Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Djtechno: Jurnal Teknologi Informasi Jurnal Minfo Polgan (JMP) Jurnal Masyarakat Indonesia Blend Sains Jurnal Teknik Aksi Kita: Jurnal Pengabdian Kepada Masyarakat
Fanindia Purnamasari
Universitas Sumatera Utara
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

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

Found 5 Documents
Search

 1 
PREDIKSI PENYAKIT PARKINSON MELALUI DATASET REKAM SUARA DENGAN MENGGUNAKAN ALGORITMA DEEP NEURAL NETWORK Kristina Ronalita Nainggolan; Fanindia Purnamasari; Annisa Fadhillah Pulungan
Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Article Research March 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i1.12985

Abstract

Penyakit Parkinson merupakan suatu gangguan sistem saraf kronis dan progresif yang dapat memengaruhi gerakan tubuh manusia. Pemeriksaan terhadap penyakit parkinson belum dilakukan seperti memeriksa keadaan medis pada umumnya, sehingga banyak pasien tidak menyadari bahwa mereka ternyata memiliki gejala penyakit Parkinson. Melalui pendekatan teknologi, penyakit parkinson dapat diperiksa melalui data rekam suara dari seorang pasien. Data rekam suara yang diperoleh dari dataset berupa data numerik yang kemudian perlu diproses. Data tersebut diproses dengan menggunakan pendekatan komputasi. Penelitian ini mengusulkan algoritma Deep Neural Network. Pada dataset yang diperoleh ditemukan ketidakseimbangan data sehingga diusulkan metode SMOTE (Synthetic Minority Oversampling Technique) yang digunakan sebagai teknik oversampling data. Selanjutnya diterapkan algoritma Deep Neural Network untuk memprediksi parkinson pada data tersebut dengan menggunakan parameter pada model seperti penggunaan aktivasi ReLu pada hidden layer, aktivasi sigmoid pada output layer, dropout, epochs 200, batch size 16, optimizer Adam dengan penggunaan learning rate sebesar 0.001, dan metrics accuracy, sehingga memberikan hasil akurasi sebesar 97%.
Pengelompokan Pernyataan Misogini pada Media Sosial Berbahasa Indonesia Menggunakan TF-IDF dan Algoritma K-Means Umaya Ramadhani Putri Nasution; Ikhwanuddin Nasution; Lia Silviana; Fanindia Purnamasari; Marischa Elveny; Anandhini Medianty Nababan; Stephani Uli Basa Silitonga
Blend Sains Jurnal Teknik Vol. 5 No. 1 (2026): Edisi Juli
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v5i1.1776

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola tersembunyi pada komentar media sosial berbahasa Indonesia yang berkaitan dengan misogini menggunakan pendekatan clustering. Dataset yang digunakan terdiri atas komentar yang dikumpulkan dari beberapa platform media sosial. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), serta pengelompokan data menggunakan algoritma K-Means. Penentuan jumlah klaster optimal dilakukan melalui evaluasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index, yang menghasilkan jumlah klaster optimal sebanyak lima klaster. Hasil analisis top terms menunjukkan bahwa setiap klaster memiliki karakteristik semantik yang berbeda, meliputi objektifikasi seksual eksplisit, diskursus peran gender, benevolent sexism, interaksi relasional, dan objektifikasi fisik yang dinormalisasi. Hasil penelitian menunjukkan bahwa komentar yang berkaitan dengan misogini tidak bersifat homogen, tetapi membentuk beberapa kelompok berdasarkan pola bahasa dan konteks semantik yang berbeda. Temuan ini menunjukkan bahwa kombinasi representasi fitur berbasis TF-IDF dan algoritma K-Means mampu mengungkap struktur semantik laten pada komentar media sosial yang tidak dapat direpresentasikan secara memadai melalui kategorisasi biner misogini dan non-misogini.
Enhancing Understanding of AI-Based Digital Business Through Interactive Seminars for Information Technology Students Ade Sarah Huzaifah; Rossy Nurhasanah; Fanindia Purnamasari; Dedy Arisandi; Ivan Jaya
Aksi Kita: Jurnal Pengabdian kepada Masyarakat Vol. 1 No. 4 (2025): JULI-AGUSTUS
Publisher : Indo Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63822/vk045k91

