Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Sains dan Ilmu Terapan JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer
Rani Megasari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Implementasi Algoritma Extreme Learning Machine pada Prediksi Aktivitas Badai Geomagnetik Irsyad Prawira; Rani Megasari; Eki Nugraha; Anton Winarko
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25121

Abstract

Badai geomagnetik merupakan gangguan yang terjadi di magnetosfer bumi, akibat adanya aktivitas matahari yang dapat berdampak pada infrastruktur listrik di bumi. Sebagai peringatan dini, Lembaga Penerbangan dan Antariksa Nasional (LAPAN) di Indonesia memiliki kegiatan rutin untuk memprediksi kemungkinan terjadinya badai tersebut dalam rentang waktu 24 jam ke depan. Namun pada tahun 2015, hasil prediksi badai geomagnetik yang dilakukan secara manual oleh LAPAN hanya mendapatkan akurasi sebesar 57.14%. Oleh karena itu, penelitian ini mengusulkan pemanfaatan metode Extreme Learning Machine (ELM) dengan inisiasi bobot dan bias input secara acak sehingga memiliki waktu eksekusi cepat dalam melakukan prediksi badai geomagnetik, yang bertujuan untuk mendapatkan nilai prediksi secara otomatis dengan nilai akurasi yang dapat dijadikan sebagai pendukung keputusan. Data penelitian yang digunakan meliputi data coronal hole, coronal mass ejection, solar wind dan indeks Dst pada tahun 2011 hingga 2016. Hasil penelitian ini menunjukkan algoritma ELM memiliki tingkat akurasi yang lebih besar dalam memprediksi badai geomagnetik tahun 2015, dengan nilai 57.80822%. Meskipun memiliki selisih akurasi yang kecil, namun pemanfaatan ELM ini dapat membantu prediksi badai geomagnetik secara otomatis. Secara umum, algoritma ELM yang dibangun dalam penelitian ini memiliki nilai rata-rata akurasi prediksi tertinggi sebesar 69.9055%.
Penerapan Association Rules Menggunakan Algoritma Apriori Pada Sistem Rekomendasi Pemilihan Resep Obat Berdasarkan Data Rekam Medis Abdul Aziz Priatna; Rani Megasari; Jajang Kusnendar
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25185

Abstract

Peningkatan kunjungan pasien di rumah sakit terutama pasien rawat jalan, berdampak pada meningkatnya pekerjaan yang harus dilakukan oleh petugas rumah sakit, khususnya apoteker. Peningkatan tersebut menyebabkan lambannya pelayanan resep obat di rumah sakit. Selain itu pencatatan rekam medis yang masih dilakukan secara manual juga turut menjadi penyebab hal ini terjadi, karena kurangnya pengetahuan akan standar format penulisan resep sehingga membuat para apoteker sulit untuk membaca obat yang di resepkan oleh dokter. Oleh karena itu, penelitian ini mengusungkan penerapan teknik association rules dengan menggunakan algoritma apriori yang bertujuan untuk membuat sistem rekomendasi pemilihan resep obat. Dataset yang digunakan berupa data rekam medis RSAU Dr. M. Salamun tanggal 24 Juli 2017 hingga 29 Juli 2017. Sistem yang dibangun diharapkan dapat membantu dokter untuk menemukan pola asosiatif dari kombinasi penyakit dan obat-obatan yang direkomendasikan, serta akan secara otomatis terhubung dengan sistem yang digunakan apoteker dalam melakukan pelayanan resep obat. Hasil dari penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi obat-obatan dari data rekam medis dengan nilai rata-rata akurasi sebesar 89%.
Sistem Pencatatan Kehadiran Pertemuan Berbasis Mobile dengan Metode Pengembangan Spiral Irsad Harfiansah Shodiq; Rani Megasari; Muhammad Nursalman
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25187

