Article Per Year (5 Year)
p-Index From 2020 - 2025
5.096
P-Index
This Author published in this journals
All Journal Voteteknika (Vocational Teknik Elektronika dan Informatika) JOIV : International Journal on Informatics Visualization International Journal of Artificial Intelligence Research JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Jurnal Mantik Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Informatika dan Sistem Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Pendidikan dan Teknologi Indonesia Journal of Information Technology (JIfoTech) Jurnal Abdimas Bina Bangsa COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science DEVOTE: Jurnal Pengabdian Masyarakat Global Jurnal INFOTEL SmartComp SAINTEK Infact: Jurnal Sains dan Komputer Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) UPGRADE: Jurnal Pendidikan Teknologi Informasi
Haeni Budiati
Universitas Kristen Immanuel
Humanities Automotive Engineering 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 Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
Implementasi Metode K-Nearest Neighbor Pada Sentimen Masyarakat Terkait Pelaksanaan KTT G20 Lase, Anan Sosmita; Berutu, Sunneng Sandino; Budiati, Haeni
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1236

Abstract

Indonesia is the first Asian country to be appointed to lead the 20th global summit (G20 Summit) and it will be held in Bali, Indonesia. The successful implementation of the G20 Summit attracted public attention, triggering various kinds of public sentiment (opinion) regarding the G20 Summit. With public sentiment, the government can find out the views or opinions of the public regarding the G20 Summit that has been held. Public sentiment can be in the form of positive sentiment or negative sentiment, for this reason a process of classification and analysis of these sentiments is needed. The process of classifying public sentiment starts from the problem identification process, then crawling data to retrieve Tweets from Twitter, data preprocessing to process data, data labeling, KNN-based model training, classification model testing and evaluation. The results of the sentiment analysis show the results of the accuracy of 97.75% accuracy, 100% precision and 97.71% recall.Keywords: Sentiment analysis; K-Nearest Neighbor, G20 summit implementation AbstrakIndonesia merupakan negara Asia pertama yang di tunjuk untuk memimpin Konferensi Tingkat Tinggi Global 20 (KTT G20) dan dilaksanakan di bali, Indonesia. Terlaksananya KTT G20 sukses menarik perhatian publik sehingga memicu munculnya berbagai macam sentimen (opini) masyarakat mengenai KTT G20. Dengan adanya sentimen masyarakat pemerintah dapat mengetahui bagaimana pandangan ataupun opini masyarakat terkait KTT G20 yang telah di laksanakan. Sentimen masyarakat dapat berupa sentimen positif ataupun sentimen negatif, untuk itu di perlukan proses klasifikasi dan analisis terhadap sentimen tersebut. Proses pengklasifikasian sentimen masyarakat di mulai dari proses identifikasi masalah, lalu crawling data untuk mengambil tweet dari Twitter, preprocessing data untuk mengolah data, pelabelan data, training model berbasis KNN, uji model klasifikasi dan evaluasi. Hasil analisis sentimen menunjukkan tingkat akurasi 97,75%, presisi 100% dan recall 97,71%.Kata kunci: Analisis sentimen; K-Nearest Neighbor; Pelaksanaan KTT G20
Klasifikasi Usia Berdasarkan Citra Wajah Menggunakan Algoritma You Only Look Once Niasiska, Niasiska; Himamunanto, Agustinus Rudatyo; Budiati, Haeni
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i4.6802

