Claim Missing Document
Check
Articles

Found 10 Documents
Search

Potensi Pengembangan Pertahanan dan Keamanan Laut Natuna Utara untuk Meningkatkan Nilai Ekonomi dan Keamanan Melalui Pembuatan Causal Loop Diagram Suryani, Erma; Nasution, Arman Hakim; Widodo, Erwin; Hartanto, Dody; Riski, Raulia; Dzulkarnain, Anisa; Lidiawaty, Berlian Rahmy; Bandono, Adi; Suharyo, Okol Sri; Kukuh, April; Pramundito, Rahmatika Jagad; Fadlillah, Muhammad Syamil; Kusuma, Moch. Farrel Arrizal; Prihatina, Ocha Putri Perdana; Priambodo, Tegar Ganang Satrio; Isabella, Putri Dwi
Sewagati Vol 8 No 4 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i4.1538

Abstract

Terjadinya konflik teritorial pada kawasan Laut Natuna Utara (LNU), melatar belakangi program pengabdian masyarakat ini untuk memodelkan kekuatan dan ancaman yang dihadapi Indonesia di area LNU. Untuk itu, pada program ini melibatkan mitra dari Tentara Negara Indonesia Angkatan Laut (TNI-AL) untuk bersama-bersama membuat model sistem dinamik yang tujuannya untuk memprediksi tiga variabel utama, yaitu pertahanan dan keamanan Laut Natuna Utara, infrastruktur pertahanan dan keamanan Indonesia, serta penggunaan sumber daya laut yang tujuannya untuk meningkatkan nilai ekonomi dan keamanan. Dalam pembuatan model ini dengan mengambil data 5 tahun ke belakang dan memproyeksikannya selama 6 tahun ke depan. Dari data-data tersebut, dicari variabel-variabel yang saling mempengaruhi dan pengaruh sebab-akibatnya oleh seluruh tim program pengabdian masyarakat ini yang juga telah melibatkan pengetahuan dari mitra. Program pengabdian kepada masyarakat ini menghasilkan Causal Loop Diagram (CLD) yang menggambarkan variabel-variabel yang saling mempengaruhi pertahanan dan keamanan Indonesia pada kawasan LNU yang sangat berfungsi sebagai dasar pengambilan keputusan untuk meningkatkan keamanan dan nilai ekonomi Indonesia.
Implementasi Metode Naive Bayes pada Sistem Diagnosis Penyakit Mata (Studi Kasus Poli Mata Rumah Sakit Islam Jemursari Surabaya): Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya) Raihan Febrianto Grahadi; Rokhmatul Insani; Berlian Rahmy Lidiawaty
Fountain of Informatics Journal Vol. 9 No. 1 (2024): Mei 2024
Publisher : Universitas Darussalam Gontor

