Article Per Year (5 Year)
p-Index From 2021 - 2026
2.598
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi InComTech: Jurnal Telekomunikasi dan Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING International Journal of New Media Technology Compiler Jurnal Berdaya Mandiri Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia Applied Science and Technology Research Journal Indonesian Journal on Data Science Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen
Irmma Dwijayanti
Universitas Jenderal Achmad Yani Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Tweet Analysis of Mental Illness Using K-Means Clustering and Support Vector Machine Kartikadyota Kusumaningtyas; Muhammad Habibi; Irmma Dwijayanti; Retno Sumiyarini
Telematika Vol 20, No 3 (2023): Edisi Oktober 2023
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v20i3.9820

Abstract

Purpose: Social media, particularly Twitter, provides a venue for individuals to share their thoughts. The public's perception of mental illnesses is often debated on Twitter. So yet, no evaluation of community tweets connected to data on mental health conditions has been performed. The purpose of this study is to examine tweets linked to mental illnesses in Indonesia in order to identify the themes of conversation and the polarity trends of these tweets.Design/methodology/approach: To address this issue, the K-Means Clustering algorithm is utilized to aggregate tweet data that is used to find themes of conversation. The emotion polarity value of each cluster result was then determined using the Support Vector Machine (SVM) approach.Findings/results: This study generated five topic clusters based on tweets about mental illness. While sentiment analysis revealed that all clusters had more negative sentiment classes than positive. Cluster 4 and Cluster 5 had the highest number of negative sentiment values. These clusters emphasize the necessity of consulting with psychiatrists and psychologists if people have mental health disorders, as well as financing for mental health disorder treatment through BPJS Kesehatan services.Originality/value/state of the art: The analysis was done in two stages: data grouping to find themes of conversation using K-Means clustering and SVM to look for positive and negative polarity values associated to twitter data about mental illness.
Tweets Classification of Mental Health Disorder in Indonesia Using LDA and Cosine Similarity Dwijayanti, Irmma; Habibi, Muhammad; Kusumaningtyas, Kartikadyota; Riyadi, Sujono
Telematika Vol 21, No 1 (2024): Edisi Februari 2024
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v21i1.10725

Abstract

Purpose: Twitter related to mental health has great potential as a medium to provide important information to the public and health organizations on a large scale, but an evaluation of tweet data related to mental health disorders has not been carried out. This study aims to classify tweet data to determine the most common mental health disorders in Indonesia based on the symptoms experienced.Methodology: The classification process is carried out using cosine similarity calculations between tweets data and keywords which are compiled based on theoretical studies and optimization of the LDA topic modeling results.Findings/result:The classification results show that the most discussed issues on Twitter are depression, bipolar, schizophrenia, dementia, and PTSD. Based on these results it can be interpreted that the level of prevalence and public attention to depressive diorders is quite high compared to other disorders. From the results of the classification, it is also possible to identify the most discussed symptoms throughthe emergence of keywords from each category.Originality: Classification is calculated based on the cosine similarity between tweets and keywords compiled from human judgement and enriched using the results of LDA topic modeling to improve classification performance
Ekstraksi Aspek Aksesibilitas untuk Peningkatan Pengalaman Pengguna Menggunakan NER dengan CNN dan LSTM Dwijayanti, Irmma; Rizqi Lahitani, Alfirna; Kusumaningtyas, Kartikadyota; Habibi, Muhammad
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.8032