Abstract

The development of artificial intelligence (AI) technology has become a major driver in the transformation of the digital business world, including in the startup sector. However, a deep understanding of AI integration into business models remains a challenge for students, particularly in the field of Information Technology (IT). This community service activity aims to enhance the knowledge and skills of IT students in designing strategic, ethical, and sustainable AI-based digital businesses. The implementation method involves a one-day educational seminar, including presentations, interactive discussions, simulations of Business Model Canvas (BMC) development, and evaluation through questionnaires. Evaluation results showed significant improvements: understanding of the BMC increased from 41% to 89%, understanding of AI startup concepts from 54% to 92%, ability to draft a business plan from 16% to 78%, and motivation for technology entrepreneurship from 68% to 90%. These findings indicate that an applied and participatory approach in seminars is effective in developing digital entrepreneurship capacity among IT students.
Pengoptimalan Aplikasi Pemantauan Gizi Anak Upaya Mengedukasi Ibu PKK Kelurahan Limau Sundai Dalam Pencegahan Stunting Dewi Sartika Br Ginting; Siti Nur Salsabila; Rafi Fauzan Tsany Lubis; Dona Lorenza; Fanindia Purnamasari
Jurnal Masyarakat Indonesia (Jumas) Vol. 5 No. 01 (2026): Jurnal Masyarakat Indonesia (Jumas)
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jumas.v5i01.411

Abstract

Prevalensi stunting pada balita di Indonesia mencapai 31% (2022), lebih tinggi dibandingkan angka global sebesar 22,3%. Masalah kesehatan ini menuntut penanganan serius, salah satunya melalui pemanfaatan teknologi. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan aplikasi SKiDOTrack berbasis android untuk edukasi dan pemantauan gizi, guna membantu mengedukasi mitra dalam pencegahan stunting. Aplikasi ini dilengkapi fitur grafik pertumbuhan, materi edukasi kesehatan, forum diskusi, serta panel admin. Metode pelaksanaan program meliputi kerja sama mitra, survei baseline, pengembangan dan validasi materi, serta training of trainers bagi ibu-ibu PKK. Hasil penelitian menunjukkan peningkatan signifikan pada keterampilan teknologi dan pengetahuan mitra setelah pelatihan. Kemampuan navigasi aplikasi naik dari 10% menjadi 60%, pengisian data dari 20% menjadi 85%, dan pembacaan grafik dari 15% menjadi 85%. Pemahaman masyarakat terkait stunting melonjak dari 39,4% menjadi 93,14%, pengetahuan ASI dari 40% menjadi 93,33%, serta imunisasi dan MPASI dari 42,9% menjadi 90,12%. Kesimpulannya, penerapan aplikasi SKiDOTrack terbukti efektif dalam memberdayakan kader PKK dan meningkatkan literasi kesehatan, menjadikannya solusi digital yang sangat penting dan potensial untuk mempercepat penurunan angka stunting di masyarakat.
PENDEKATAN DATA-DRIVEN: CLUSTERING UNTUK SEGMENTASI KARYAWAN YANG CENDERUNG MENGALAMI ATRISI Fanindia Purnamasari
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6676

Abstract

Analisis sumber daya manusia dapat dilakukan melalui pendekatan berbasis data untuk mendukung pengambilan keputusan yang lebih efektif. Clustering, yaitu metode pengelompokan data berdasarkan kesamaan fitur tanpa label sebelumnya, merupakan salah satu teknik yang banyak digunakan. Penelitian ini bertujuan untuk menemukan pola dan mengklasifikasikan kelompok karyawan yang berpotensi mengalami atrisi berdasarkan karakteristik seperti performa kerja, masa kerja, dan data demografis. Dua algoritma clustering, yaitu K-Means dan DBSCAN, dibandingkan untuk mendapatkan hasil terbaik. Hasil penelitian menunjukkan adanya empat kelompok utama: pekerja senior dengan performa tinggi, karyawan dengan pengalaman baru, tenaga teknis berpengalaman, dan kelompok produktif dengan latar belakang pengalaman yang beragam. Proses prapemrosesan, analisis data, dan penerapan algoritma clustering dilakukan untuk menghasilkan segmentasi yang akurat. Hasil segmentasi ini diharapkan dapat menjadi dasar bagi manajemen dalam merancang strategi pengembangan SDM yang lebih tepat sasaran, serta meningkatkan efisiensi dan perencanaan SDM secara keseluruhan.  
Co-Authors Ade Sarah Huzaifah Anandhini Medianty Nababan Annisa Fadhillah Pulungan Dedy Arisandi Dewi Sartika Br Ginting Dona Lorenza Elveny, Marischa Ivan Jaya Kristina Ronalita Nainggolan Lia Silviana Rafi Fauzan Tsany Lubis Ramadhani, Umaya Rossy Nurhasanah Siti Nur Salsabila Stephani Uli Basa Silitonga