Article Per Year (5 Year)
p-Index From 2021 - 2026
2.041
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Buana Ilmu JISA (Jurnal Informatika dan Sains) Jumat Informatika: Jurnal Pengabdian Masyarakat Jurnal Sisfotek Global Scientific Student Journal for Information, Technology and Science Jurnal Informatika Teknologi dan Sains (Jinteks)
Ayu Ratna Juwita
Universitas Buana Perjuangan Karawang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Penerapan Algoritma Machine Learning untuk Mengklasifikasikan Polusi Udara di Wilayah DKI Jakarta Muhammad Arya Suhendi; Tatang Rohana; Jamaludin Indra; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Polusi udara di DKI Jakarta merupakan masalah serius dengan tingkat polusi tertinggi di Asia Tenggara. Sumber utama polusi udara berasal dari sektor transportasi, industri, dan pembakaran sampah. Keterbatasan sistem pemantauan konvensional mendorong pemanfaatan kecerdasan buatan, khususnya algoritma machine learning, untuk meningkatkan akurasi klasifikasi kualitas udara. Penelitian ini membandingkan performa empat algoritma, yaitu Support Vector Machine (SVM), Gradient Boosting, Random Forest, dan Decision Tree, dalam mengklasifikasikan tingkat polusi udara di Jakarta. Dataset yang digunakan terdiri atas 1.675 data Indeks Standar Pencemar Udara (ISPU) yang diperoleh dari Dinas Lingkungan Hidup Jakarta selama periode Januari hingga November 2024. Parameter yang digunakan meliputi PM10, PM2.5, SO₂, CO, O₃, dan NO₂. Proses penelitian mencakup tahapan pembersihan data, normalisasi, reduksi dimensi menggunakan Principal Component Analysis (PCA), pembangunan model melalui pembagian data latih dan data uji dengan rasio 80:20, serta evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa seluruh algoritma menghasilkan tingkat akurasi yang tinggi. Algoritma Random Forest mencapai performa terbaik dengan akurasi sebesar 93,71%, diikuti oleh Decision Tree sebesar 93,41%, Gradient Boosting sebesar 92,81%, dan Support Vector Machine sebesar 92,51%. Temuan ini mendukung penerapan machine learning sebagai solusi yang efektif untuk pemantauan polusi udara di Jakarta.
Klasifikasi Kesegaran Buah Jeruk Medan Berdasarkan Warna dan Tekstur Menggunakan Algoritma K-Nearest Neighbor Daffa Rifqi Abyansyah; Ayu Ratna Juwita; Euis Nurlaelasari; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Jeruk merupakan tanaman hortikultura yang sangat dikenal di berbagai belahan dunia. Buah jeruk sangat populer di Indonesia dan banyak dikonsumsi. Konsumen sehari-hari yang awam tentang pertanian sering mengalami kesulitan dalam mengklasifikasikan kesegaran buah jeruk. Banyak orang awam kesulitan membedakan jeruk segar dari yang sudah tidak layak konsumsi hanya berdasarkan tampilannya. Penelitian ini mengimplementasikan algoritma K-Nearest Neighbor (KNN) untuk klasifikasi kesegaran buah jeruk berdasarkan fitur warna dan tekstur. Data yang digunakan sebanyak 435 citra buah jeruk yang diklasifikasikan ke dalam tiga kelas, yaitu Segar, Kurang Segar, dan Busuk. Proses penelitian meliputi tahapan preprocessing, ekstraksi fitur, pengujian model menggunakan algoritma K-Nearest Neighbor (KNN), serta evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model K-Nearest Neighbor (KNN) dengan nilai K = 5 menghasilkan akurasi tertinggi sebesar 85%. Penelitian ini menunjukkan efektivitas algoritma tersebut sebagai alat bantu deteksi kesegaran buah jeruk.