Abstract

Transportasi online memberikan dampak positif bagi sebagian besar masyarakat, namun penggunaan aplikasi oleh penyandang disabilitas masih menghadapi sejumlah tantangan. Belum adanya fasilitas yang memadai dan pengalaman pengguna yang baik menjadi kendala utama. Realitas ini menunjukkan bahwa perlunya perhatian khusus terhadap prinsip aksesibilitas untuk meningkatkan pengalaman pengguna dan kenyamanan bagi penyandang disabilitas. Melalui ulasan pengguna dapat diidentifikasi aspek-aspek aksesibilitas untuk mendukung peningkatan pengalaman pengguna. Penelitian ini bertujuan mengekstraksi informasi dari ulasan pengguna terkait aksesibilitas menggunakan metode NER dengan pendekatan CNN dan LSTM. Data yang dikumpulkan melalui web scraping terdiri dari 6.255 ulasan aplikasi Gojek, Grab, Maxim, dan Indriver. Hasil evaluasi menunjukkan bahwa kedua model memiliki akurasi tinggi yaitu CNN 99,84%, dan LSTM 99,48%. Namun memerlukan perbaikan dalam mendeteksi entitas yang jarang muncul atau berkonteks kompleks. Hasil analisis menunjukkan bahwa ulasan lebih banyak membahas fitur aplikasi dan keluhan yang berkaitan dengan aksesibilitas. CNN lebih efektif dalam menangkap pola spesifik, sedangkan LSTM lebih kuat dalam menangkap variasi kata.
Analisis Tren Topik dalam Ulasan Negatif Aplikasi M-Banking Menggunakan Latent Dirichlet Allocation Kusumaningtyas, Kartikadyota; Dwijayanti, Irmma; Rizqi Lahitani, Alfirna; Habibi, Muhammad
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.8035

Abstract

Mobile banking atau M-banking menjadi semakin populer seiring dengan meluasnya penggunaan ponsel pintar. Pertumbuhan ini didorong oleh beberapa faktor, seperti kebijakan pemerintah melalui Gerakan Nasional Non-Tunai (GNTT) dan inovasi dari bank. Latar belakang penelitian ini berangkat dari pentingnya merespons keluhan pengguna terhadap aplikasi M-banking. Ulasan negatif mencerminkan masalah yang dialami pengguna dan bisa memengaruhi kepercayaan terhadap layanan. Sayangnya, platform seperti Google Play Store tidak menyediakan fitur untuk mengidentifikasi tren dari ulasan negatif. Oleh karena itu, penelitian ini menggunakan metode Latent Dirichlet Allocation (LDA) untuk memodelkan tren topik dalam ulasan negatif guna memberikan wawasan bagi penyedia layanan untuk meningkatkan kualitas aplikasi mereka. Penelitian ini dilakukan melalui beberapa tahap, dimulai dengan pengumpulan data ulasan negatif dari tiga aplikasi M-banking populer. Selanjutnya data akan melalui tahap preprocessing, meliputi: tokenizing, stopwords removal, dan stemming. Sentimen dari ulasan dianalisis menggunakan algoritma Support Vector Machine (SVM) dengan akurasi mencapai 93%, untuk memisahkan ulasan positif dan negatif. Selanjutnya, LDA digunakan untuk memodelkan topik pada ulasan negatif, dengan mengidentifikasi sejumlah topik optimal melalui Coherence Score, yang menunjukkan struktur topik yang logis dan terorganisir. Hasil penelitian menunjukkan bahwa pada BRImo, topik yang dominan adalah biaya dan kecepatan layanan aplikasi. Pada BCA mobile, pengguna lebih banyak membahas fitur dan kemudahan penggunaan aplikasi, sedangkan pada Livin’ by Mandiri, topik utama yang dibahas berkaitan dengan fitur transfer dan jam transaksi. Kesimpulan dari penelitian ini adalah bahwa metode LDA berhasil digunakan untuk menemukan tren utama dari ulasan negatif pengguna, yang diharapkan dapat membantu bank dalam meningkatkan kualitas layanan dan keamanan aplikasi mobile banking.
Klasterisasi Segmentasi Pola Penyewaan Lapangan Mini Soccer di Yogyakarta Menggunakan Algoritma K-Means Anggraini, Deviana Dyah; Aksan, Azzikra Ramadhanti; Dwijayanti, Irmma; Maulana Ridwan, Muhamad Fikry
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 23 No 1 (2025): Januari 2025
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v23i1.151

