Article Per Year (5 Year)
p-Index From 2021 - 2026
1.683
P-Index
This Author published in this journals
All Journal Jurnal Ekonomi Manajemen Sistem Informasi Jurnal Teknologi Informatika dan Komputer Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Pengabdian Kepada Masyarakat Abdi Putra Prosiding SENTIMETER : Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer
Gina Purnama Insany
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Public Health

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Penerapan KNN dan ANN pada klasifikasi status gizi balita berdasarkan indeks antropometri Gina Purnama Insany; Indra Yustiana; Sri Rahmawati
Computer Science and Information Technology Vol 4 No 2 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i2.5079

Abstract

Permasalahan terkait pemenuhan gizi balita masih menjadi PR di Indonesia. Data survei status gizi balita di Indonesia (SSGBI) tahun 2021 menunjukan prevalensi stunting di Indonesia mencapai 24,4%, wasted mencapai 7,1%, dan underweight mencapai 17,0%. Angka balita penderita stunting di Indonesia masih melebihi ambang batas yang di tetapkan WHO, yaitu sebesar 20%. Meskipun menurun setiap tahunnya, permasalahan gizi buruk di indonesia masih tinggi. Karena itu, pencatatan dan pengelompokan gizi balita untuk mengetahui tumbuh kembang dan gizi balita agar dapat mengurangi tingkat malnutrisi menjadi sangat penting. Salah satu cara untuk mengelompokan data adalah dengan klasifikasi. Dalam penelitian ini algoritma yang digunakan adalah algoritma K-Nearest Neighbor (k-NN) dan Artificial Neural Network (ANN). Algoritma K-Nearest Neighbors (k-NN) merupakan sebuah algoritma untuk melakukan klasifikasi berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain. Sedangkan algoritma ANN merupakan algoritma sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologi dalam otak. Penilaian status gizi balita dapat diukur berdasarkan pengukuran antropometri yang terdiri dari variabel umur, jenis kelamin, berat badan (BB) dan tinggi badan (TB). Hasil penelitian menunjukan algoritma ANN, k-NN dengan k = 3 pada dataset BB/U, BB/TB, dan TB/U, k-NN dengan k = 5 pada dataset TB/U, k-NN dengan k = 7 pada dataset TB/U memiliki nilai akurasi yang paling optimum (99%) dengan nilai error yang kecil (0.007). Model disimpan dan dimuat ke dalam web app dengan 3 kategori status gizi yaitu Berat Badan/Umur, Berat Badan/Tinggi Badan, dan Tinggi Badan/Umur.
Edukasi Kesehatan Terhadap Tumbuh Kembang Anak dan Pencegahan Stunting di Desa Cimaja Gina Purnama Insany; Senita Richia Putri; Moch. Nirmansyah; Sandra Natasya; Shanika Layung Medal Wangi; Alun Sujjada; Jamaludin Ahmad Rifai; Asep Teguh Hidayat
Jurnal Pengabdian Kepada Masyarakat Abdi Putra Vol 5 No 1 (2025): Januari 2025
Publisher : Universitas Nusa Putra & Persatuan Insinyur Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/abdiputra.v5i1.274

Abstract

Kesehatan gizi anak merupakan hal yang sangat penting bagi pertumbuhan dan perkembangan anak, ada tiga masalah gizi utama yang perlu diketahui, yaitu kekurangan gizi (wasting dan stunting), kekurangan zatgizi mikro (seperti anemia), dan kelebihan gizi (kegemukan atau obesitas). Dalam hasil survei yang dilakukan oleh kementrian Kesehatan pada tahun 2022 (SSGI 2022), terungkap bahwa di Indonesia 1 dari 12 anak balita mengalami wasting, dan 1 dari 5 anak balita menderita stunting. Program kerja yang kami lakukan adalah mengedukasi kesehatan dengan cara menstimulasi dan deteksi dini perkembangan balita dan anak dan bagaimana melakukan pemantauan perkembangannya. Metode yang dilakukan adalah mengedukasi secara langsung melalui kegiatan posyandu yang berada di Desa Cimaja Kecamatan Cikakak Kabupaten Sukabumi dan membawa tenaga ahli untuk menjelaskan dan mempraktekannya kepada masyarakat.
Implementasi Metode Kanban pada Penjadwalan Mata Kuliah Berbasis Web Juan Cerah Joseph; Alun Sujjada; Kamdan, Kamdan; Gina Purnama Insany
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 6 No. 5 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (Mei - Juni 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v6i5.5298

