Article Per Year (5 Year)
p-Index From 2021 - 2026
1.325
P-Index
This Author published in this journals
All Journal REKAYASA Jurnal Minfo Polgan (JMP) Jurnal Ilmiah Multidisiplin (JUKIM)
Puji Sularsih
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Library & Information Science Mathematics Physics Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Metode User Centered Design dalam Merancang Tampilan Antarmuka Ecommerce Penjualan Produk Makanan Sweetbites By Caca Berbasis Website Menggunakan Aplikasi Balsamiq Mockups Remy Sanjaya; Puji Sularsih; Yeni Setiani
Jurnal Ilmiah Multidisiplin Vol. 1 No. 03 (2022): Mei : Jurnal Ilmiah Multidisiplin
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (899.684 KB) | DOI: 10.56127/jukim.v1i03.101

Abstract

Seiring dengan pesatnya kemajuan dalam dunia ilmu pengetahuan dan teknologi, sistem informasi juga mengalami kemajuan yang signifikan. Melalui e- commerce atau perdagangan elektronik, banyak orang memanfaatkan hal itu dengan baik, salah satunya untuk berbisnis di bidang kuliner. Sweetbites by Caca merupakan salah satu home industry yang memanfaatkan e-commerce dengan menjual beberapa macam produk makanan kekinian. Pemasaran produk pada toko Sweetbites by Caca hanya dengan saling memberikan informasi melalui satu pelanggan ke pelanggan lainnya dan melakukan promosi melalui aplikasi media sosial yaitu Instagram dan Whatsapp sehingga pemasaran dan penjualan produk masih belum maksimal. Tujuan dari penulisan ini adalah membuat rancangan toko online berbasis website sebagai media promosi dan penjualan produk. Perancangan tampilan antarmuka pengguna ecommerce dibuat menggunakan aplikasi balsamiq mockups 3. Tahapan dari metode user centered design terdiri dari plan the human centered process, specify the context of use, specify user and organizational requirements dan produce design solutions. Dengan menggunakan metode user centered design maka rancangan tampilan antarmuka pengguna yang dihasilkan berfokus kepada kebutuhan pengguna. Hasil rancangan tampilan antarmuka pengguna yang telah dibuat meliputi halaman utama, halaman profil, halaman kontak, halaman produk dan halaman galeri.
Pembelajaran Mendalam Pengklasifikasi Ekspresi Wajah Manusia dengan Model Arsitektur Xception pada Metode Convolutional Neural Network Purnawarman Musa; Wahid Khairul Anam; Saiful Bahri Musa; Witari Aryunani; Remi Senjaya; Puji Sularsih
Rekayasa Vol 16, No 1: April 2023
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/rekayasa.v16i1.16974

Abstract

Deep learning is a neural network that creates innovations that give computer-implanted problem-solving expertise. One of the principles of computer vision is a detection system with a vision framework that can identify things encountered in the same manner as a human vision system. Using an artificial intelligence-based Convolutional Neural Network (CNN) model with deep learning techniques, we present a face emotion identification system. The categorization of facial expressions will be utilized as the basis for a face recognition system trained using CNN. The applications are intended to use the OpenCV, Keras, and TensorFlow libraries as the backend. We were discussing the study on the best use of xception architectural models in facial expression recognition systems. Based on the results of these tests, the study obtained an increased accuracy value in training and data testing on an xception architecture model trained for facial expressions using the FER-2013 dataset, resulting in an accuracy value of 66% as well as the value of each average for precision (76%), recall (65%), and F1 score (63%).
Paradigma Klasifikasi Ragam Seni Lukis Berbasis Convolutional Neural Network (CNN) Dengan MobileNetV2 Dan Implementasi Pada Postman Melalui Flask Api Ratu Nurmalika; Makmun Makmun; Bambang Yulianto; Ichsani Mursidah; Dhian Sweetania; Puji Sularsih
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14457