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

Abstract

Abstrak Lamanya waktu tunggu dalam pemeriksaan dokter mata di rumah sakit dapat meningkatkan risiko terpapar infeksi virus lain. Maka dari itu diperlukannya sebuah sistem diagnosis yang cepat, akurat dan efektif untuk mengurangi lamanya waktu tunggu. Oleh karena itu, penelitian ini bertujuan untuk membuat sistem diagnosis penyakit mata berbasis web dengan menggunakan metode klasifikasi Naïve Bayes. Sistem dikembangkan dengan mengambil dataset berupa data rekam medik pasien sebanyak 6074 data. Atribut pada dataset yang akan digunakan dalam sistem ini meliputi umur, jenis kelamin, keluhan, dan diagnosis. Sistem ini dibangun dengan metode Naïve Bayes sebagai algoritma data mining yang menggunakan bahasa pemrograman Python sebagai tools pengolahan data. HTML, CSS, JS, dan PHP sebagai bahasa pemrograman pembangun website yang digunakan sebagai tempat visualisasi dan inputan data oleh user yang didukung MySQL sebagai database penyimpanan data. Hasil yang didapatkan dari sistem diagnosis penyakit mata berbasis web dengan perbandingan metode Gaussian Naïve Bayes dan Bernoulli Naïve Bayes ini mampu mendapatkan akurasi sebesar 93.42 % dan 90.79%, sehingga menjadi sistem pendukung keputusan yang dapat membantu dokter dalam mengambil keputusan diagnosis penyakit mata pasien. Dengan adanya sistem ini, dapat mempermudah proses diagnosis penyakit mata serta dapat membantu dokter dalam mengambil keputusan yang tepat dalam waktu singkat. Kata kunci: Klasifikasi Penyakit Mata, Sistem Diagnosis Penyakit Mata, Naïve Bayes   Abstract [Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya)] The waiting time during an eye doctor's examination at the hospital can increase the risk of exposure to other virus infections. Therefore, a fast, accurate, and effective diagnostic system is needed to reduce waiting time. This study aims to develop a web-based eye disease diagnosis system using the Naïve Bayes classification method. The system was developed using a dataset consisting of 6074 patient medical records. The attributes of the dataset used in this system include age, gender, complaints, and diagnosis. The system was built using the Naïve Bayes method as a data-mining algorithm using the Python programming language for data processing. HTML, CSS, JS, and PHP are website builder programming languages used for visualization and data input by users, supported by MySQL as the data storage database. The results obtained from the web-based eye disease diagnosis system with a comparison of Gaussian Naïve Bayes and Bernoulli Naïve Bayes methods achieved accuracies of 93.42% and 90.79%, respectively, making it a decision support system that can assist doctors in making diagnoses of patients' eye diseases. With this system, the process of diagnosing eye diseases can be simplified and doctors can be assisted in making the right decisions in a short time. Keywords: Classification of Eye Diseases, System for Diagnosing Eye Diseases, Naïve Bayes.
Revolusi Digital Peningkatan Daya Saing Bisnis Santridigipreneur Melalui Eksplorasi Aplikasi Virtual Reality Arifiani, Siska; Hidayat, Alifiansyah Arrizqy; Khotimah, Wijayanti Nurul; Nisa, Khairun; Amaliah, Bilqis; Yuniarti, Anny; Riduwan, Muhammad; Sungkono, Kelly Rossa; Lidiawaty, Berlian Rahmy; Nasution, Anita Hakim
Sewagati Vol 9 No 3 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i3.2661

Abstract

Event ”One Pesantren One Product 2023” mengajarkan santri-santri untuk menjadi pengusaha mandiri yang mampu melihat peluang di era globalisasi. Dari event OPOP 2023 dihasilkan Santri Digitalpreneur (Santridigipreneur) yang dapat mencetak para santri menjadi pengusaha dan marketer di era digital. Oleh karena itu, diperlukan revolusi digital peningkatan daya saing bisnis Santridigipreneur melalui eksplorasi aplikasi Virtual Reality yang dapat meningkatkan kemampuan santri dalam berbisnis dengan melakukan roleplay khusus bersama tim sehingga pembinaan bisnis terasa lebih nyata meskipun dilakukan dalam dunia virtual (Virtual Reality). Selain itu dengan Santridigipreneur Virtual Reality, memberikan pengalaman yang signifikan dalam melakukan negosiasi antar-supplier dan stakeholder bisnis hingga kepada customer, kegiatan ini mengintegrasikan Pesantren dalam regional Jawa Timur. Dalam SVR : Santridigipreneur Virtual Reality ini, dilakukan pilot project untuk mengukur dampak pemanfaatan teknologi VR sebagai media pembelajaran kepada para santri di Pondok Pesantren Mathlaul Amin, Sumenep, Madura. Santri pada pondok pesantren tersebut diminta untuk memilih bidang minat usaha, kemudian mencoba menggunakan aplikasi sesuai dengan bidang usahanya. Teknologi VR terbukti dapat meningkatkan minat santri dalam belajar digipreneur, berdasarkan hasil VRSQ yang menunjukkan tingkat motion sickness masih dapat ditoleransi. Ke depan, kurikulum digipreneur berbasis VR dapat mulai dikembangkan dan diterapkan. Namun, ketersediaan perangkat VR perlu dipertimbangkan karena harganya yang masih cukup mahal.
PENERAPAN METODE DECISION TREE PADA SISTEM DIAGNOSIS PREDIKSI PENYAKIT UMUM BERDASARKAN KELUHAN (STUDI KASUS RUMAH SAKIT ISLAM JEMURSARI SURABAYA) Hidayat, Irfan; Insani, Rokhmatul; Lidiawaty, Berlian Rahmy
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6266