Abstract

Pengenalan usia adalah tugas yang penting dalam berbagai aplikasi, termasuk keamanan, pengawasan anak, dan pemasaran. Penelitian ini berfokus untuk membuat sebuah model klasifikasi usia ke dalam lima golongan yaitu balita, anak-anak, remaja, dewasa dan manula berdasarkan citra wajah menggunakan algoritma You Only Look Once (YOLO). Datasets terdiri dari 500 data citra wajah yang telah melalui proses anotasi data, pelatihan model deteksi citra wajah dengan YOLO, pemabagian data kelas, pelatihan model klasifikasi dengan YOLO, dan evaluasi model. Hasil analisis menunjukan bahwa metode You Only Look Once (YOLO) dapat mengklasifikasi usia menjadi lima golongan yaitu balita, anak-anak, remaja, dewasa, dan manula dengan performa akurasi 76%.
IMPLEMENTASI SOLAR PUMP UNTUK IRIGASI LAHAN PERTANIAN PADA KELOMPOK TANI " EKO MULYO" PRAMBANAN Budiati, Haeni; Setyowati, Emerita; Jacobus, Liefson
Jurnal Abdimas Bina Bangsa Vol. 5 No. 2 (2024): Jurnal Abdimas Bina Bangsa
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/jabb.v5i2.1295

Abstract

The "Eko Mulyo" Madurejo Prambanan Sleman farming group has 12 hectares of dry rice fields. Farmers who are economically well off usually build drilled wells and use generators for irrigation during the dry season, while less well off farmers only use existing irrigation. Water quotas sometimes do not reach the land. As a result, rice production decreases during the long dry season. To overcome this problem, a solar water pump was installed. Solar water pump components include a solar module to convert solar radiation into electrical energy, a pump controller to control the pump and a submersible water pump to pump groundwater to the surface. Solar pump systems can be monitored in real time using a pump scanner installed on a smartphone. The results of the monitoring system were a water discharge of 1.5-1.6 m3/hour with the total water pumped over 8 days was 91.8 m3 and the total energy produced was 0.85 kWh. The advantages of using solar pump were more economical and efficient in pumping water because it uses renewable energy
PENERAPAN METODE DECISION TREE PADA SENTIMEN MEDIA SOSIAL TERKAIT KOMISI PEMILIHAN UMUM (KPU) SEBELUM DAN SESUDAH PILPRES 2024 Veren, Yolanda; Berutu, Sunneng Sandino; Budiati, Haeni
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5532

Abstract

Pemilihan Presiden 2024 di Indonesia menandai momen krusial dalam dinamika politik negara. Penelitian ini mengamati perubahan pandangan masyarakat terhadap Komisi Pemilihan Umum (KPU) sebelum dan setelah Pilpres 2024 dengan menerapkan metode klasifikasi Decision Tree. Dataset yang digunakan terdiri dari 5794 (tambahin tanggal) tweet yang telah melewati serangkaian tahap, mulai dari crawling, pre processing data, terjemahan, pelabelan, klasifikasi, hingga evaluasi model. Hasil analisis menunjukkan bahwa sebelum Pilpres 2024, sentimen positif mencapai 39.98%, sentimen netral sebesar 38.39%, dan sentimen negatif sebesar 21.63%. Setelah Pilpres 2024, terjadi peningkatan dalam sentimen positif menjadi 45.45%, sedangkan sentimen netral mengalami penurunan menjadi 36.67%, dan sentimen negatif juga mengalami penurunan menjadi 17.87%. Berdasarkan dataset Komisi Pemilihan Umum (KPU) setelah Pilpres 2024 akurasi prediksi meningkat menjadi 67, dengan sentimen netral memiliki presisi sebesar 70. Sedangkan berdasarkan dataset pada Komisi Pemilihan Umum (KPU) setelah Pilpres 2024, recall untuk sentimen positif adalah 69, sementara f1-score untuk sentimen netral adalah 72.
PERANCANGAN APLIKASI DETEKSI CORAK KAIN TRADISIONAL BERBASIS ANDROID Gulo, Eniria; Budiati, Haeni; Sumihar, Yo’el Pieter
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5566

