarakat atau mahasiswa sebagai tempat tinggal sementara. Rumah kos sengaja didirikan oleh pemilik rumah kos untuk disewakan kepada perorangan atau kelompok dengan sistem pembayaran perbulan maupun pertahun. Penyewaan kamar kos juga masih dilakukan secara manual sehingga menyulitkan calon penyewa. Guna memperbaiki model pengelolaan kos Wisma Mutiara Selaras, perlu dibangun sistem informasi berbasis website untuk menyediakan media pemesanan kamar kos secara online dan juga pertukaran informasi bagi calon penyewa dengan pengelola. Pada penelitian ini akan dikembangkan sistem informasi pengelolaan rumah kos Wisma Mutiara Selaras berbasis website menggunakan framework Codeigniter. Penelitian ini akan mengulas tentang pengembangan pengembangan sistem dan dampak hasil pengembangan sistem. teknik analisis dan perancangan menggunakan Unified Modeling Language (UML). Bahasa pemrograman yang digunakan adalah Hypertext Preprocessor (PHP) dan basis data MySQL. Sistem yang dibangun berhasil menyediakan fitur-fitur untuk melakukan pengawasan dan kontrol secara detail terhadap jumlah kos, biodata penghuni, fasilitas yang tersedia, harga sewa, serta lokasi rumah kos yang ditampilkan dalam peta.
Co-Authors Achmad Fauzi Andiyoko, Cia Andiyoko, Cia Arbiansyah, Reynaldi Ariaji, Tristanto Dewi Anisa Istiqomah Eko Sediyono Grafvera, Ervira Diva Guji S. U. , Fitra Jibjaya Hanafi Hanafi Irwan Sembiring Kurnia Rasyid, Muhammad Rum Andri Majid, Ammar Waly Muhammad Ikhsan Mulyatun, Sri Triwidodo, Ahmad Widowati, Anik Sri Widyawati, Rahma Windarni , Vikky Aprelia Wiratama , Bill Bilal