Abstract

Penjadwalan mata kuliah di Universitas Nusa Putra yang sebelumnya dilakukan secara manual dengan Excel sehingga pengunanya sering menghadapi kendala seperti bentrok jadwal dan alokasi ruangan yang kurang optimal. Penelitian ini mengembangkan sistem penjadwalan berbasis web menggunakan metode Kanban, dengan HTML dan Bootstrap sebagai frontend, Laravel sebagai backend, dan MySQL sebagai database. Metode Kanban dipilih karena kesederhanaan, fleksibilitas, dan kemampuan visualisasi alur kerja secara real-time. Hasil survei dengan skala Likert menunjukkan nilai rata-rata 3,7 (netral) untuk kemudahan antarmuka dan pembuatan jadwal, 3,6 (netral) untuk efektivitas mengurangi konflik jadwal, serta 4,0 (baik) untuk pengurangan pekerjaan manual dan kepuasan pengguna. Pengujian black box testing menunjukkan sistem berfungsi sesuai rencana. Implementasi sistem ini meningkatkan efisiensi dan akurasi penjadwalan, memberikan manfaat bagi dosen, mahasiswa, dan staf administrasi.
Klasifikasi Sentimen Analisis terhadap Cryptocurrency Exchange Menggunakan Naive Bayes untuk Mendukung Keputusan Investor Pemula Dila Aura Futri; Verdi Eza Irawan; Feby Alfaraby; Moh Azral Fathurrazaq; Fikri Maulana; Somantri; Gina Purnama Insany
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 3 (2024): Sentimeter 2024
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Investasi dalam cryptocurrency semakin menarik perhatian di tengah perkembangan teknologi finansial dan globalisasi. Cryptocurrency Exchange atau Bursa Pasar Mata Uang Kripto merupakan platform penting bagi para investor dalam melakukan transaksi jual beli aset kripto. Bagi investor pemula, pemahaman sentimen pasar dapat menjadi kunci untuk pengambilan keputusan yang tepat. Penelitian ini bertujuan memberikan rekomendasi kepada investor pemula dalam memilih platform Exchange Cryptocurrency, seperti Binance, KuCoin, Tokocrypto, dan Indodax, melalui analisis sentimen ulasan pengguna di Play Store. Metode penelitian mencakup enam tahap, termasuk pengumpulan data, preprocessing teks, pembobotan, pemodelan Naïve Bayes, dan evaluasi model. Hasil penelitian menunjukkan bahwa Binance memiliki sentimen positif tertinggi dengan nilai precision sebesar 0.99 dan akurasi 95%. Temuan ini dapat menjadi panduan bagi calon pengguna dalam memilih platform Exchange Cryptocurrency dan memberikan masukan bagi pengembang untuk meningkatkan kualitas aplikasi. Kesimpulannya, pemodelan sentimen analisis menggunakan Naïve Bayes memberikan hasil yang baik, dengan akurasi rata-rata lebih dari 93%.
Penerapan Metode RAD (Rapid Application Development) dalam Pengembangan Sistem Informasi Ketenagalistrikan Provinsi DKI Jakarta (SILAJA) Asep Rizki Firdaus; Gina Purnama Insany; Ivana Lucia Kharisma; Dendi Nasrulloh; Andi Nopiandi; Andi Agusti; Alida Fany Tariza Putri
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 3 (2024): Sentimeter 2024
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Penerapan aplikasi berbasis web pada era saat ini sudah sangat berkembang pesat. Sistem informasi yang terintegrasi dengan internet tentunya bisa memberikan dampak yang signifikan salah satunya pada instansi pemerintahan. Provinsi DKI Jakarta merupakan salah satu daerah dengan jumlah penduduk yang sangat padat, hampir 11 juta jiwa tinggal didaerah tersebut, yang pastinya menyebabkan tingkat konsumsi Listrik setiap harinya akan terus bertambah, maka dari itu, tentunya, dalam sudut pandang bisnis akan menjadi peluang usaha baru bagi para penyedia jasa penyediaan tenaga Listrik. Dinas ketenagakerjaan dan transmigrasi (Disnakertrans) DKI Jakarta harus melakukan manajemen pelaporan serta membuat suatu aplikasi yang mampu menampung data para pelaku usaha penyewaan jasa Listrik tersebut agar nantinya tidak terjadi pelanggaran dari para pelaku usaha tersebut. Sistem informasi ketenagalistrikan DKI Jakarta atau kita beri nama SiLaja merupakan sebuah aplikasi yang bisa memberikan kemudahan dalam menghadapi permasalahan tersebut. Aplikasi SiLaja dibuat dengan konsep Modern, mudah diakses dan untuk digunakan oleh semua kalangan, yang dilengkapi dengan berbagai fitur-fitur seperti : wajib lapor bagi para pelaku izin usaha IUPTLS / IUPTLU dan Permohonan Peminjaman Listrik sementara sehingga akan mempermudah dalam melakukan permohonan serta pelaporan. Sistem dalam aplikasi SiLaja dibangun menggunakan metode RAD atau Rapid Application Development yang mana penggunaan metode ini melibatkan pihak terkait untuk bisa langsung memberikan pendampingan dan ide kepada tim development sehingga apabila terjadi hal yang tidak sesuai maka bisa langsung diperbaiki pada saat itu juga. Dengan metode tersebut tentunya akan mempersingkat waktu pengerjaan aplikasi dan diharapkan memberikan manfaat yang besar bagi semua warga Masyarakat di wilayah DKI Jakarta.