Abstract

Sepak bola mini (mini soccer) adalah cabang olahraga sepak bola yang dimainkan di lapangan berukuran lebih kecil dengan jumlah pemain lebih sedikit, sehingga menjadi pilihan populer terutama di perkotaan dengan keterbatasan lapangan besar. Namun, pengelola sering menghadapi kesulitan dalam meratakan waktu penyewaan, karena jam tertentu cenderung menjadi favorit, sementara jam lainnya kurang diminati. Penelitian ini bertujuan untuk menganalisis pola penyewaan lapangan mini soccer berdasarkan waktu penyewaan guna mendukung manajemen dalam menentukan strategi bisnis yang efektif. Penelitian ini menggunakan metode klastering dengan algoritma K-Means. Analisis dilakukan untuk mengelompokkan data penyewaan berdasarkan parameter seperti waktu mulai, durasi, dan frekuensi transaksi. Hasilnya menunjukkan data penyewaan dapat dikelompokkan ke dalam beberapa cluster, yaitu cluster tinggi dan rendah yang mencerminkan segmentasi pola penyewaan lapangan. Setiap cluster memberikan wawasan tentang perilaku penyewa, seperti waktu penyewaan paling populer, durasi rata-rata, dan preferensi hari tertentu. Informasi ini membantu manajemen merancang strategi terarah, seperti promosi atau bundling paket. Penelitian membuktikan algoritma K-Means efektif dalam memahami pola penyewaan dan mendukung pengambilan keputusan berbasis data. Implikasi hasil ini dapat meningkatkan pengelolaan operasional serta loyalitas pelanggan melalui strategi bisnis yang lebih relevan dan kompetitif.
Analisis Retensi Pengguna Mobile JKN dengan HEART Metrics dan Regresi Linier Berganda Panca, Agung Satria; Sobri, Mohammad; Dwijayanti, Irmma; Hidayatullah, Syarief
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 23 No 2 (2025): Mei 2025
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v23i2.176

Abstract

Digitalisasi layanan kesehatan mendorong BPJS Kesehatan mengembangkan platform seperti Mobile JKN sebagai layanan kesehatan digital. Meskipun aplikasi ini telah diluncurkan secara luas, Minimnya pemanfaatan aplikasi secara berulang menunjukkan tantangan dalam mempertahankan pengguna aktif. Oleh karena itu, penting untuk mengevaluasi pengalaman pengguna guna memastikan aplikasi tidak hanya diunduh, tetapi juga digunakan secara berkelanjutan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi retensi pengguna terhadap aplikasi Mobile JKN dengan pendekatan HEART Metrics, yang mencakup lima dimensi utama: Happiness, Engagement, Adoption, Retention, dan Task Success. Data dikumpulkan melalui penyebaran kuesioner kepada 107 pengguna aktif, kemudian dianalisis menggunakan regresi linier berganda. Hasil analisis menunjukkan bahwa dimensi Engagement dan Task Success memiliki pengaruh signifikan terhadap retensi pengguna, sementara dimensi lainnya tidak menunjukkan pengaruh yang signifikan secara statistik. Temuan ini mengindikasikan bahwa keterlibatan pengguna dan kemudahan dalam menyelesaikan tugas menjadi faktor penting dalam mempertahankan penggunaan aplikasi. Berdasarkan hasil tersebut, disarankan agar pengembangan aplikasi Mobile JKN difokuskan pada peningkatan interaktivitas serta penyederhanaan antarmuka guna meningkatkan kenyamanan dan loyalitas pengguna.
Evaluasi Usabilitas Fitur Pencarian Obat Pada Tiga Aplikasi Kesehatan dengan Metode SUS Mita Aprilia Damayanti; Aprilia Damayanti, Mita; Anggraeni, Deviana Dyah; Kusuma, Rekanita Yunia Restu; dwijayanti, Irmma
Jurnal Informatika Komputer, Bisnis dan Manajemen Vol 23 No 2 (2025): Mei 2025
Publisher : LPPM STMIK El Rahma Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61805/fahma.v23i2.179

