Article Per Year (5 Year)
p-Index From 2021 - 2026
6.174
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 Informatika dan Rekayasa Elektronik Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Informatika dan Sistem Informasi (JUISI) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Pendidikan dan Teknologi Indonesia Bulletin of Computer Science Research Journal of Information Technology (JIfoTech) Jurnal Abdimas Bina Bangsa COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Algoritme Jurnal Mahasiswa Teknik Informatika 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
Aerospace Engineering Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 48 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 48 Documents
Search

 1   2   3   4   5 
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.
Implementasi Augmented Reality dalam Pengembangan Media Pembelajaran Biologi di Tingkat Sekolah Menengah Pertama Depni Novela; Agustinus Rudatyo Himamunanto; Haeni Budiati
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 1 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i1.9177

Abstract

Kemajuan tekonologi digital mendorong perluasan inovasi dalam proses pembelajaran, terutama untuk konsep-konsep abstrak seperti pembelajaran fotosintesis. Siswa mengalami kesulitan dalam memahami materi ini karenamelibatkan proses kimia yang cukup rumit dan tidak dapat dilihat secara langsung. Upaya alternatif dalam menangani permasalahan tersebut adalahmelalui proses perancangan dan pengembangan media pembelajaran berbasis Augmented Reality(AR) yang memvisualisasikan proses fotosintesis dalam bentuk 3D yang interaktif dan mudah dipahami. Penelitian ini menggunakan pendekatan deskriptif dengan model pengembangan Multimedia Development Live Cycle (MDLC) yang terdiri dari lima tahapan: Consept (Pengonsepan), Design (Perancangan), Material Collecting (Pengumpulan Materi), Assembly (Pembuatan), dan Testing (Pengujian). Aplikasi AR dikembangkan menggunakan Unity dan Vuforia, kemudian diuji coba kepada murid kelas VIII di SMP Negeri 2 Ngemplak. Hasil yang diperoleh menunjukkan bahwa aplikasi AR yang dikembangkan mudah digunakan, tampilan visual menarik, dan membantu meningkatkan pemahaman siswa terhadap materi fotosintesis, khususnya reaksi terang dan reaksi gelap. Selain itu, aplikasi ini juga menerima umpan balik yang baik dari pengguna terkait fitur dan desain antarmuka. Dengan  demikian,  penelitian ini mengindikasikan bahwa AR dapat berfungsi sebagai alat edukasi biologi yang interaktif , inovatif dan menyenangkan.
Identifikasi Tingkat Intensitas Opini dalam Analisis Sentimen Berbasis Aspek Menggunakan Enhanced Triplet Extraction Gabriel Jimmy Richardo Chastelo B; Sunneng Sandino Berutu; Haeni Budiati
Bulletin of Computer Science Research Vol. 6 No. 3 (2026): April 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i3.1074

Abstract

Conventional sentiment analysis often overlooks variations in the intensity of opinions within text reviews. This is due to the limitations of the Aspect-Based Sentiment Analysis (ABSA) approach, which is restricted to three main triplet components. This study aims to develop and expand the Aspect-Sentiment-Opinion Triplet Extraction (ASOTE) framework to extract entity relationships and sentiment polarity by integrating opinion intensity detection. This study implements the ABSA approach by expanding the triplet structure into four components: aspect, opinion, intensifier, and sentiment (Enhanced Triplet). Data was collected via web scraping of Twitter (X) comments related to the Free Nutritious Meals program, which served as a case study to test the model’s ability to analyze public sentiment. The data then undergoes pre-processing and BIO Tagging, and is classified using a fine-grained sentiment approach to capture the nuances of emotional intensity in greater detail. A Transformer-based model, namely IndoBERT, was used to understand the context and intensity of meaning in the Indonesian language. Evaluation results on the test data show that the model achieved an accuracy of 88% and an average F1-score of 0.88 in sentiment polarity classification between entities, indicating strong model performance. These results demonstrate that providing a framework that is more sensitive to the intensity of opinions when classifying the nuances of public sentiment is a highly effective solution. 
The Design and Evaluation of a Decentralized E-Voting System Using Ethereum Smart Contracts Ludgerdus Pati Hurit; Yo'el Pieter Sumihar; Haeni Budiati
TIN: Terapan Informatika Nusantara Vol 6 No 8 (2026): January 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v6i8.8997

Abstract

The widespread implementation of electronic voting systems poses ongoing challenges related to data integrity, transparency, and centralized control, which can increase the risk of vote manipulation and reduce traceability. To address these issues, this study designs and evaluates a decentralized electronic voting system implemented using Ethereum smart contracts. The objective of this research is to test the ability of blockchain technology to support a secure, transparent, and tamper-resistant voting process in a decentralized environment. The research methodology includes requirements analysis, system design, system implementation, and functional testing. Black-box testing was conducted to verify the system's functionality throughout the voting process. The proposed system permanently records voting transactions on the blockchain, preventing unauthorized modifications while allowing transaction verification by network participants. Voter privacy is maintained by separating voter identity data from voting records and implementing blockchain address abstraction, ensuring that individual votes cannot be directly linked to voter identities. System evaluation focuses on transaction costs and confirmation times. Performance testing was conducted using six test transactions on the Sepolia blockchain network. The total transaction cost recorded was 0.006076 ETH, with an average cost of 0.001013 ETH per transaction. The minimum transaction cost of 0.000091 ETH occurred during voting operations, while the maximum cost of 0.005596 ETH was associated with smart contract deployment and higher network base fees. The average transaction confirmation time was approximately 12 seconds. Although the evaluation was based on a limited number of transactions, the results indicate that the proposed system demonstrates reliable transaction execution, acceptable gas usage, and high transparency. Further large-scale testing is recommended for future work.
Rancang Bangun Robot 4WD Kendali Jarak Jauh Berbasis Arduino Uno dan RF24L01+PA/LNA Tessy Ocharina Br Pinem; Gogor Christmass Setyawan; Haeni Budiati
TIN: Terapan Informatika Nusantara Vol 6 No 11 (2026): April 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v6i11.9592