Abstract

Sebagian masyarakat masih menganggap remeh dan enggan untuk memeriksakan kondisi kesehatan ke dokter karena berbagai macam kondisi. Kurangnya penyebaran dokter di beberapa wilayah di Indonesia juga berpengaruh terhadap pelayanan kesehatan terhadap masyarakat. Penelitian ini bertujuan untuk mengembangkan sistem diagnosis penyakit umum berdasarkan gejala berbasis web menggunakan metode klasifikasi Decision Tree. Penelitian ini mengambil obyek penelitian di Rumah Sakit Islam Jemursari Surabaya dengan menggunakan dataset berupa data rekam medik pasien sebanyak 9934 data. Atribut dataset yang digunakan dalam sistem ini termasuk keluhan, rps, dan diagnosa. Hasil yang didapatkan dari sistem diagnosis penyakit umum berdasarkan keluhan berbasis web dengan menggunakan algoritma CART ini mampu menghasilkan akurasi sebesar 96.61 %. Kemudian kinerja model CART dievaluasi menggunakan cross-validation, yang menunjukkan bahwa model tidak overfitting. Kesalahan per fold stabil, dengan rata-rata nilai error 5.69 %, menunjukkan bahwa model tdak terlalu sensitif terhadap perubahan data dan dapat bekerja dengan baik pada data yang baru. Nilai error training 2.42 % lebih rendah dari nilai error testing 0.0339, tetapi selisih yang tidak signifikan yaitu sebesar 0.97 %, menunjukkan kemampuan model untuk menggeneralisasi dengan baik ke data baru.
Analisis Sentimen Ulasan Pengguna pada Aplikasi Cryptocurrency: Evaluasi Dampak Skenario Pembagian Dataset Menggunakan Multinomial Naive Bayes Ramaputra, Chrisdion Andrew; Al Faroby, Mohammad Hamim Zajuli; Lidiawaty, Berlian Rahmy
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.4263

Abstract

The surge in cryptocurrency investors in Indonesia, reaching 18.83 million by January 2024, signifies an expanding interest in this market. This research conducts a sentiment analysis of user reviews on Indodax and Tokocrypto, the premier cryptocurrency trading platforms in Indonesia. Utilizing the Multinomial Naive Bayes method, the study examines the influence of various dataset split scenarios and random states on the model's performance. The findings reveal substantial variability in the model's accuracy based on different random states and test sizes. Notably, the Positive sentiment label consistently shows high-performance metrics, while the Neutral label underperforms. These insights are invaluable for developers aiming to improve user experience and for investors seeking to make informed decisions. This research underscores the significance of sentiment analysis in understanding user interactions and enhancing the credibility of cryptocurrency investment platforms.
How Stemming Process Ruining the Meaning of Indonesia Phrases and BRL Method as Its Solutions for Handling Complaint Text Lidiawaty, Berlian Rahmy; Nasution, Anita Hakim; Putra, Adzanil Rachmadi; Hidayah, Rafi Andi; Asyrof, Hayu Faiz Naufal; Grahadi, Raihan Febrianto
Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 7 No. 3 (2024): Jurnal Teknologi Sistem Informasi dan Aplikasi
Publisher : Program Studi Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jtsi.v7i3.40316

