Article Per Year (5 Year)
p-Index From 2021 - 2026
6.53
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) snimed Edutech Jurnal Edik Informatika : Penelitian Bidang Komputer Sains dan Pendidikan Informatika Format : Jurnal Imiah Teknik Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Pengabdian Masyarakat AbdiMas Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Petir Aptisi Transactions on Management CSRID (Computer Science Research and Its Development Journal) CCIT (Creative Communication and Innovative Technology) Journal JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY JISICOM (Journal of Information System, Infomatics and Computing) Journal of Information System, Applied, Management, Accounting and Research E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Informatika TERANG : Jurnal Pengabdian Pada Masyarakat Menerangi Negeri ICIT (Innovative Creative and Information Technology) Journal Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Jurnal Sistem Komputer & Kecerdasan Buatan JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Community Development Journal: Jurnal Pengabdian Masyarakat JUKI : Jurnal Komputer dan Informatika Jurnal Abdidas Jurnal Teknik Informatika (JUTIF) International Journal Of Science, Technology & Management (IJSTM) Entrepreneurship Bisnis Manajemen Akuntansi (E-BISMA) International Journal of Engineering, Science and Information Technology Jurnal Abdimas Bina Bangsa Tridharmadimas: Jurnal Pengabdian Kepada Masyarakat Jayakarta Jurnal Minfo Polgan (JMP) Formosa Journal of Science and Technology (FJST) Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Universal Raharja Community (URNITY Journal) STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Kohesi: Jurnal Sains dan Teknologi Journal of Informatics and Information Security
Diah Aryani, Diah
Prodi Teknik Informatika, Fakultas Ilmu Komputer Universitas Esa Unggul
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 2   3   4   5   6 
PERBANDINGAN ALGORITMA KNN, NAIVE BAYES DAN SVM UNTUK KLASIFIKASI STATUS STUNTING ANAK BALITA DI PUSKESMAS SEPATAN Bashir, Pandu; Diah Aryani
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6591

Abstract

Penelitian ini membandingkan kinerja tiga Algoritma Machine Learning K-Nearest Neighbors (KNN), Naive Bayes (NB), dan Support Vector Machine (SVM) dalam mengklasifikasikan status stunting pada anak balita di Puskesmas Sepatan. Status stunting ditentukan berdasarkan indikator antropometri seperti berat badan, tinggi badan, dan usia. Penelitian menggunakan metode GridSearchCV untuk tuning hyperparameter dan mengevaluasi model berdasarkan Accuracy, Precision, Recall, F1-score, Specificity, dan ROC AUC. Hasil menunjukkan bahwa Naive Bayes memberikan performa terbaik dengan Accuracy 99,65%, Precision 99,67%, Recall 99,65%, F1-score 99,64%, Specificity 99,94%, dan ROC AUC 0,9999. Algoritma SVM dengan kernel linear berada di posisi kedua dengan akurasi 98,96% dan nilai ROC AUC sempurna (1,0000), sementara KNN memperoleh akurasi 96,36% dengan performa stabil pada kelas mayoritas namun menurun pada kelas minoritas. Secara keseluruhan, Naive Bayes terbukti sebagai algoritma yang paling optimal dalam penelitian ini, diikuti oleh SVM dan KNN. Temuan ini menunjukkan bahwa pemilihan algoritma Machine Learning sangat dipengaruhi oleh karakteristik data, khususnya distribusi kelas dalam dataset status gizi balita.
Perbandingan Performa Xception dan InceptionV1 untuk Pengenalan Ekspresi Wajah Delio, Ferdinand Defin; Aryani, Diah; Akbar, Habibullah; Yusuf, Mohamad; Triana, Yaya Sudarya
FORMAT Vol 15, No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.003