Abstract

Tujuan dari penelitian ini adalah untuk membuat model klasifikasi genre seni lukis menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. MobileNetV2 dipilih karena kemampuannya untuk bekerja dengan baik meskipun digunakan pada perangkat dengan daya komputasi terbatas. Data yang digunakan dalam penelitian ini mencakup berbagai genre seni lukis yang didapatkan secara gratis melalui situs Kaggle. yang kemudian melakukan Data Preprocessing dan Augmentation. Setelah model dilatih, langkah implementasi dilakukan menggunakan framework web Flask, yang berbasis Python. Ini memungkinkan API untuk diakses melalui Postman. API ini memungkinkan pengguna mengunggah karya seni dan menerima prediksi genre sebagai tanggapan. Hasil penelitian menunjukkan bahwa model yang dikembangkan dapat mengklasifikasikan genre seni lukis dengan akurasi 82% dan kehilangan 0.4, dan bahwa Application Program Interface (API) yang dibangun dapat berfungsi dengan baik untuk menyediakan layanan prediksi. Diharapkan bahwa penerapan ini akan memberikan kontribusi yang signifikan dalam bidang analisis seni dan aplikasi teknologi dalam seni lukis, serta memberikan alat yang bermanfaat bagi kurator, seniman, dan peneliti seni.
Analisis Sentimen Pengguna pada Ulasan Game Honkai Star Rail Menggunakan Algoritma Support Vector Machine (SVM) Ichsani Mursidah; Remi Sanjaya; Bambang Yulianto; Dhian Sweetania; Puji Sularsih
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14982

Abstract

Pesatnya perkembangan industri game digital membawa dampak pada tingginya volume ulasan pengguna di berbagai platform aplikasi. Salah satu game yang mendapat perhatian besar adalah Honkai Star Rail. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap game tersebut dengan memanfaatkan algoritma Support Vector Machine (SVM). Data yang digunakan berupa 6.193 ulasan pengguna yang diperoleh melalui proses web scraping dari platform Google Play Store. Sebelum dilakukan proses klasifikasi, data diproses melalui tahapan preprocessing yang meliputi cleansing, normalisasi, tokenizing, stopword removal, dan stemming. Kemudian dilakukan pembobotan menggunakan metode TF-IDF. Proses klasifikasi menghasilkan akurasi sebesar 80%, dengan kecenderungan sentimen pengguna lebih dominan pada kategori positif. Hasil penelitian ini dapat menjadi masukan bagi pengembang game dalam meningkatkan kualitas aplikasi berdasarkan persepsi pengguna.
Klasifikasi Sentimen Google Play Store Aplikasi ChatGPT Berbahasa Indonesia Berbasis IndoBERT Ichsani Mursidah; Remi Sanjaya; Bambang Yulianto; Dhian Sweetania; Puji Sularsih
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15751

Abstract

Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi ChatGPT berbahasa Indonesia dengan memanfaatkan metode IndoBERT. Sentimen pengguna diklasifikasikan ke dalam tiga kelas, yaitu positif, negatif, dan netral. Data yang digunakan dalam penelitian ini berjumlah 25.111 ulasan yang diperoleh dari Google Play Store. Dataset tersebut kemudian melalui tahapan pra-pemrosesan teks yang meliputi text cleaning, tokenization, penghapusan stopword, normalisasi, serta stemming. Metode IndoBERT diterapkan pada proses pelabelan sekaligus klasifikasi sentimen, sementara kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT mampu mencapai nilai akurasi sebesar 89%, presisi 87%, recall 89%, dan F1-score sebesar 88%. Temuan ini mengindikasikan bahwa IndoBERT memiliki performa yang baik dan efektif dalam melakukan klasifikasi sentimen pada teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan kajian analisis sentimen berbasis Bahasa Indonesia serta menjadi referensi dalam upaya peningkatan kualitas dan pengalaman pengguna pada aplikasi ChatGPT maupun aplikasi serupa.
Co-Authors Ari Rosemalatriasari Bambang Yulianto Dhian Sweetania Ichsani Mursidah Makmun Musa, Purnawarman Ratu Nurmalika Remi Sanjaya Remi Senjaya Remy Sanjaya Saiful Bahri Musa Wahid Khairul Anam Witari Aryunani Yeni Setiani