Abstract

Pertemuan merupakan kegiatan yang sering dilakukan untuk tujuan tertentu. Di dalam pertemuan, kehadiran menjadi faktor penting untuk dicatat. Pencatatan kehadiran biasanya dilakukan secara manual yang memakan waktu dan tenaga, atau menggunakan alat khusus berbasis biometrik yang menelan biaya dan tidak cocok untuk pertemuan dinamis. Dengan ponsel pintar yang semakin umum digunakan, pencatatan kehadiran kini dapat dilakukan dengan bantuan aplikasi mobile. Untuk itu, penelitian ini membuat sebuah aplikasi pada platform Android yang dapat mendaftarkan jadwal pertemuan penggunanya, dan mencatatkan kehadiran dengan beberapa parameter seperti lokasi, anggota, dan trust. Penelitian menghasilkan sistem pencatatan kehadiran pertemuan dan parameter yang perlu ada untuk membangun sistem ini. Pengujian dilakukan dengan metode black box menunjukan seluruh fitur dan fungsi berjalan semestinya.
Meningkatkan Berpikir Komputasi Siswa Melalui Aktivitas Unplugged: Studi Action Research pada Binary Search Trees Andy Agustian; Elisa Rosa; Rangga Destian; Lala Septem Riza; Muhammad Nursalman; Rasim Rasim; Rani Megasari; W. Wahyudin
Jurnal Sains dan Ilmu Terapan Vol. 7 No. 2 (2024): Jurnal Sains dan Ilmu Terapan
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jsit.v7i2.916

Abstract

Computational thinking is an essential skill in the digital age that includes problem solving, data analysis, and understanding algorithms. Unplugged activities, which introduce the concept of computing without electronic devices, are an effective and inclusive alternative in education, especially in environments with limited access to technology. This study aims to investigate the improvement of students' computational thinking through unplugged activities focusing on Binary Search Trees (BST). The method used is action research with the Kurt Lewin model, involving 42 6th grade elementary school students. The ISTE instrument was used to measure computational thinking skills. The results showed an increase in computational thinking skills, with 14.29% of students still not developing, 83.33% of students starting to develop, and 2.38% of students developing as expected. In conclusion, unplugged activities focusing on BST can significantly improve students' computational thinking skills, offering an innovative teaching method that can be applied in various educational contexts.
Pengembangan Sistem Monitoring Prestasi Mahasiswa Berbasis Data Management Framework Mia Karisma Haq; Rani Megasari; Prasetyo Nugroho, Eddy
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.485

Abstract

The issue of limited structured data has often hindered the role of academic advisors in effectively monitoring students’ participation and achievements. At Universitas Pendidikan Indonesia (UPI), student achievement data, both academic and non-academic, is still largely processed manually through forms or online messaging groups, which does not support comprehensive analysis. This study aims to develop a Student Achievement Monitoring System based on the Data Management Framework (DAMA-DMBOK) to ensure that data management is standardized, integrated, and supports data-driven decision-making. The research method includes data collection through literature studies, observation, and interviews; designing the data architecture; formulating key performance indicators (KPIs); developing data visualization and reporting features; and evaluating data management maturity using the Data Management Maturity Assessment (DMMA). The implementation results show that the system has successfully increased the maturity level of data management in key areas such as Data Modeling and Design, Data Storage and Operations, Data Integration & Interoperability, Metadata Management, and Business Intelligence, reaching the Optimizing level. With its analytical dashboard, reporting features, and dynamic data filters, the system supports academic advisors in monitoring student achievement more accurately, continuously, and in a well-documented manner. This study is expected to serve as a reference for developing more adaptive and integrated student achievement monitoring systems at the study program level in higher education institutions.
Analisis Sentimen dan Pemodelan Topik pada Post tentang Merek Teknologi di X Menggunakan Fine-tuning IndoBERT dan BERTopic Muhammad Rayhan Nur; Yudi Wibisono; Rani Megasari
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.508