Abstract

The stemming process in text preprocessing can ruin the meaning of words in Bahasa Indonesia text mining, potentially influencing the interpretation outcomes or the accuracy of machine learning models when processing complaint texts. Many Indonesians deliver their complaints by text, making this an important issue. Therefore, this research proposes the Be Raw Language (BRL) method for handling complaint texts. BRL generally circumvents several words that, when subjected to stemming, undergo changes in meaning. To ascertain whether a word undergoes changes and as a basis for analysis, this study employs a sentiment analysis approach utilizing 6,205 complaint text data sourced from community reviews concerning tourist destinations. Initially, these reviews are labeled as ground truth, and sentiment calculations are conducted. In the preliminary stage, the research findings indicate an accuracy rate of 60.23%. Subsequently, this study conducts an in-depth analysis on how words in the Indonesian language may change in meaning with the addition of prefixes or suffixes. Consequently, the concept of the BRL method emerges to analyze words without employing stemming and to delineate its approach in interpreting words along with their meanings. The study establishes three main rules for interpreting the meaning of a word or even phrases in Bahasa Indonesia texts to enhance accuracy. As a result, employing the BRL method increases the accuracy rate by 17.57% to 77.80%.
Peningkatan Efektivitas Operasional Angkatan Laut Untuk mendukung Pertahanan Laut Natuna Utara Melalui Pendekatan System Thinking Nasution, Arman Hakim; Suryani, Erma; Mukhlis, Mukhlis; Pramundito, Rahmatika Jagad; Fadlillah, Muhammad Syamil; Lidiawaty, Berlian Rahmy; Kusuma, Moch. Farrel Arrizal; Santosa, Yoyok Nurkaya; Kusliana, Kusliana; Suharyo, Okol Sri; Siregar, Rudi Hartono; Kukuh, April; Kamila, Imtyaaz Achsanul; Ramadhan, Hajid Alauddin; Patria, Andika Insan; Rahman, Dinanti Vita; Nabil, Ahmad; Chalvani, Rafief
Sewagati Vol 9 No 6 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i6.8054