Abstract

Perkembangan teknologi era digital telah memberikan peluang baru untuk pelestarian warisan budaya, khususnya dalam hal dokumentasi dan promosi tekstil tradisional. Salah satu tantangan utama adalah kehilangan informasi mengenai nilai dan makna di balik pola tekstil tradisional hal ini disebabkan karena kurangnya alat yang memadai untuk mengidentifikasi dan menginterprestasikan motif tersebut secara akurat. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi berbasis android yang dapat mengenali pola tekstil tradisional dengan menggunakan teknologi pemrosesan gambar dan kecerdasan buatan. Metode yang digunakan meliputi pungumpulan data gambar tekstil, pelatihan model kecerdasan buatan menggunakan Teknik deep learning, dan pengembangan antar muka pengguna. dengan metode pengolahann data Convolutional Neural Network (CNN) yang efektif dalam pengenalan pola visual, dan pengembangan antarmuka pengguna. Hasil dari penelitian ini diharapkan dapat menjawab bagaimana teknologi modern dapat dimanfaatkan untuk mendukung pelestarian, pemahaman, dan promosi warisan budaya tekstil, serta meningkatkan kesadaran masyarakat luas terhadap kekayaan budaya yang terwakili melalui motif tekstil tradisional.
KLASIFIKASI KALIMAT PERUNDUNGAN PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Nauli, Sumitta; Berutu, Sunneng Sandino; Budiati, Haeni; Maedjaja, Febe
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5749

Abstract

Cyberbullying menjadi masalah yang semakin serius, terutama dengan meningkatnya media sosial dan teknologi. Twitter adalah sebagai salah satu media digital yang kerap dijadikan ajang untuk memunculkan tekanan dari sesama pengguna. Dalam riset yang dilakukan, teknik Support Vector Machine (SVM) akan diterapkan untuk membuat klasifikasi terhadap tweet sebagai tujuannya. Crawling data digunakan untuk mengumpulkan data pelatihan, yang kemudian diproses dengan melakukan tokenisasi, pembersihan data, dan TF-IDF untuk pembobotan kata. Kata-kata yang membentuk sebuah frasa memiliki fungsi sebagai fitur. Untuk menentukan model klasifikasi yang ideal, teknik SVM dikembangkan dengan memanfaatkan beberapa jenis kernel dan parameter yang berbeda. Klasifikasi tweet dilakukan berdasarkan aspek fisik dan non-fisik. Dataset yang digunakan terdiri dari 2752 data, dengan 568 kategori bullying, 2183 kategori non bullying, dan 428 untuk aspek fisik, 132 untuk aspek non-fisik. Klasifikasi terbaik ditunjukkan melalui kernel Linear yang memiliki perbandingan 90:10, menghasilkan 89,47% akurasi, 57,14% recall, 100% presisi, serta 72,72% f1-score. Perolehan riset membuktikan yaitu nilai parameter tertentu dan model teknik SVM oleh esensi linear mahir mengklasifikasikan kalimat perundungan pada Twitter dengan akurasi yang tinggi. Penelitian ini memberikan kontribusi dalam upaya mendeteksi dan menangani perundungan siber pada platform media sosial.
RANCANG BANGUN SISTEM INFORMASI PEMAKAMAN DAN KREMASI DI TPU MADUREJO PRAMBANAN Budiati, Haeni; Sumihar, Yo’el Pieter; Berutu, Sunneng Sandino
Jurnal Abdimas Bina Bangsa Vol. 6 No. 1 (2025): Jurnal Abdimas Bina Bangsa
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/jabb.v6i1.1595

Abstract

In the context of expanding housing developments, the issue of burial places has emerged as a contentious subject, giving rise to conflicts with local residents.On average, 70-80% of cemetery land has been occupied, a situation that has given rise to concerns among residents.In an effort to address this issue, the Sleman Regency Government has constructed the Public Cemetery, a facility that boasts an organised and planned architectural design, a dynamic layout, and a natural atmosphere characterised by beautiful hills. Presently, registration services, grave plot booking, cremation, and data collection of corpses are still conducted manually, a practice that is set to be streamlined by the implementation of a public cemetery information system. This web-based system, once implemented, is poised to bring about significant improvements in terms of efficiency, transparency, and accessibility in the management of funeral facilities.
Pengenalan Karakter Huruf Pada Gambar Tulisan Tangan Menggunakan Algoritma Convolutional Neural Network dan K-Means Clustering: Recognition of Letter Characters in Handwritten Images Using Convolutional Neural Network and K-Means Clustering Algorithm Swasono, Natan Enggal; Himamunanto, Agustinus Rudatyo; Budiati, Haeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1451