Abstract

Perkembangan digitalisasi di sektor kesehatan semakin pesat, ditandai dengan kemunculan berbagai aplikasi kesehatan yang menyediakan beragam fitur untuk mendukung kebutuhan pengguna. Salah satu fitur penting yang banyak digunakan adalah fitur pencarian obat, yang berperan dalam memudahkan akses informasi bagi pengguna, terutama pengguna baru yang belum familiar dengan navigasi aplikasi. Penelitian ini bertujuan untuk mengevaluasi tingkat usability dari fitur pencarian obat pada tiga aplikasi kesehatan digital populer di Indonesia, yaitu Halodoc, Alodokter, dan Satu Sehat. Metode yang digunakan adalah System Usability Scale (SUS), yang dipilih karena sifatnya yang efisien, sederhana, dan mampu memberikan hasil kuantitatif yang mudah diinterpretasikan. Data diperoleh dari 102 responden yang merupakan pengguna baru, melalui kuesioner SUS yang terdiri atas 10 pernyataan. Hasil evaluasi menunjukkan bahwa Halodoc memperoleh skor tertinggi dengan rata-rata 82,21 (kategori Excellent), diikuti oleh Alodokter dengan skor 75,12 (kategori Good), dan Satu Sehat dengan skor 64,85 (kategori Marginal). Perbedaan skor ini menunjukkan adanya variasi signifikan dalam kemudahan penggunaan antar aplikasi. Temuan ini diharapkan menjadi dasar pertimbangan dalam pengembangan antarmuka dan navigasi fitur pencarian obat pada aplikasi kesehatan digital agar lebih ramah bagi pengguna baru.
EDUKASI LITERASI KESEHATAN MENTAL BERBASIS DIGITAL MELALUI PENGENALAN PLATFORM DETEKSI DINI PADA GENERASI Z Irmma Dwijayanti; Alfirna Rizqi Lahitani; Kartikadyota Kusumaningtyas; Muhammad Habibi; Kharisma
Jurnal Berdaya Mandiri Vol. 7 No. 1 (2025): JURNAL BERDAYA MANDIRI (JBM)
Publisher : Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jbm.v7i1.7666

Abstract

Mental health education in Z Generation still receives less attention, even though mental health disorders in adolescents can develop into serious problems if not treated early. Many students do not understand or recognize the early symptoms of mental health disorders, and there is a lack of school involvement in providing related education. Technology can be a solution to help with early detection, one of which is through the Beck Depression Inventory (BDI)-based platform from Pijar Psikologi. This activity is expected to provide an understanding of the importance of mental health and how to recognize the early symptoms of mental health disorders. Pengabdian kepada Masyarakat (PkM) activity aims to introduce early detection tools for mental health disorders for students of SMK N 02 Yogyakarta. The methods used include pre-test, socialization and dissemination of research results, the practice of using early detection platforms, and post-test. Based on the results of the comparative analysis of pre-test and post-test scores, there was an increase in participants' knowledge regarding mental health by 90%. This shows that the delivery of the material provided is effective in increasing participants' knowledge. This increase in knowledge can be the basis for students to become cadres who are directly involved in disseminating digital literacy related to the use of information technology in mental health. Keyword: mental health, mental health education, Z generation, early detection tools
Prediksi Rekomendasi Buku Berdasarkan Riwayat Peminjaman Menggunakan Collaborative Filtering Pada Perpustakaan Unjaya: Penggunaan Item-Based Collaborative Filtering untuk Meningkatkan Layanan Perpustakaan Digital Mita Aprilia Damayanti; Dini Siskasari; Syarief Hidayatullah; Rois Ali Fernandi; Irmma Dwijayanti
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 3 No. 1 (2025): Indonesian Journal On Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v3i1.1570