Komparasi Kinerja K-Means dan K-Medoids dalam Klasterisasi Kelompok Keluarga Berisiko Stunting Seluruh Desa di Jawa Barat Wildan Gusty Sakhril Amin; Ahmad Fauzi; Cici Emilia Sukmawati; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Stunting merupakan masalah gizi kronis yang masih menjadi tantangan besar di Indonesia. Provinsi Jawa Barat memiliki prevalensi stunting sebesar 21,7%, sehingga menjadi provinsi dengan prevalensi stunting tertinggi kedua di Pulau Jawa. Untuk mendukung upaya pencegahan stunting, penelitian ini bertujuan mengelompokkan desa-desa di Jawa Barat berdasarkan kelompok keluarga berisiko stunting menggunakan algoritma K-Means dan K-Medoids, serta mengevaluasi performa kedua algoritma tersebut. Penelitian ini menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Hasil penelitian menunjukkan bahwa algoritma K-Means membentuk tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 106 desa, dan klaster tinggi sebanyak 9 desa. Sementara itu, algoritma K-Medoids juga menghasilkan tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 105 desa, dan klaster tinggi sebanyak 14 desa. Hasil evaluasi menunjukkan bahwa algoritma K-Means memiliki performa yang lebih baik dengan nilai Silhouette Score sebesar 0,9278 dan Davies–Bouldin Index (DBI) sebesar 0,9380 dibandingkan algoritma K-Medoids, yang memperoleh nilai Silhouette Score sebesar 0,9233 dan DBI sebesar 1,0699. Penelitian ini diharapkan dapat membantu pemerintah dalam menentukan prioritas intervensi stunting secara lebih tepat sasaran serta menjadi referensi dalam pengembangan metode klasterisasi menggunakan algoritma K-Means dan K-Medoids.
Kompetensi Digital Guru-Guru Pesantren Al-Kautsar Melalui Pelatihan Teknologi Pendidikan Cici Emilia Sukmawati; Ayu Ratna Juwita; Nurul Latifah; Nova Pustita Khairani
Jumat Informatika: Jurnal Pengabdian Masyarakat Vol. 6 No. 1 (2025): April
Publisher : LPPM Universitas KH. A. Wahab Hasbullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/abdimasif.v6i1.5633

Abstract

The digital literacy skills of teachers in Islamic boarding schools are still low, especially in the use of technology to support learning activities and academic administration. One of the challenges faced is the lack of skills in using word processing software to systematically compile teaching materials and academic documents. This community service aims to improve the digital competence of Islamic boarding school teachers through training in the use of word processing software. The method used is a participatory approach with stages of planning, implementation of training based on direct practice, and evaluation through pre-tests and post-tests. This activity involves Islamic boarding school teachers as the main participants who receive intensive training in document creation and formatting, table management, and the use of automation features such as mass mailings and tables of contents. The results of the community service show an increase in participants' skills in operating word processing software, as indicated by an increase in post-test scores compared to the pre-test. In addition, this training also resulted in significant social changes, such as increased digital literacy of teachers, the emergence of individuals who act as mentors for colleagues, and the adoption of technology in academic administration. This program proves that a direct practice-based approach is effective in improving the digital skills of Islamic boarding school teachers. For the sustainability of the program, it is recommended that there be further training, a mentoring system between teachers, and technological infrastructure support so that the implementation of digital skills can take place optimally and sustainably.
Co-Authors Adi Rizky Pratama Ahmad Fauzi Ahmad Zaelani Aldo Zamaludin Fernando Antika Zahrotul Kamalia Bayu Padilah Chorirotun Cholifah Daffa Rifqi Abyansyah Diah Nurlaila Dwi Sulistya Kusumaningrum Elsa Elvira Awal Euis Nurlaelasari Hananto, Agustia Hanny Hikmayanti Handayani Indra, Jamaludin Maharina Maharina Mudzakir, Tohirin Al Muhamad Irfan Fadillah Muhammad Arya Suhendi Nova Pustita Khairani Nurul Latifah Oktavia Nursyahbani Ruwirohi, Jan Everhard Sukmawati, Cici Emilia Sutan Faisal Tatang Rohana Wildan Gusty Sakhril Amin