Article Per Year (5 Year)
p-Index From 2021 - 2026
4.529
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Transformatika Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat JIEET (Journal of Information Engineering and Educational Technology) Jurnal Sains dan Informatika Jurnal Informatika Universitas Pamulang Angkasa: Jurnal Ilmiah Bidang Teknologi KACANEGARA Jurnal Pengabdian pada Masyarakat JISKa (Jurnal Informatika Sunan Kalijaga) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Journal of Innovation in Community Empowerment (JICE) Emerging Information Science and Technology Media Riset Bisnis & Manajemen Gotong Royong : Jurnal Pengabdian, Pemberdayaan Dan Penyuluhan Kepada Masyarakat (J-P3KM) Jurnal INFOTEL Indonesian Journal on Data Science Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Teknomatika: Jurnal Informatika dan Komputer Jurnal Komtika (Komputasi dan Informatika)
Ulfi Saidata Aesyi
Universitas Jenderal Achmad Yani Yogyakarta
Religion Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
A User Recommendation Model for Answering Questions on Brainly Platform Puji Winar Cahyo; Kartikadyota Kusumaningtyas; Ulfi Saidata Aesyi
JURNAL INFOTEL Vol 13 No 1 (2021): February 2021
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v13i1.548

Abstract

Brainly is a Community Question Answer (CQA) application that allows students or parents to ask questions related to their homework. The current mechanism is that users ask questions, then other users who are in the same subject interest can see and answer it. As a reward for answering questions, Brainly gives points. The number of points varies by question. The greater of total points users have, Brainly will automatically display them in the smartest user leaderboard on the site's front page. But sometimes, some users do not have good activity in answering questions. Thus, it is possible to have an urgent question that has not been answered by anyone. This study implements Fuzzy C-Means cluster method to improve Brainly's feature regarding the speed and accuracy of answers. The idea is to create student clusters by utilizing the smartest students' leaderboard, subjects interest, and answering activities. The stages applied in this research started with Data Extraction, Preprocessing, Cluster Process, and User Recommender. The optimal number of clusters in the answerer recommendation in the Brainly platform is 2 clusters. The value of the fuzzy partition coefficient for two clusters reached 0.97 for Mathematics and 0.93 for Indonesian. Meanwhile, the results of the recommendations were influenced by answer ratings. Many numbers of the answer are not given rating because the possibility of the answers are not appropriate or user's insensitivity in giving ratings.
Rekomendasi Posting Promosi pada Sosial Media Berdasarkan Pengelompokan Hasil Penjualan Produk (Studi Kasus: Maula Hijab) Taufaldisatya Wijatama Diwangkara; Ulfi Saidata Aesyi; Netania Indi Kusumaningtyas
Jurnal Teknomatika Vol 14 No 2 (2021): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v14i2.1096

Abstract

Maula Hijab is an MSME (Small and Micro Medium Enterprises) located in Sidomoyo, Godean District, Sleman Regency, Yogyakarta Special Region Province that sells Muslim clothing products. Maula Hijab sells its products directly and through marketplace platforms such as Shopee, Lazada, and Tokopedia. In addition, Maula Hijab promotes its products through social media, one of which is Instagram. Social media is used to promote Maula Hijab products, but there is a decrease in the number of viewers reached by the Maula Hijab Instagram account. In addition, a decline in sales of Maula Hijab was found. Therefore, it is necessary to analyze the level of product promotion performance on Instagram on product sales. To analyze the two data, the Data Mining technique used in this study is K-Means Clustering. The K-Means Clustering algorithm is used to group, classify, or group a set of objects based on their attributes or features into a number of similar groups called clusters. This study aims to provide recommendations for promotion of Maula Hijab products using the K-Means Clustering algorithm. This study uses the K-Means Clustering method. The final result of this research is that 3 product clusters are produced, namely product clusters that are recommended to be promoted more often, product clusters that can be re-promoted, and product clusters that have good promotions. The recommendation system built can run to retrieve Instagram data and process the data to produce output in the form of product promotion recommendations.
Peningkatan Kompetensi Guru Melalui Pelatihan Pemrograman Aplikasi Mobil Menggunakan Flutter di SMK Muhammadiyah 1 Yogyakarta Aesyi, Ulfi Saidata; Cahyo, Puji Winar; Kharisma, Kharisma; Himawan, Arif
Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 7, No 1 (2024): Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jabdimas.v7i1.15267