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua arsitektur Convolutional Neural Network (CNN) populer, yaitu Xception dan InceptionV1, dalam tugas pengenalan ekspresi wajah (Facial Expression Recognition/FER). Penelitian ini dilakukan dengan pendekatan transfer learning dan fine-tuning menggunakan dataset FER-2013 yang berisi 35.887 citra wajah grayscale berukuran 48×48 piksel yang diklasifikasikan ke dalam tujuh emosi dasar. Setiap citra diubah ukurannya menjadi 224×224 piksel, dinormalisasi, dan diproses dengan teknik augmentasi untuk meningkatkan generalisasi model terhadap variasi ekspresi wajah, pencahayaan, dan pose. Proses pelatihan dilakukan selama 30 epoch menggunakan optimizer Adam dengan learning rate 0.0001 dan batch size 64. Strategi fine-tuning dilakukan dengan membuka 30% lapisan atas model untuk mengoptimalkan bobot fitur yang telah dipelajari sebelumnya dari dataset ImageNet. Evaluasi kinerja dilakukan berdasarkan metrik akurasi, presisi, recall, F1-score, serta efisiensi komputasi yang diukur dari waktu pelatihan dan inferensi. Hasil eksperimen menunjukkan bahwa Xception mencapai akurasi validasi 70,69% dengan waktu inferensi rata-rata 20–25 ms, sedangkan InceptionV1 mencapai 65,80% dengan waktu inferensi 43–126 ms. Arsitektur Xception terbukti lebih efisien secara komputasi karena memanfaatkan depthwise separable convolution yang mengurangi jumlah parameter tanpa menurunkan akurasi. Temuan ini menunjukkan bahwa Xception lebih sesuai untuk aplikasi FER real-time dan perangkat dengan sumber daya terbatas, serta memberikan dasar yang kuat bagi penelitian lanjutan dalam pengembangan sistem pengenalan ekspresi wajah berbasis video dan lingkungan dunia nyata.
Pemodelan Pengaruh Risiko dengan Pendekatan Centrality dan Graph-based Learning Approach pada Transformasi Digital Kesehatan Sutejo, Bayu Sulistiyanto Ipung; Aryani, Diah; Asianto, Andriyanti
JUKI : Jurnal Komputer dan Informatika Vol. 7 No. 2 (2025): JUKI : Jurnal Komputer dan Informatika, Edisi Nopember 2025
Publisher : Yayasan Kita Menulis

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

Abstract

Penelitian ini bertujuan untuk memodelkan pengaruh risiko dalam transformasi digital kesehatan menggunakan pendekatan analisis jaringan (network analysis) dan Graph-based Learning Approach. Dataset yang digunakan terdiri dari tujuh kategori risiko utama: keamanan siber, kegagalan sistem, ketergantungan vendor, resistensi SDM, kepatuhan regulasi, integrasi sistem, dan kualitas data. Setiap kategori memiliki tingkat risiko dan strategi mitigasi yang berbeda. Untuk menentukan tingkat pengaruh sistemik setiap risiko dalam ekosistem digital kesehatan, konstruksi network graph digunakan untuk menganalisis hubungan antar risiko. Untuk melakukan ini, metrik Degree Centrality, Betweenness Centrality, dan PageRank digunakan. Hasil analisis menunjukkan bahwa Keamanan Siber, Privasi Data, dan Kepatuhan Regulasi memiliki nilai tertinggi dan PageRank tertinggi, menunjukkan betapa pentingnya hal itu untuk kestabilan sistem. Selain itu, pemetaan strategi mitigasi berbasis data memungkinkan untuk memprioritaskan tindakan pencegahan yang lebih efektif, seperti penerapan firewall, rencana pemulihan bencana, dan audit kepatuhan UU PDP. Secara keseluruhan, model ini menawarkan pendekatan komprehensif dan berbasis data untuk mengelola risiko transformasi digital kesehatan, yang mendukung pengambilan keputusan yang lebih terukur dan cerdas di era kesehatan berbasis teknologi.
Pengembangan Prototipe Aplikasi Augmented Reality (AR) untuk Pemantauan dan Analisis Kondisi Lingkungan Secara Real-Time Berbasis IoT Aryani, Diah; Akbar, Habibullah; Handayani, Indri
JUKI : Jurnal Komputer dan Informatika Vol. 7 No. 2 (2025): JUKI : Jurnal Komputer dan Informatika, Edisi Nopember 2025
Publisher : Yayasan Kita Menulis