Abstract

Studi ini berfokus pada peningkatan efektivitas operasional Angkatan Laut Indonesia di Laut Natuna Utara melalui pendekatan system thinking sebagai bagian dari implementasi program Minimum Essential Force (MEF). Meskipun Indonesia adalah negara kepulauan terbesar dengan posisi strategis, wilayah Laut Natuna Utara menghadapi potensi ancaman yang memerlukan kekuatan pertahanan maritim yang tangguh. Program MEF, yang bertujuan membangun kekuatan pertahanan yang efektif hingga tahun 2029, menghadapi tantangan, terbukti dari selisih ketercapaian realisasi MEF sebesar 12,35% pada Tahap II (2015-2019), yang mengindikasikan adanya kendala signifikan dalam modernisasi alutsista. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model berbasis system thinking yang tidak hanya mengidentifikasi variabel kekuatan dan ancaman dari sudut pandang TNI Angkatan Laut, tetapi juga memetakan hubungan sebab-akibatnya melalui penyusunan Causal Loop Diagram (CLD). Model CLD ini mengintegrasikan 55 variabel (41 endogen, 14 eksogen) yang mencakup aspek pertahanan, ekonomi, dan politik. Hasil analisis menekankan pentingnya pengelolaan terpadu di luar sekadar penambahan alutsista. Model ini berfungsi sebagai kerangka strategis pendukung keputusan untuk meminimalkan kesenjangan realisasi MEF.
Prediksi Luas Serangan Penyakit Blas pada Padi Berbasis Iklim Menggunakan Model Long Short Term Memory (LSTM) Maharani Citra Adi Ratna; Mochamad Nizar Palefi Ma’ady; Berlian Rahmy Lidiawaty
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penyakit blas (Pyricularia oryzae) merupakan salah satu penyakit utama pada tanaman padi yang berdampak signifikan terhadap produksi pertanian. Penyebaran penyakit ini dipengaruhi oleh faktor iklim seperti curah hujan, suhu udara, dan kelembapan relatif. Penelitian ini bertujuan untuk memprediksi luas serangan penyakit blas di Kabupaten Lamongan menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan berupa data bulanan luas serangan penyakit blas dan data klimatologi periode 2019–2024 yang dikelompokkan ke dalam lima wilayah utama. Model LSTM dibangun dengan konfigurasi hyperparameter yang disesuaikan untuk masing-masing wilayah, dan dievaluasi menggunakan metrik MAE, MAPE, dan symmetric Mean Absolute Percentage Error (sMAPE). Berdasarkan hasil evaluasi, wilayah Tengah menunjukkan kinerja prediksi terbaik dengan nilai sMAPE sebesar 18,7% dan akurasi sebesar 81,3%, menunjukkan kemampuan model dalam menangkap pola musiman secara efektif. Model kemudian diimplementasikan dalam sistem prediktif berbasis web untuk menyajikan hasil prediksi secara visual dan interaktif. Pendekatan ini menunjukkan potensi penerapan model berbasis data dalam mendukung sistem peringatan dini untuk pengendalian penyakit tanaman. Kata kunci— LSTM, penyakit blas, prediksi, iklim, padi, Lamongan.
Pengembangan Aplikasi Chatbot Customer Service berbasis Web Menggunakan LLM dengan Metode Prompt Engineering Studi Kasus SSC Telkom University Surabaya Fandy Sulthan Alamsyah; Agus Sulistya; Berlian Rahmy Lidiawaty
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Peningkatan jumlah mahasiswa di Telkom University Surabaya menghadirkan tantangan bagi Student Service Center (SSC) dalam menyediakan layanan yang cepat, responsif, dan efisien. Mahasiswa kerap mengalami kesulitan dalam memperoleh informasi akademik maupun administratif karena belum adanya pusat informasi yang terintegrasi dan mudah diakses. Penelitian ini bertujuan untuk mengembangkan chatbot berbasis web yang dirancang untuk membantu mahasiswa mendapatkan informasi secara otomatis dan efisien. Metode yang digunakan adalah Prompt Engineering, yaitu pendekatan berbasis pengaturan prompt untuk meningkatkan relevansi respons chatbot. Pengembangan sistem melibatkan analisis kebutuhan, penyusunan basis pengetahuan dalam format YAML, integrasi dengan API Google Generative AI, serta implementasi menggunakan framework Flask untuk backend dan HTML-CSS untuk antarmuka pengguna. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan respons yang relevan terhadap pertanyaan mahasiswa dan berjalan secara optimal di platform web. Solusi ini tidak hanya meningkatkan efisiensi kerja SSC dengan mengurangi beban layanan manual, tetapi juga memberikan pengalaman digital yang lebih baik bagi mahasiswa. Chatbot yang dikembangkan berpotensi menjadi model pengembangan layanan digital serupa di institusi pendidikan lainnya. Kata kunci— Chatbot, Student Service Center, Prompt Engineering, Efisiensi Layanan
Rancang Bangun Aplikasi Monitoring Studi Kasus Smart Urban Farming Rfc (Rooftop Farming Center) Telkom University Surabaya Berbasis Website Menggunakan Metode Extreme Programing Ivano Rossi Sugiyanto; Adzanil Rachmadhi Putra; Berlian Rahmy Lidiawaty
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi monitoring berbasis web untuk sistem pertanian Urban Farming yang diterapkan pada Rooftop Farming Center (RFC) Telkom University Surabaya. Aplikasi ini dirancang untuk membantu pengguna dalam memantau kondisi pertanian secara berkala dengan memanfaatkan teknologi Internet of Things (IoT). Sistem ini mampu memantau berbagai parameter penting, pH, EC, temperatur tanah, nitrogen, kelembaban, fosfor, dan kalium. Data dikumpulkan melalui sensor yang terhubung ke platform cloud Antares, kemudian ditampilkan dalam antarmuka pengguna yang intuitif dan mudah digunakan, sehingga mendukung pengambilan keputusan yang lebih tepat. Pengembangan aplikasi dilakukan dengan metode Extreme Programming (XP), yang bersifat adaptif dan responsif terhadap perubahan kebutuhan pengguna. Hasil penelitian ini menunjukkan bahwa aplikasi yang dikembangkan dapat meningkatkan Monitroing sistem pertanian Urban Farming berbasis IoT, khususnya dalam mendukung praktik pertanian perkotaan yang berkelanjutan. Kata kunci— Monitoring, Website, Rooftop Farming Center, Extreme Programming