Analisis Sentimen Media Sosial terhadap Kesehatan Mental Mahasiswa Menggunakan Algoritma Naïve Bayes Nugraha; Gina Purnama Insany; Muhammad Ilham Juardi; Kanza Salsabila; Muhammad Fadilah Nurjaman; Shanika Layung Medal Wangi
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 3 (2024): Sentimeter 2024
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Penelitian ini fokus pada analisis sentimen data media sosial menggunakan bahasa pemrograman Python. Dua tahap preprocessing, seleksi, dan transformasi data, diterapkan untuk membentuk struktur data yang lebih terorganisir. Namun, penelitian juga menganjurkan perbandingan dengan metode klasifikasi lain, seperti Naïve Bayes di Python, yang melibatkan empat tahap preprocessing: Normalisasi, Stopword, Tokenize, dan Stemming. Hasil analisis sentimen menyoroti dampak negatif pada kesehatan mental mahasiswa, terutama terkait dengan tweets negatif yang dominan. Temuan ini menggambarkan pengaruh besar media sosial terhadap kesehatan mental individu. Implikasinya memberikan pemahaman lebih mendalam tentang dinamika interaksi sosial di dunia digital dan risikonya terhadap kesejahteraan psikologis. Penelitian ini membahas pentingnya analisis sentimen dalam konteks media sosial menggunakan Python. Hasilnya menggambarkan urgensi pemahaman terhadap dampak kesehatan mental di kalangan mahasiswa akibat interaksi negatif di dunia maya. Implikasinya dapat menjadi dasar bagi tindakan pencegahan dan pemahaman lebih lanjut tentang peran media sosial dalam kesejahteraan mental
Implementasi Sistem Informasi Manajemen Laundry Berbasis Web Putri Ayu Negara; Alyanissa Putri Iskandar; Fahmi Aldian Surachman; Dita Indriawati; Gina Purnama Insany; Somantri
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 3 (2024): Sentimeter 2024
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Penelitian ini mengeksplorasi implementasi sistem manajemen laundry untuk meningkatkan efisiensi dan kualitas layanan dalam industri laundry. Melalui pendekatan kombinasi antara aplikasi online dan manajemen tradisional, penelitian ini bertujuan untuk memahami dampak sistem manajemen terhadap proses penerimaan pesanan, pencucian, pengembalian, dan pengelolaan inventori dalam usaha laundry. Metode penelitian yang digunakan melibatkan analisis data kuantitatif dan kualitatif dari operasional laundry yang telah menerapkan sistem manajemen. Hasil penelitian menunjukkan bahwa implementasi sistem manajemen memberikan peningkatan signifikan dalam efisiensi operasional, pemantauan inventori yang lebih baik, dan peningkatan kepuasan pelanggan. Selain itu, penelitian ini membahas tantangan dan peluang yang mungkin timbul selama proses implementasi, termasuk faktor teknis, keamanan data, dan adaptasi pelanggan terhadap perubahan teknologi. Temuan penelitian ini memberikan wawasan berharga bagi pemilik usaha laundry dan praktisi industri terkait untuk meningkatkan kualitas layanan dan daya saing melalui penggunaan sistem manajemen yang efektif.
Prediksi Jumlah Sampah di Kabupaten dan Kota Sukabumi dengan Metode Backpropagation Neural Network Alfiansyah Hidayat; Billy Achmad Bachrudin; Satria Junmulyana; Fadlan Nabiel; Alun Sujjada; Gina Purnama Insany
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 3 (2024): Sentimeter 2024
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Kabupaten dan kota Sukabumi merupakan salah satu kabupaten di Provinsi Jawa Barat yang memiliki jumlah penduduk yang cukup besar, penduduk Kabupaten Sukabumi pada tahun 2022 adalah 3.096.154 jiwa dan jumlah penduduk kota sukabumi pada tahun 2022 mencapai 356.410 jiwa. Oleh karena itu, perlu dilakukan prediksi jumlah sampah yang dihasilkan secara akurat agar dapat dilakukan pengelolaan sampah yang lebih baik. Penelitian ini bertujuan untuk melakukan prediksi jumlah sampah di Kabupaten Sukabumi dengan menggunakan metode backpropagation neural network (BPNN). Data yang digunakan dalam penelitian ini adalah data jumlah sampah yang dihasilkan dari tahun 2015 hingga 2020. Dengan menggunakan Backpropagation Neural Network didapatkan hasil presiksi Kabupaten Sukabumi pada tahun 2023 adalah 690,4 ton per hari, sedangkan prediksi jumlah produksi sampah di Kota Sukabumi pada tahun 2023 adalah 329,8 ton per hari dengan epoch sebesar 500. Hasil prediksi ini diharapkan dapat dijadikan acuan dalam merancang strategi, tujuan dan program pengelolaan sampah di Kabupaten dan Kota Sukabumi.
Pengembangan Sistem Pakar Berbasis Web untuk Analisis Keamanan Kandungan Skincare bagi Penderita Malassezia folliculitis Menggunakan Metode Forward chaining Amelinda Renjani; Gina Purnama Insany; Ujang Herlan; Ahmad Rofiqi; Mirza Andira N; Erik Abdul R
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 7 No 2 (2025): Agustus
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v7i2.468

