Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal JURNAL AKADEMIKA PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer Jurnal Ilmiah Media Sisfo Building of Informatics, Technology and Science Jurnal Teknik Informatika (JUTIF)
Desi Kisbianty, Desi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
desi Kisbianty, Desi
JURNAL AKADEMIKA Vol 9 No 2 (2017): Jurnal Akademika
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat - STMIK Nurdin Hamzah Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (6.383 KB)

Abstract

Research Institution and Community Service of STIKOM Dinamika Bangsa Jambi, in executing its function, that is to manage all activity in term of research and community service is not optimum yet. One of those is at publication activity. This is caused by unproper control set in quality assurance as the benchmark of the publication activity. The goals of the research is to create quality assurance model at publication activity in Research Institution and Community Service (LPPM). The model is described by using case diagram, activity diagram and calss diagram. This kind of model is considered able to be a reference for LPPM in system building and execxuting quality assurance internally in STIKOM Dinamika Bangsa Jambi. Keywords : Quality Assurance, Information System, Publication, UML
Eksperimen Layer Pooling menggunakan Standar Deviasi untuk Klasifikasi Dataset Citra Wajah dengan Metode CNN Pratama, Yovi; Rasywir, Errissya; Fachruddin, Fachruddin; Kisbianty, Desi; Irawan, Beni
Building of Informatics, Technology and Science (BITS) Vol 5 No 1 (2023): June 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v5i1.3604

Abstract

Deep Learning, especially the Convolutional Neural Network (CNN) has proven to be reliable in processing data from various programming language platforms by utilizing deep learning. In this study, we modified it by calculating the statistical variance. The modifications made are replacing calculations on the Pooling Layer which generally use two formulas, namely max pooling and average pooling. We use the standard deviation to change the reduced image intensity value. With the research experiments built, it is expected to be able to perform facial recognition as an indicator for testing modifications. The Layer Pooling experiment uses the Standard Deviation for Classifying Face Image Datasets with the CNN Method, including the type of dataset used is the Aberdeen dataset https://pics.stir.ac.uk/2D_face_sets.htm. From the results of the experiments conducted, it was found that the highest value was using the Elu activation function and the Adagrad optimizer worth 77.844% for max pooling and 79.844% for pooling with a standard deviation. The Cellu activation function and the RMSprop optimizer are 77.986% for max pooling and 75.986% for pooling with a standard deviation. The highest score with the Softplus activation function and the Sgd optimizer is 77.844% for max pooling usage and 76.344% for pooling with standard deviation. The Tanh activation function and the Adadelta optimizer are 87.844% for max pooling and 85.844% for pooling with a standard deviation. The Elu activation function and the Adam optimizer are 87.853% for the use of max pooling and 85.285% for pooling with a standard deviation. By using the Elu activation function and the Adamax optimizer, the value is 87.842% for max pooling and 86.242% for pooling with a standard deviation. The highest score is using the Elu activation function and the Nadam optimizer with a value of 87.845% for max pooling usage and 86.345% for using standard deviation calculations as pixel pooling. From all experiments it was stated that the use of pooling with the highest value technique or max pooling still gave a better value than using the standard deviation calculation with the best tuning results using the Elu activation function and Adam's Optimiser, which was 87.853%.
Implementasi Framework TOGAF ADM Bagian Kemahasiswaan Universitas Dinamika Bangsa Jambi Sika, Xaverius; Astri, Lola Yorita; Kisbianty, Desi; Setiawan, Roby; Irawan
Jurnal Ilmiah Media Sisfo Vol 18 No 1 (2024): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2024.18.1.1453

Abstract

Tidak diragukan lagi, pemanfaatan teknologi informasi yang memadai adalah bagian penting dari sistem pendidikan. Hal ini disebabkan karena sistem informasi dapat mempercepat pekerjaan, membuat pekerjaan lebih efektif, dan membuat pemangku kepentingan dapat membuat keputusan dengan cepat. Namun, pada kenyataannya, tidak banyak perguruan tinggi yang menggunakan sistem informasi dalam semua aspeknya. Ini juga berlaku untuk Universitas Dinamika Bangsa Jambi. Walaupun ada beberapa sistem informasi, bagian kemahasiswaan tidak memiliki yang khusus untuk menunjang proses bisnis yang sedang berlangsung. Akibatnya, penelitian ini menghasilkan cetak biru yang terdiri dari enam aplikasi yang dapat digunakan sebagai pedoman untuk pengembangan sistem informasi dengan berpedoman pada kerangka kerja TOGAF ADM, khususnya pada fase preliminary, fase visi arsitektur, fase arsitektur bisnis, fase arsitektur sistem informasi, dan fase teknologi.
Perancangan Sistem E-Voting Pemilu Raya Mahasiswa Di Universitas Dinamika Bangsa Sika, xaverius; Pratama, Yovi; Riyadi, Willy; Kisbianty, Desi; Zulia, Restutik
Jurnal Ilmiah Media Sisfo Vol 18 No 2 (2024): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2024.18.2.1990