Abstract

Pembelajaran di tingkat Sekolah Menengah Kejuruan lebih mengarah pada penekanan siswa untuk siap kerja. Sekolah Menengah Kejuruan (SMK) Muhammadiyah 1 Yogyakarta merupakan sekolah yang memiliki peminatan kompetensi Rekayasa Perangkat Lunak (RPL). Siswa RPL diajarkan untuk memprogram dan mengembangkan aplikasi mulai dari tingkat dasar sampai tingkat menengah. Bahasa pemrograman yang diajarkan pada peminatan Rekayasa Perangkat Lunak masih menggunakan Hypertext Preprocessor (PHP). Sedangkan untuk mengarah ke pemrograman secara mobil, bahasa pemrograman PHP tidak terlalu mendukung. Oleh karena itu dilakukan pengabdian kepada masyarakat dengan bentuk pelatihan pemrograman aplikasi mobil menggunakan platform flutter melalui bahasa pemrograman dart. Dari pelatihan yang telah dilakukan menghasilkan peningkatan yang cukup, meskipun tidak terlalu signifikan. Hasil peningkatan tersebut ditunjukan pada semua kategori penilaian, diantaranya indikator dasar pengetahuan pemrograman mobil dari 71 persen menjadi 79 persen, pemahaman penggunaan alat flutlab.io dari 33 persen menjadi 44 persen dan cara penulisan kode pemrograman mobil menggunakan dart dari 40 persen menjadi 46 persen.
Perbandingan LSTM dengan Support Vector Machine dan Multinomial Na ve Bayes pada Klasifikasi Kategori Hoax Cahyo, Puji Winar; Aesyi, Ulfi Saidata
Jurnal Transformatika Vol. 20 No. 2 (2023): January 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i2.5880

Abstract

Hoax is fake news, now massively spread through social media. The impact of hoaxes is that people's misperceptions in understanding of news are very high. With the existence of hoaxes are spreading through social media, it requires the public to think smart when receiving the news. Currently, many ways to prevent hoaxes, right now we have Fact Checker Directory Platform which is a truth platform sourced from several fact check sites. On the truth check platform, every news detected as hoaxes has been categorized into specific type of hoax, manually by the validator. For this reason, this research attempts to automatically categorize the types of hoaxes using comparation of Deep Learning with Machine Learning classifications. Deep Learning uses Long Short Term Memory Network (LSTM), while Machine Learning uses Support Vector Machine (SVM) and Multinomial Naive Bayes. Through the build model process, SVM produces the best accuracy quality of 0.74, Multinomial Na ve Bayes produces an accuracy quality of 0.62 while LSTM displays 0.49. The results of low accuracy in LSTM need to be evaluated on model architecture and data normalization during preprocessing.
Analisis Kepercayaan Masyarakat Tentang Kepolisian Indonesia di Twitter Menggunakan Latent Dirichlet Allocation (LDA) Bagas Dwi Santosa; Nurul Fatimah; Netania Indi Kusumaningtyas; Ulfi Saidata Aesyi; Herdiesel Santoso
INDONESIAN JOURNAL ON DATA SCIENCE Vol 1 No 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1198

Abstract

Kepolisian Negara Republik Indonesia merupakan instansi yang bertugas untuk menjaga ketertiban dan keamanan masyarakat, menerapkan hukum, memberikan perlindungan, dukungan dan layanan kepada warga negara guna menjaga stabilitas dalam negeri. Namun, ditengah peran dari kepolisian itu sendiri, justru banyak kasus yang menyeret beberapa anggota polisi. Hal tersebut yang membuat masyarakat ramai membicarakannya di sosial media, salah satunya Twitter. Bahkan tagar-tagar yang berkaitan dengan kasus lingkup kepolisian juga sempat trending di Twitter. Dari hal tersebut, maka perlu dilakukan analisis terhadap topik kepercayaan masyarakat terhadap kepolisian. Analisis yang dilakukan menggunakan Latent Dirichlet Allocation (LDA). Hasil dari analisis yang dilakukan yaitu kepercayaan masyarakat terhadap kepolisian berkurang atas banyaknya kasus yang dilakukan anggota polisi saat ini. Analisis yang dilakukan menggunakan Latent Dirichlet Allocation (LDA) mengungkapkan bahwa kepercayaan publik terhadap kepolisian telah terkikis secara signifikan akibat banyaknya kasus yang melibatkan anggota kepolisian. Kesimpulan ini didukung oleh prevalensi tagar terkait kepolisian dan diskusi di platform media sosial seperti Twitter.
Emojiku: Media Pengenalan Emosi berbasis Digital untuk Meningkatkan Kesadaran Emosi Siswa Disabilitas Hesty Yuliasari; Putri Pusvitasari; Ulfi Saidata Aesyi; Ardilla Mega Agustin; Lintang Sumirat; Faisal Dwi Nurwenda; Aldo Syahputra
Gotong Royong : Jurnal Pengabdian, Pemberdayaan Dan Penyuluhan Kepada Masyarakat Vol. 4 No. 1 (2024): Gotong Royong (JP3KM) Desember 2024
Publisher : Mata Pena Madani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51849/jp3km.v4i1.56