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

Abstract

Penelitian ini bertujuan untuk mengembangkan prototipe aplikasi Augmented Reality Monitoring for Environmental Analysis (ARMAN) sebagai solusi inovatif untuk pemantauan dan analisis kondisi lingkungan secara real-time. Aplikasi ini dirancang untuk membantu masyarakat dan lembaga pemerintah dalam meningkatkan efisiensi pengelolaan lingkungan serta kesadaran akan kualitas udara, suhu, kelembaban, dan pengelolaan limbah. Sistem ARMAN dibangun melalui integrasi teknologi Internet of Things (IoT), komputasi awan, dan Augmented Reality (AR) untuk menghasilkan sistem yang interaktif, informatif, dan adaptif. Metodologi penelitian mencakup lima tahap utama, yaitu konsep, desain, pengembangan, pengujian, dan evaluasi. Sensor DHT11 dan MQ-135 digunakan untuk mendeteksi parameter suhu, kelembapan, dan kualitas udara, dan data tersebut kemudian dikirim ke Firebase Cloud Database melalui mikrokontroler ESP32 secara berkala. Data yang disimpan diproses dan ditampilkan secara visual melalui aplikasi AR berbasis Unity 3D dan SDK Vuforia, yang memungkinkan pengguna melihat informasi lingkungan dalam bentuk overlay interaktif. Selain itu, panel admin backend berbasis web disediakan untuk lembaga pemerintah atau pengelola lingkungan untuk memantau data agregat, tren, dan laporan historis dari berbagai titik sensor. Hasil uji coba menunjukkan bahwa sistem ARMAN mampu menampilkan informasi lingkungan secara real-time, akurat, dan menarik, serta mendukung kolaborasi antara masyarakat umum dan otoritas dalam pemantauan lingkungan. Penelitian ini membuktikan bahwa kombinasi teknologi IoT, cloud, dan AR dapat diimplementasikan secara efektif dalam sistem pemantauan lingkungan dan berpotensi menjadi dasar pengembangan lingkungan cerdas menuju implementasi konsep kota cerdas yang berkelanjutan.
Comparative Analysis Of On-Page And Off-Page White Hat Search Engine Optimization (SEO) Techniques On Website Popularity Aryani, Diah; Shine Pintor Siolemba Patiro; Setiawan, Aji; Tjahjono, Budi
International Journal of Science, Technology & Management Vol. 4 No. 3 (2023): May 2023
Publisher : Publisher Cv. Inara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46729/ijstm.v4i3.815

Abstract

Currently, the use of Search Engine Optimization (SEO) has become a necessity to achieve better ranking results from Search Engines known as Search Engine Optimization, which is a collection of techniques for positioning a site so that it can be indexed by search engines and get a position in search engine results—result Pages (SERPs). Based on Globalstatistics data, there has been an increase in internet users in Indonesia who search for products through the search engine market, which has reached 97.38%. This study aims to increase the visibility of a website or multi-umah web page in search results to get a higher ranking on the SERPs in the search results. search results using white hat SEO by comparing on-page techniques and off-page techniques through descriptive qualitative methods, then analyzed using Google Search Console and Google Analytics tools to understand keyword performance, behavior, and customer interests on the umahmulti.biz.id website
Penerapan Random Forest dan Content-Based Filtering pada Alokasi Tenaga Kesehatan Hipertensi Asri, Jefry Sunupurwa; Aryani, Diah; Fannya, Puteri; Dewi, Ratna
Journal of Information System Research (JOSH) Vol 7 No 2 (2026): January 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v7i2.9251

Abstract

Hypertension is a major health issue in DKI Jakarta requiring efficient resource distribution to overcome inter-regional access inequalities. This research aims to design and implement a web-based decision support system (DSS) integrating Geographic Information System (GIS) to optimize health worker allocation and determine hypertension priority areas precisely. The novelty lies in integrating a Random Forest machine learning model to predict service coverage until 2030 with Content-Based Filtering (CBF). The CBF method utilizes intrinsic regional features, including service percentages, geographical locations, and prediction trends, to generate objective health worker quota recommendations. The Random Forest model was validated using 5-Fold Cross Validation with excellent performance, showing an average R² value of 0.86 and an accurate Mean Absolute Error (MAE) of 6.7%. The system is implemented using Streamlit and Folium frameworks for geographical visualization. Research results provide contributions through priority area maps, adaptive health worker quota recommendations, and Mobile Health Clinic route simulations supporting data-driven decision-making. Through this system, policymakers can perform strategic planning to improve hypertension intervention effectiveness in Jakarta. With an integrated predictive and recommendation approach, this study is expected to become a reference in the digital transformation of public health resource allocation more equitably and accurately.
Rainfall Intensity Prediction Using LSTM and Random Forest Hybrid Model Pambudi, Ari; Aryani, Diah; Sunarto, Ronald Nur
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 20, No 1 (2026): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.109189