Abstract

Remote-controlled robots often face challenges related to communication stability and limited signal range. This study aims to design and develop a 4WD (Four Wheel Drive) robot based on Arduino Uno using NRF24L01+PA/LNA wireless communication and to evaluate system performance in terms of control responsiveness and communication reliability. The research method includes system design, hardware and software implementation, and performance testing under various distance conditions. The evaluated parameters include response time, data transmission success rate, and maximum communication range. The results show that the system achieves a communication success rate of 100% at 1 meter, 99% at 10 meters, and 96% at 50 meters. At the maximum distance of 200 meters, the system maintains a success rate of 75%. The response time is relatively low, enabling real-time control performance. This study contributes to the evaluation of NRF24L01 wireless communication performance in a 4WD robot system for remote control applications.
PENERAPAN METODE DECISION TREE PADA SENTIMEN MEDIA SOSIAL TERKAIT KOMISI PEMILIHAN UMUM (KPU) SEBELUM DAN SESUDAH PILPRES 2024 Yolanda Veren; Sunneng Sandino Berutu; Haeni Budiati
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.
Implementasi Metode Vader Dan Fuzzy Pada Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Brimo Berlian Sakti Yuliana Ndruru; Sunneng Sandino Berutu; Haeni Budiati
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8237

Abstract

Perkembangan teknologi digital mendorong industri perbankan untuk meningkatkan layanan melalui aplikasi mobile banking, seperti Brimo. Ulasan pengguna menjadi sumber data yang berharga untuk analisis sentimen berbasis aspek (ASBA), namun identifikasi manual tidak efisien. Penelitian ini mengkombinasikan metode Vader dan logika Fuzzy untuk mengukur dan mengklasifikasikan sentimen pada ulasan aplikasi BRImo melalui 6 tahap yaitu, scraping data dari Google Play Store, preprocessing, kategorisasi aspek (pengalaman pengguna, kinerja, keamanan), klasifikasi sentimen dengan vader (positif, netral, negatif), klasifikasi lanjutan dengan Fuzzy (sangat positif, cukup positif, netral, cukup negatif, sangat negatif), dan analisis hasil. Hasil klasifikasi Vader menunjukkan pada aspek pengalaman pengguna didominasi sentimen positif (42,6%), netral (36,2%), dan negatif (21,3%). Untuk kinerja, sentimen netral mendominasi (42,8%) diikuti positif (36,2%) dan negatif (21,1%), sedangkan pada keamanan didominasi netral (45,8%) dengan positif (32,9%) dan negatif (21,3%). Klasifikasi fuzzy memberikan hasil lebih detail dimana pada pengalaman pengguna didominasi netral (41,6%) diikuti cukup positif (25,5%), cukup negatif (16,7%), sangat positif (13,6%), dan sangat negatif (2,6%). Pola serupa terlihat pada kinerja (netral 51,7%, cukup positif 25,7%) dan keamanan (netral 53,2%, cukup positif 21,0%). Hasil ini menunjukkan dominasi sentimen netral dengan fuzzy mampu memberikan granularitas lebih detail dibanding Vader.
KLASIFIKASI KALIMAT PERUNDUNGAN PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Sumitta Nauli; Sunneng Sandino Berutu; Haeni Budiati; Febe Maedjaja
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.
Co-Authors Agustinus Rudatyo Himamunanto Antonius Bima Murti Wijaya Apriani, Apriani Barita Suci Vernando Zebua Berlian Sakti Yuliana Ndruru Bobby Girsang Bolo, Naomi Tena Budet, Vincensa Woytimena Chen, Yeong-Chin Delima Zai Depni Novela Emerita Setyowati Febe Maedjaja Febe Maedjaja Fornieli Gulo Gabriel Jimmy Richardo Chastelo B 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 Ludgerdus Pati Hurit Lukas Agung Heriputranto Magdalena, Mensiana Mendrofa, Milka Justine mendrofa, victor crisman 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 Sumitta Nauli Sunneng Sandino Berutu Supriadi, Joseph Surjawirawan Dwiputranto Swasono, Natan Enggal Talenta Teholi Zalukhu Tasane, Elshaddai L Tessy Ocharina Br Pinem Timothy Ageng Pracaya Victor Crisman Mendrofa Wanda, Melifan Yo'el Pieter Sumihar Yolanda Veren Yo’el Pieter Sumihar Zendrato, Agus Dirgahayu Ziliwu, Johni Revormasi