Abstract

Permasalahan emosi sering menjadi masalah bagi anak disabilitas karena tidak mampu untuk mengeluarkan emosinya secara tepat. Anak-anak sering mengeluarkan emosinya dengan perilaku yang destruktif sehingga mendapatkan penilaian negatif dari lingkungannya. Kondisi ini semakin membuat stigma negatif pada anak disabilitas. Di SLB Bangun Putra, keterbatasan media edukasi dan beban kerja guru yang cukup tinggi karena kurangnya guru membuaar interaksi intens antara guru dan siswa berkurang, sehingga ada baiknya siswa dapat mandiri sesuai dengan kemampuannya dalam mengenali emosi dan mengendalikan emosi. Tujuan dari kegiatan ini adalah untuk meningkatkan kesadaran emosi siswa disabilitas melalui pengenalan emosi berbasis media digital. Pelatihan emotional awareness di berikan pada 55 siswa disabilitas dan pelatihan manajemen stres diberikan pada 15 guru di SLB Bangun Putra Kasihan. Media digital dapat menjadi alternatif edukasi pada siswa SLB sehingga meningkatkan pemahaman secara langsung melalui tampilan gambar emosi. Selain itu, manajemen stress juuga diberikan pada guru untuk meningkatkan manajemen diri guru dalam pengelolaan stres. Berdasarkan kegiatan yang dilakukan, melalui pengenalan emosi berbasis digital, siswa SLB dapat lebih memahami kondisi emosinya dan respon orang lain sehingga dapat membantunya dalam berinteraksi.
Community perspective analysis of Yogyakarta special region using K-means algorithm Berlina, Laila Indah; Aesyi, Ulfi Saidata; Kharisma, Kharisma
Emerging Information Science and Technology Vol. 5 No. 2 (2024): November
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/eist.v5i2.24729

Abstract

This study explores community perspectives on Yogyakarta, a culturally rich region in Indonesia known as "Jogja Istimewa," "Student City," and "City of Tourism." Given the potential challenges faced by the region, the research employs the K-Means Algorithm to analyze opinions gathered from Twitter, offering a novel alternative to traditional surveys. Using a data crawling method, relevant tweets about Yogyakarta were collected and processed through preprocessing and TF-IDF to enhance word significance. The findings reveal diverse community views regarding job opportunities, culture, tourism, religious activities, stakeholder involvement, and security. The application of K-Means clustering effectively highlights the multifaceted perspectives of Yogyakarta's residents, providing valuable insights for understanding the region’s socio-cultural dynamics. 
Analisis Kepercayaan Masyarakat Tentang Kepolisian Indonesia di Twitter Menggunakan Latent Dirichlet Allocation (LDA) Bagas Dwi Santosa; Nurul Fatimah; Netania Indi Kusumaningtyas; Ulfi Saidata Aesyi; Herdiesel Santoso
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 2 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i2.1198

Abstract

Kepolisian Negara Republik Indonesia merupakan instansi yang bertugas untuk menjaga ketertiban dan keamanan masyarakat, menerapkan hukum, memberikan perlindungan, dukungan dan layanan kepada warga negara guna menjaga stabilitas dalam negeri. Namun, ditengah peran dari kepolisian itu sendiri, justru banyak kasus yang menyeret beberapa anggota polisi. Hal tersebut yang membuat masyarakat ramai membicarakannya di sosial media, salah satunya Twitter. Bahkan tagar-tagar yang berkaitan dengan kasus lingkup kepolisian juga sempat trending di Twitter. Dari hal tersebut, maka perlu dilakukan analisis terhadap topik kepercayaan masyarakat terhadap kepolisian. Analisis yang dilakukan menggunakan Latent Dirichlet Allocation (LDA). Hasil dari analisis yang dilakukan yaitu kepercayaan masyarakat terhadap kepolisian berkurang atas banyaknya kasus yang dilakukan anggota polisi saat ini. Analisis yang dilakukan menggunakan Latent Dirichlet Allocation (LDA) mengungkapkan bahwa kepercayaan publik terhadap kepolisian telah terkikis secara signifikan akibat banyaknya kasus yang melibatkan anggota kepolisian. Kesimpulan ini didukung oleh prevalensi tagar terkait kepolisian dan diskusi di platform media sosial seperti Twitter.
Sistem Chabot Layanan Informasi Mahasiswa Menggunakan Algoritma Long Short-Term Memory Arumsari, Dewi; kharisma; Aesyi, Ulfi Saidata
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 2 No. 2 (2024): Indonesian Journal On Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v2i2.1489