Abstract

Kebutuhan akan produk perawatan kulit yang aman dan efektif semakin meningkat, terutama bagi individu yang rentan terhadap infeksi jamur Malassezia, penyebab fungal acne (Malassezia folliculitis). Penelitian ini merupakan studi pengembangan yang bertujuan untuk merancang sistem pakar berbasis web yang mampu menganalisis kandungan produk perawatan kulit guna menilai kesesuaiannya bagi kulit yang rentan terhadap fungal acne, dengan menerapkan metode forward chaining. Data dikumpulkan melalui studi literatur dari jurnal ilmiah dan sumber kedokteran terpercaya. Sistem yang dikembangkan terdiri dari tiga komponen utama: basis pengetahuan, mesin inferensi, dan antarmuka pengguna. Hasil uji coba menunjukkan bahwa algoritma forward chaining yang digunakan telah mampu mengidentifikasi bahan fungal acne-safe dan non-fungal acne-safe secara fungsional. Sistem ini diharapkan dapat membantu pengguna dalam memilih produk perawatan kulit yang aman, serta mendukung manajemen Malassezia folliculitis secara lebih tepat.
Application of Transfer Learning Method on Convolutional Neural Network (CNN) to Identify Genuine and Fake Diplomas Awaludin, Rifa; Anggun Fergina; Gina Purnama Insany
Jurnal Teknologi Informatika dan Komputer Vol. 12 No. 1 (2026): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v12i1.3295

Abstract

The authenticity of diplomas plays a crucial role in maintaining the integrity of the education system and ensuring that recognized academic competencies align with an individual's actual achievements. Diplomas are not merely administrative documents, but strategic instruments in job recruitment and professional qualification assessment. However, with increasing educational mobility, document misuse through diploma forgery is becoming increasingly prevalent, potentially undermining public trust in educational institutions. Currently, the verification process is still largely carried out manually through visual inspection of document elements such as layout and stamps. The reliance on the examiner's experience makes this method vulnerable to inconsistencies and human error, especially when dealing with fake diplomas with visual qualities that increasingly resemble genuine documents. Diploma forgery is a problem that impacts the credibility of educational institutions and the validity of academic data. Manual inspection is often inconsistent and time-consuming. This study develops a model for classifying genuine and fake diplomas using a Convolutional Neural Network (CNN) with a transfer learning scheme. The performance of the ResNet50, VGG16, and MobileNetV2 architectures is comparatively analyzed. Data preprocessing included resizing, normalization, and augmentation. Test results showed the ResNet50 architecture achieved optimal performance with 92.63% accuracy, 92.16% precision, 94.00% recall, and 93.07% F1-score. The system was implemented in a Streamlit-based web application to facilitate the verification process.
Co-Authors adang badru jaman,anggun fergina, adang badru jaman,anggun fergina Ahmad Rofiqi Alfiansyah Hidayat Alida Fany Tariza Putri Alun Sujjada Alyanissa Putri Iskandar Amelinda Renjani Andi Agusti Andi Nopiandi Asep Rizki Firdaus Asep Teguh Hidayat Awaludin, Rifa Billy Achmad Bachrudin Dendi Nasrulloh Dila Aura Futri Dita Indriawati Erik Abdul R Fadlan Nabiel Fahmi Aldian Surachman Feby Alfaraby Fikri Maulana Indra Yustiana IVANA LUCIA KHARISMA Jamaludin Ahmad Rifai Juan Cerah Joseph Kamdan Kanza Salsabila Mirza Andira N Moch. Nirmansyah Moh Azral Fathurrazaq Muhammad Fadilah Nurjaman Muhammad Ilham Juardi Nugraha Putri Ayu Negara Sandra Natasya Satria Junmulyana Senita Richia Putri Shanika Layung Medal Wangi Somantri Sri Rahmawati Ujang Herlan Verdi Eza Irawan