Abstract

Pengenalan karakter tulisan tangan adalah tantangan utama dalam berbagai aplikasi digital, disebabkan oleh variasi gaya tulisan, ukuran karakter, orientasi, dan kualitas gambar. Penelitian ini bertujuan membandingkan dua metode utama untuk pengenalan karakter tulisan tangan: Convolutional Neural Network (CNN) dan K-Means Clustering. CNN merupakan metode pembelajaran terarah yang digunakan untuk mengekstrak fitur penting dari gambar, sementara K-Means Clustering merupakan metode pembelajaran tanpa pengawasan yang mengelompokkan karakter berdasarkan kesamaan fitur. Hasil penelitian menunjukkan bahwa model CNN berhasil mencapai akurasi 90% dalam pengenalan karakter, menandakan kinerja yang sangat baik dalam mengenali pola kompleks dan variasi tulisan tangan. Sebaliknya, K-Means Clustering hanya mencapai akurasi 11%, menunjukkan bahwa metode ini kurang efektif untuk tugas pengenalan karakter tulisan tangan. Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa CNN jauh lebih unggul dibandingkan dengan K-Means Clustering dalam mengatasi tantangan variasi tulisan tangan.
Analisis Sentimen Aplikasi Lion Parcel Menggunakan Lexicon Based dan Support Vector Machine Bobby Girsang; Sunneng Sandino Berutu; Haeni Budiati; Febe Maedjaja
Voteteknika (Vocational Teknik Elektronika dan Informatika) Vol 12, No 3 (2024): Vol. 12, No 3, September 2024
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/voteteknika.v12i3.129033

Abstract

Dengan adanya perkembangan teknologi digital pada masa kini, masyarakat dapat melakukan pengiriman barang jarak jauh dengan lebih mudah dan efisien. Lion parcel merupakan salah satu aplikasi ekpedisi populer yang melayani pengiriman barang. Penelitian ini dilakukan untuk mengukur sentimen yang diberikan oleh para pengguna aplikasi terhadap jasa ekspedisi dari Lion Parcel. Proses analisis sentimen ini dilakukan melalui tahapan pengumpulan data, preprocessing data, labelling data menggunakan pendekatan berbasis lexicon, dan membangun model klasifikasi berbasis algoritma Support Vector Machine (SVM) melalui tahap pelatihan dan pengujian data, dan evaluasi model dengan confusion matrix. Data yang berhasil dikumpulkan melalui scrapping data dari ulasan aplikasi Lion Parcel pada google play store mencapai 1194 ulasan. Hasil yang didapatkan setelah memproses data yang diambil yaitu sentimen positif mencapai 55.51 % dengan jumlah 630 data. Sentimen netral mencapai 24.76% dengan jumlah 281 data. Sentimen negatif mencapai 19.74% dengan jumlah 224 data. Hasil pengujian SVM juga menghasilkan nilai akurasi, presisi, recall dan f1-score tertinggi berturut turut sebesar 77.78%, 85%, 94% dan 89%.Kata kunci : Lion Parcel, SVM, sentimen, Lexicon Based. With the advancement of digital technology today, people can deliver long-distance goods more easily and efficiently. Lion parcel is one of the popular expedition applications that serves the delivery of goods. The research was conducted to measure the sentiment given by the users of the application to the Lion Parcel's expedition services. This sentiment analysis process is carried out through stages of data collection, data preprocessing, data labelling using lexicon-based approaches, and building an algorithm-based classification model based on the Support Vector Machine (SVM) through training and data testing stages, and model evaluation with a confusion matrix. The data collected successfully through scrapping data from the review of the Lion Parcel app on the google play store reached 1194 reviews. The results obtained after processing the data taken are positive sentiment reached 55.51% with a total of 630 data. Neutral feeling reached 24.76% with the total of 281 data. Negative feelings reached 19.74% with 224 data. SVM test results also yielded the highest accuracy, precision, recall and f1 scores in a row of 77.78%, 85%, 94% and 89%.Keywords: Lion Parcel, SVM, Sentiment, Lexicon Based.
Deteksi Anomali Traffic Pada Jaringan Komputer Menggunakan Naive Bayes, Decison Tree Dan Isolation Forest Mendrofa, Milka Justine; Lase, Kristian Juri Damai; Budiati, Haeni
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 4 No. 11 (2025): COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v4i11.3012