Abstract

In the era of globalization and rapid information flow, the demand for efficient and accurate information, especially within academic institutions, is rising. Students often face challenges in accessing educational resources and real-time information, particularly outside official working hours. Existing online information services have limitations in providing continuous access. This research focuses on developing and evaluating a student information service chatbot system at Universitas Jenderal Achmad Yani Yogyakarta (UNJAYA) using the Long Short-Term Memory (LSTM) algorithm. The primary objective is to create a system that delivers real-time, accurate, and efficient information services to students. The Machine Learning Development Cycle (MLDC) is employed in the model development process, including stages such as data collection, processing, model training, evaluation, and implementation. The system's performance is tested using a questionnaire distributed to students, with responses measured on a Likert scale. The results demonstrate a chatbot with a 97.76% accuracy rate, 98.34% precision, and 97.76% recall. The overall system evaluation yielded an average score of 3.87, categorized as good. This research concludes that the LSTM-based chatbot successfully enhances information services at the Faculty of Engineering and Information Technology, providing an innovative solution to meet student needs in real-time
Evaluasi dan Optimalisasi Penyewaan Lapangan Mini Soccer Menggunakan Business Process Improvement Anggraini, Deviana Dyah; Aksan, Azzikra Ramadhanti; Maulana Ridwan, Muhamad Fikry; Aesyi, Ulfi Saidata; anggraini, devianadyah
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 23 No 1 (2025): Januari 2025
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v23i1.159

Abstract

Pengelolaan bisnis secara manual sering kali dianggap tidak efisien. Dalam konteks penyewaan lapangan mini soccer, pengelolaan bisnis secara manual dapat memunculkan berbagai kendala seperti sulitnya mengakses informasi jadwal, lambatnya proses komunikasi, dan potensi kesalahan pencatatan jadwal. Kendala-kendala tersebut tidak hanya menghambat operasional tetapi juga menurunkan kepuasan pelanggan. Oleh karena itu, diperlukan upaya untuk meningkatkan efisiensi dan efektivitas proses bisnis penyewaan lapangan. Hal ini bertujuan untuk mengevaluasi dan mengoptimalkan proses bisnis penyewaan lapangan di salah satu tempat penyewaan mini soccer di Yogyakarta. Metode Failure Mode and Effect Analysis (FMEA) digunakan untuk mengidentifikasi potensi kegagalan dalam proses yang ada, sedangkan pendekatan Business Process Improvement (BPI) diterapkan untuk menyederhanakan dan meningkatkan efisiensi proses bisnis. Dengan mengurangi waktu pemesanan dan penggunaan lapangan hingga 83,6%, prototipe aplikasi yang dikembangkan dapat meningkatkan kecepatan dan akurasi proses bisnis. Pengujian menggunakan metode Single Ease Question (SEQ) menunjukkan bahwa proses bisnis yang disarankan lebih mudah digunakan dan memiliki tingkat kepuasan pengguna yang tinggi. Diharapkan solusi ini akan membantu pengelola lapangan meningkatkan kualitas layanan dan membantu pengambilan keputusan berbasis data.
Co-Authors Ahmad Hanafi Aksan, Azzikra Ramadhanti Aldo Syahputra Anggraini, Deviana Dyah anggraini, devianadyah Ardilla Mega Agustin Arianti, Dennis Fitri Salsabilla Arif Himawan Arif Himawan, Arif Arumsari, Dewi Asnawi, Choerun Bagas Dwi Santosa Bagas Dwi Santosa Berlina, Laila Indah Cahayana, Nika Nur Dedy Hariyadi Faisal Dwi Nurwenda Herdiesel Santoso Khabani, Muhamad Zul Kharisma Kharisma Kharisma, Kharisma Kusumaningtyas, Kartikadyota Kusumaningtyas, Netania Indi Lahitani, Alfirna Rizqi Lintang Sumirat Maria Gratiana Dian Jatiningsih Maulana Ridwan, Muhamad Fikry Muhammad Rifqi Maarif, Muhammad Rifqi Netania Indi Kusumaningtyas Noviana Wulandari Nurul Fatimah Nurul Fatimah Puji Winar Cahyo Puji Winar Cahyo Putri Pusvitasari Retantyo Wardoyo Risky Firmansyach Riyanto Tri Kurniawan Riyanto Tri Kurniawan Santosa, Bagas Dwi Taufaldisatya Wijatama Diwangkara Taufaldisatya Wijatama Diwangkara