Abstract

Perpustakaan Universitas Jenderal Achmad Yani Yogyakarta (Unjaya) berperan penting dalam mendukung ekosistem pendidikan tinggi melalui penyediaan layanan informasi. Untuk meningkatkan relevansi dan kenyamanan layanan, penelitian ini bertujuan memprediksi rekomendasi buku berdasarkan riwayat peminjaman menggunakan metode Item-based Collaborative Filtering. Metode yang digunakan melibatkan pemrosesan data peminjaman dan koleksi buku untuk membentuk matriks kesamaan antar item menggunakan adjusted cosine similarity. Rekomendasi diberikan berdasarkan kemiripan buku dengan yang pernah dipinjam oleh pengguna. Model dievaluasi menggunakan Mean Absolute Error (MAE), dengan hasil menunjukkan nilai MAE sebesar 0.0024 dan 0.0047. Nilai MAE yang mendekati 0 ini menunjukkan bahwa model memiliki tingkat kesalahan prediksi yang sangat rendah, sehingga performa sistem dapat dikategorikan baik. Hasil penelitian membuktikan bahwa sistem mampu menghasilkan rekomendasi yang relevan, mempercepat pencarian informasi, dan mendukung peningkatan kualitas layanan perpustakaan di lingkungan perguruan tinggi. Penelitian ini diharapkan dapat berkontribusi terhadap pengembangan layanan informasi berbasis teknologi di perpustakaan pendidikan tinggi.
Mapping User Dissatisfaction in Mobile Banking Applications Using Ensemble Clustering LDA and LSA Kusumaningtyas, Kartikadyota; Lahitani, Alfirna Rizqi; Dwijayanti, Irmma; Habibi, Muhammad
IJNMT (International Journal of New Media Technology) Vol 12 No 1 (2025): Vol 12 No 1 (2025): IJNMT (International Journal of New Media Technology)
Publisher : Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/ijnmt.v12i1.3804

Abstract

Mobile banking has become one of the most popular choices compared to other online banking services. Google Play Store is an online application store platform provides a review section for users to give ratings and comments on the applications they use. Positive reviews typically contain good experiences that reflect user satisfaction, while negative reviews usually contain poor experiences that indicate complaints and user dissatisfaction. However, Google Play Store does not yet have a feature to automatically map the main topics in both positive and negative reviews. Specifically for negative reviews, this can make it difficult for developers to understand the root problems and take appropriate corrective actions. In some situations, negative reviews need to be handled more quickly. Slow handling of negative reviews can impact the decline in reputation and customer loyalty. This research aims to identify user dissatisfaction topics based on negative reviews of several popular mobile banking applications in Indonesia, namely BCA Mobile and BRImo.
Co-Authors Aksan, Azzikra Ramadhanti Alfirna Rizqi Lahitani Amsori, Trenggar S D C Anggraeni, Deviana Dyah Anggraini, Deviana Dyah Aprilia Damayanti, Mita Dedy Hariyadi Dini Siskasari Fernanda, Rois Ali Grita Supriyanto Dewi Hidayatullah, Syarief Kharisma Kharisma, Kharisma Kusuma, Rekanita Yunia Restu Kusumaningtyas, Kartikadyota Lahitani, Alfirna Rizqi Maulana Ridwan, Muhamad Fikry Mita Aprilia Damayanti Muhammad Habibi Ningrum, Almayanti Susilia Nur Iman , Khamid Pamikatsih, Mae Niken Panca, Agung Satria Purwenti, Devita Ayu Rizqi Lahitani, Alfirna Rois Ali Fernandi Setiya Darma, Catur Siskasari, Dini Sobri, Mohammad Sujono Riyadi Sumiyarini, Retno Syarief Hidayatullah Ulfi Saidata Aesyi