Abstract

Anomali jaringan komputer adalah pola atau aktivitas yang tidak biasa yang menyimpang dari perilaku normal jaringan. Deteksi anomali sangat penting untuk mengidentifikasi ancaman keamanan, gangguan operasional, atau kegagalan sistem yang mungkin terjadi. Tujuan penelitian ini adalah untuk mengembangkan dan mengevaluasi tiga metode utama untuk mendeteksi anomali dalam trafik jaringan komputer: Naive Bayes, Decision Tree, dan Isolation Forest. Berbasis pada Teorema Bayes, pendekatan naive Bayes memprediksi kemungkinan suatu kejadian berdasarkan data historis. Model berbasis pohon keputusan, decision tree membagi data secara iteratif berdasarkan karakteristik tertentu untuk mengklasifikasikan atau memprediksi hasil. Algoritma Isolasi Hutan adalah algoritma berbasis kelompok yang dimaksudkan untuk mendeteksi anomali dengan cepat dengan mengisolasi data anomali. Fokus utama penelitian ini adalah membandingkan kinerja ketiga metode tersebut dalam mendeteksi anomali trafik jaringan, termasuk kemampuan masing-masing metode untuk menemukan pola tidak normal secara akurat dan efisien. Tujuan dari penelitian ini adalah untuk memberikan pemahaman tentang metode yang paling efektif dalam hal deteksi anomali jaringan, sehingga dapat membantu membangun sistem keamanan jaringan yang lebih andal dan responsif terhadap ancaman.  
Co-Authors Agustinus Rudatyo Himamunanto Antonius Bima Murti Wijaya Apriani, Apriani Barita Suci Vernando Zebua Bobby Girsang Bolo, Naomi Tena Budet, Vincensa Woytimena Delima Zai Emerita Setyowati Febe Maedjaja Febe Maedjaja Fornieli Gulo Gallu, Apliana Gogor Christmass Setyawan Gulo, Eniria Heri Wijayanto Hermas Rizzal Himamunanto, A. R. Himamunanto, AR Himamunanto, AR. Ina, Osmanila Tamo Jatmika Jatmika Jatmika Jatmika Jatmika Jatmika Juli Supriyanto Gea Kristian Juri Damai Lase Laia, Yardiana Lase, Anan Sosmita Lase, Kristian J.D. Liefson Jacobus, Liefson Lukas Agung Heriputranto Mendrofa, Milka Justine Nauli, Sumitta Nehe, Pius Hermanto Niasiska, Niasiska Olam, Enos Nikodemus P.Hurit, Lud Gerdus Peter1 Putri, Farelia Devi Julia Rudatyo Himamunanto, Agustinus Setiawan Matangkin, Jimmi Setyawan, Gogor C Sumihar, Yo'el Pieter Sumihar, Yo’el Pieter Sunneng Sandino Berutu Supriadi, Joseph Surjawirawan Dwiputranto Swasono, Natan Enggal Tasane, Elshaddai L Timothy Ageng Pracaya Veren, Yolanda Wanda, Melifan Yeong-Chin Chen Yo’el Pieter Sumihar Zalukhu, Talenta Teholi Zendrato, Agus Dirgahayu Ziliwu, Johni Revormasi