Abstract

Pemilihan umum Badan Eksekutif Mahasiswa (BEM) di Universitas Dinamika Bangsa (UNAMA) saat ini masih menggunakan sistem manual yang rentan terhadap kesalahan penghitungan, memakan waktu, dan membatasi partisipasi mahasiswa. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengimplementasikan sistem e-voting berbasis website menggunakan framework Laravel. Sistem e-voting yang dikembangkan akan terintegrasi dengan Sistem Informasi Akademik (SIAKAD) untuk memverifikasi identitas pemilih dan memastikan setiap mahasiswa hanya memiliki satu hak suara. Laravel dipilih karena kemudahan pengembangan dan fitur-fiturnya yang mendukung pembuatan aplikasi web yang dinamis dan aman. Fitur-fitur utama sistem ini meliputi pendaftaran pemilih secara otomatis dari SIAKAD, proses voting yang sederhana dan cepat, serta penghitungan suara secara real-time. Dengan menggunakan sistem e-voting berbasis Laravel, diharapkan dapat meningkatkan akurasi hasil pemilihan, mempercepat proses rekapitulasi suara, serta meningkatkan partisipasi mahasiswa. Selain itu, sistem ini juga dapat mengurangi biaya penyelenggaraan pemilihan dan meningkatkan transparansi proses pemungutan suara.
PENGEMBANGAN DAN PENGUJIAN ASPEK USABILITY PADA SISTEM INFORMASI PERPUSTAKAAN (STUDI KASUS: STIKOM DINAMIKA BANGSA JAMBI) SETIAWATI, AYU; RAHIM, ABDUL; KISBIANTY, DESI
Jurnal PROCESSOR Vol 13 No 1 (2018): Jurnal Processor
Publisher : LPPM Universitas Dinamika Bangsa

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

Abstract

Pengembangan sistem informasi perpustakaan dalam bentuk prototipe yang selanjutnya diuji dengan usability testing menggunakan SUS (Sytem Usability Scale) akan menghasilkan prototipe yang telah memenuhi aspek usability untuk direkomendasikan, selain itu rekomendasi juga diberikan untuk permasalahan yang terdapat pada sistem informasi perpustakaan yang telah diimplementasikan dengan melakukan pengelompokkan terhadap komponen-komponen heuristik. Pengembangan menghasilkan prototipe fitur pengusulan buku, bantuan dosen/mahasiswa, pengelolaan usulan buku, dan bantuan admin. Dengan melibatkan 30 responden, hasil pengujian prototipe menunjukkan keberhasilan menjalankan skenario diatas 90% serta mendapat nilai SUS sebesar 70 untuk acceptable ranges menunjukkan bahwa prototipe yang diujikan berada pada posisi marginal high, untuk grade scale berarti bernilai D, dan untuk adjective ratings dapat dikatakan Good dan telah berada diatas nilai rata-rata yaitu 68. Dilakukan perbaikan prototipe berdasarkan saran responden, serta rekomendasi untuk permasalahan yang ada pada sistem yang sedang diimplementasikan berdasarkan aspek heuristik dari jurnal relevan, sehingga penelitian ini dapat menjadi rujukan pengembang perpustakaan untuk merancang sistem informasi yang sesuai dengan standar usability.
Optimized RoBERTa–DeBERTa Ensemble for Multi-Class Sentiment Analysis on Highly Imbalanced Data Sika, Xaverius; Kisbianty, Desi; Istoningtyas, Marrylinteri; Abidin, Dodo Zaenal; Toscany, Afrizal Nehemia
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 2 (2026): JUTIF Volume 7, Number 2, April 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.2.5350

Abstract

Multi-class sentiment analysis on highly imbalanced datasets poses substantial challenges for achieving accurate and equitable classification, particularly when neutral sentiments are considerably underrepresented. This study evaluates four fine-tuned transformer models—Bidirectional Encoder Representations from Transformers (BERT), DistilBERT, RoBERTa, and DeBERTa—using a real-world Amazon review dataset comprising over 20,000 user-generated texts. Sentiment labels were derived from star ratings through a standardized mapping scheme. Experimental results show that while BERT achieved the highest overall accuracy (93%), its performance on the minority Neutral class remained limited (F1-score: 0.36). DeBERTa improved Neutral recall to 0.59 but with a slightly lower overall accuracy of 91%. To address this imbalance, two ensemble strategies were explored: a fixed-weight soft voting scheme and an optimized-weight ensemble combining RoBERTa and DeBERTa. The optimized RoBERTa–DeBERTa ensemble yielded the most balanced performance, achieving a Neutral-class F1-score of 0.57 while maintaining 91% overall accuracy. ROC and PR curve analyses further indicate superior sensitivity–precision balance for this optimized ensemble. The findings indicate that adaptive ensemble weighting can substantially enhance minority-class detection under severe imbalance. This study provides a clear methodological contribution by demonstrating the effectiveness of targeted ensemble optimization and offers practical guidance for developing more balanced and reliable sentiment classification systems.
Co-Authors Abdul Rahim Abidin, Dodo Zaenal Afrizal Nehemia Toscany Astri, Lola Yorita Yorita Beni Irawan Errissya Rasywir Fachruddin Fachruddin Fahlevi YS, Ahmad Irawan Iskandar, Fendy Istoningtyas, Marrylinteri Lola Yorita Astri, Lola Yorita M Irwan Bustami ROBY SETIAWAN SETIAWATI, AYU SIKA, XAVERIUS WILLY RIYADI Yorita Astri, Lola Yovi Pratama Zainal Muttaqin Zulia, Restutik