Abstract

Media sosial telah menjadi wadah bagi konsumen untuk menyampaikan persepsi dan opini. Opini yang beredar tersebut berpotensi menjadi sumber data yang berharga bagi brand, termasuk Xiaomi, dalam memahami persepsi publik terhadap produk mereka. Penelitian ini bertujuan untuk menganalisis sentimen dan mengidentifikasi topik diskusi pada unggahan (post) mengenai merek teknologi Xiaomi di platform X (sebelumnya Twitter) dengan pendekatan berbasis Transformer. Dua metode utama yang digunakan adalah fine-tuning IndoBERT untuk model klasifikasi sentimen dan BERTopic untuk pemodelan topik. Data yang berhasil dikumpulkan sebanyak 10.130 post dari bulan Mei 2023 hingga Mei 2025 yang dilanjutkan menuju tahapan praproses serta pelabelan. Model klasifikasi dilatih dengan berbagai kombinasi konfigurasi hyperparameter, dengan hasil pengujian terbaik menghasilkan nilai accuracy 79,8%, precision 73,0%, recall 67,7%, dan f1-score (macro) sebesar 0,699. Distribusi sentimen dalam data menunjukkan dominasi sentimen netral, sedangkan BERTopic berhasil menghasilkan 16 cluster topik dengan rata-rata nilai coherence (C_v) sebesar 0,5437. Topik paling dominan dengan jumlah anggota cluster terbanyak membahas mengenai produk Xiaomi Series dan Poco. Sementara itu, topik dengan persentase sentimen negatif tertinggi berkaitan dengan layanan service center dan sentimen positif tertinggi mengenai produk komputer tablet (tab) Xiaomi. Penggabungan hasil analisis sentimen dan topik memberikan pemahaman yang lebih mendalam terhadap isu yang dibicarakan serta persepsi konsumen. Penelitian ini membuktikan bahwa kombinasi IndoBERT dan BERTopic efektif dalam menganalisis opini konsumen di media sosial serta memberikan wawasan strategis yang relevan bagi perusahaan untuk mengidentifikasi kekuatan dan potensi peningkatan yang dapat dilakukan.
Unsupervised Clustering of Handwritten Essay Answer Images Using Vision Transformer Mohamad Asyqari Anugrah; Yaya Wihardi; Rani Megasari
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.517

Abstract

This study explores the use of deep clustering methods to automatically group handwritten essay answer sheets based on their visual patterns. Feature extraction was performed using three backbone models: ResNet-50, Vision Transformer (ViT-base), and Tr-OCR. These features were then clustered using two unsupervised algorithms—K-means (with k=5) and HDBSCAN (with minimum cluster size = 10). To enhance clustering performance, a deep clustering approach was implemented by applying K-means iteratively to refine feature representations. Evaluation was conducted both quantitatively, using Silhouette Score, Davies-Bouldin Index, and Calinski- Harabasz Score, and qualitatively, through t-SNE visualizations and cluster content inspection. The ViT and Tr-OCR backbones outperformed CNN-based ResNet-50, achieving higher cluster cohesion and separation. Notably, the final clustering result using ViT with HDBSCAN reached a Silhouette Score of 0.772, Davies-Bouldin Index of 0.369, and Calinski-Harabasz Score of 408.006. The findings indicate that vision transformer-based models are more effective for unsupervised grouping of handwritten visual data. This approach can assist educators in accelerating and objectifying the grading process and may serve as a foundation for future automated essay evaluation systems integrating OCR and NLP techniques.
Co-Authors Abdul Aziz Priatna Andy Agustian Anton Winarko Eki Nugraha Elisa Rosa Irsad Harfiansah Shodiq Irsyad Prawira Jajang Kusnendar Lala Septem Riza Mia Karisma Haq Mohamad Asyqari Anugrah Muhammad Nursalman Muhammad Rayhan Nur Prasetyo Nugroho, Eddy Rangga Destian Rasim Rasim W. Wahyudin Wibisono, Yudi Wihardi, Yaya