Abstract

Predicting rainfall accurately is essential for managing water resources and preventing hydrometeorological disasters. The unpredictability of daily rainfall patterns necessitates accurate and effective prediction methods. This study proposes a residual hybrid approach to forecast rainfall using historical rainfall data alone. To record temporal information, a Long Short-Term Memory (LSTM) model is used. patterns in the time series data and generate initial predictions. The residual, defined as the difference between actual values and LSTM predictions, is then used as the intend to use a Random Forest (RF) model for training, which learns the non-linear patterns not effectively captured by the LSTM. Although the dataset includes various meteorological variables such as temperature and humidity, this study uses only rainfall as the main input. The data is split into training and testing sets with an 80:20 ratio. Model performance is evaluated using MAE, MSE, and RMSE, with RMSE as the primary evaluation metric. Experimental results show that the LSTM-RF hybrid model consistently delivers greater accuracy of predictions in comparison to single-model approaches, demonstrating strong potential in improving the reliability of rainfall forecasting based solely on historical data.
Co-Authors Adaafi'ah, Yasinta Addaafi’ah, Yasinta Ade Setiadi Adnandi, M Arba Adrian Adrian Ahmad Fathurrozi Aji Setiawan Akbar, Habibullah Andreansyah, Tedy Ari Asmawati Ari Pambudi Arnas, Dio Hartawan Ary Budi Warsito, Ary Budi Asianto, Andriyanti Bashir, Pandu Bayu Sulistiyanto Ipung Sutejo Budi Tjahjono Damayanti, Prisila Delio, Ferdinand Defin Endi Rekarti, Endi Fannya, Puteri Fatonah, Nenden Siti Fifit Alfiah Fredy Susanto Gaol, Lasando Lumban H. Haris H. Haris Hani Dewi Ariessanti Harahap, Eka Purnama Haris Haris ., Haris Harlinda Syofyan Hendrian Hendrian Hendrian, Hendrian Herwanto, Agus Ichwani, Arief Ichyan Holilan Ilamsyah Ilamsyah Indri Handayani, Indri Ira Tyas Ningrum Izza Ilma Insyifani Jefry Sunupurwa Asri Kurnia, Rafi Zhafar Kusmawan, Dicky Luri Sesy Apriyani Malabay ., Malabay Malabay Malabay Manurung, Jhordy Noverdian Mariyana Widiastuti Martino Wibowo Martono, Aris Mohamad Yusuf Mohammed Al-shammari, Marwan Kadhim Muhamad Bahrul Ulum Muhamad Bahrul Ulum Muhamad Yusup Noviandi Noviandi Noviandi Noviandi, Noviandi Po Abas Sunarya Purnomo, Yunianto Putra, Syahrizal Dwi Putri, Dian Mustika Qurotul Aini Ramadhan, Kresna Ratna Dewi Ratnawati Susanto RR. Ella Evrita Hestiandari Ruli Supriati, Ruli Sabar Sukarno Sakina Nusarifa Tantri Saputra, Mochamad Adi Setiadi, Ade Shine Pintor Siolemba Patiro Sigit Santoso Siti Maesaroh STMIK, Author Super Sudaryono Sudaryono Sugeng Santoso Suhandi Junaedi Suharti, Dwi Sloria Sunarto, Ronald Nur Supriyono, Ignatius Agus Suryana, Endang Sutanto, Imam Syafnidawati, Syafnidawati Syahrizal Dwi Putra Syahrizal Dwi Putra Syahrizal Dwi Putra Syahrizal Dwi Putra Tiara Fanny Eldiana Ulum, M. Bahrul Untung Rahardja Verdi Yasin Wahyu, Sawali Widiarso, Rafif Tri Willi Kornellius Yaya Sudarya Triana Yose Amelia, Sabrina Yulhendri Yulhendri