Article Per Year (5 Year)
p-Index From 2021 - 2026
2.483
P-Index
This Author published in this journals
All Journal Teknika TELKOMNIKA (Telecommunication Computing Electronics and Control) Proceeding International Conference on Information Technology and Business JUITA : Jurnal Informatika Jurnal CoreIT Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Nasional Komputasi dan Teknologi Informasi JURNAL KESEHATAN BHAKTI HUSADA Jurnal Abdi Insani Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Teknik Informatika (JUTIF) TIERS Information Technology Journal Proceeding Applied Business and Engineering Conference Jurnal Sistem Cerdas dan Rekayasa Jurnal Ilmiah ESAI
Zuriati, Zuriati
Politeknik Negeri Lampung
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
The Implementation of Internet of Things (IOT) for Aquaponic Cultivation Zuriati, Zuriati; Widyawati, Dewi Kania; Dulbari, Dulbari; Zarnelly, Zarnelly
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 10, No 2 (2024): December 2024
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/coreit.v10i2.29541

Abstract

Aquaponic is a plant cultivation technique that is widely used by farmers and today’s communities due to its efficiency and ability to increase the agricultural productivity. The aquaponic cultivation in general still uses simple systems, such as manually feeding the fish by spreading the feed at predetermined times, monitoring water pH using a pH meter and monitoring water height or level through measurements, requiring farmers to spend time and special labor to care for and maintain plants and fish. Therefore, a solution is needed in the form of a system that can monitor and control plants and fish conditions automatically and continuously for 24 hours. The system should have the ability to control and monitor feeding activities, water pH, water and environmental temperature, water level and environmental humidity. The system in question is the internet of things (IoT) system that can be used as a tool for automatic control and monitoring through an application. The IoT system consists of several sensors that are connected to a microcontroller which can measure water pH, temperature, water level and environmental humidity. The data obtained by the sensor will be sent to a server via Wi-Fi protocol and stored in a database. The system is equipped with a web application that can be accessed through a computer device. The application provides a visual display of data: time, water pH, temperature, water level and environmental humidity, making it easier for farmers to monitor aquaponic conditions from a distance without having to come to the land. Through the implementation of IoT in aquaponic cultivation, farmers can increase efficiency and agricultural productivity by reducing the time, labor and costs required for control and monitoring.
PENERAPAN SOP PENGOLAHAN KOPI GULA AREN, KOPI DURIAN, DAN KOPI AVOCADO INSTAN DI UMKM KOPI LAMPUNG NUSANTARA Analianasari, Analianasari; Subiantoro, Eko; Zuriati, Zuriati; Afifah, Dian Ayu
Jurnal Abdi Insani Vol 12 No 9 (2025): Jurnal Abdi Insani
Publisher : Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/abdiinsani.v12i9.2652

Abstract

Semakin banyak kedai kopi yang berkembang di Bandar Lampung membuat bisnis kopi menjadi lebih baik. Hal ini menyebabkan pasar kopi menjadi semakin bersaing, dan produsen kopi membutuhkan inovasi dan diversifikasi dalam olahan kopi mereka. Inovasi dan diversifikasi produk dalam tahapan produksinya membutuhkan Prosedur Operasional Standar (SOP) yang jelas dan konsisten. Tujuan Pemberdayaan ini adalah untuk mendorong mitra menghadirkan produk yang berbeda dari produk yang ada selama ini.  Kegiatan ini mengembangkan kopi olahan rasa durian, avocado, dan kopi gula aren sebagai diversifikasi produk dengan menerapkan SOP Produksi pada varian kopi sebagai keunggulan kompetitif UMKM Kopi Lampung Nusantara.  Pelaksanaan metode pengabdian kepada masyarakat dilaksanakan pada UMKM Lampung Nusantara Kopi dilakukan tiga tahapan,s yaitu (1) observasi secara langsung kepada pelaku usaha UMKM terhadap permasalahan yang dihadapi dengan metode wawancara; (2) Sosialisasi dengan tema diversifikasi olahan kopi (gula aren, kopi durian, dan avocado) untuk meningkatkan keunggulan kompetitip produk UMKM; (3) Pendampingan dan pelaksanaan pelatihan pengolahan diversifikasi kopi untuk varian kopi gula aren, kopi durian dan kopi avocado. sesuai dengan SOP.  Hasil pelatihan memberikan peningkatan pengetahuan dan keterampilan UMKM Kopi Lampung Nusantara dengan varian rasa durian, avocado, dan gula aren.  Penerapan SOP Pengolahan diversifikasi tiga olahan kopi diharapkan dapat dilakukan secara konsisten untuk menjaga kualitas produk UMKM sehingga dapat bersaing dengan produk lain.
Enhancing Chronic Kidney Disease Classification Using Decision Tree And Bootstrap Aggregating: Uci Dataset Study With Improved Accuracy And Auc-Roc Zuriati, Zuriati; Meilantika, Dian; Arpan, Atika; Permata, Rizka; Sriyanto, Sriyanto; Mas'ud, Mohd. Zaki
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5271

Abstract

Chronic Kidney Disease (CKD) is a progressive medical disorder that requires timely and precise identification to avoid permanent impairment of kidney function. However, Decision Tree models, although widely used in clinical applications due to their transparency, ease of implementation, and ability to handle both categorical and numerical data, are prone to overfitting and instability when applied to small or imbalanced datasets. The purpose of this study is to optimize CKD classification by integrating Bootstrap Aggregating (Bagging) with Decision Tree to enhance accuracy and robustness. The methodology involves testing two model variants a standalone Decision Tree and a Bagging-supported Decision Tree using 10-fold cross-validation and evaluating performance with accuracy, precision, recall, F1-score, and the area under the ROC curve (AUC-ROC). Findings reveal that Bagging enhances model accuracy from 0.980 to 0.987, raises precision from 0.976 to 1.000, and improves recall from 0.954 to 0.954, and increases F1-score from 0.965 to 0.976. These results demonstrate that Bagging significantly improves the reliability and generalizability of Decision Tree classifiers, making them more effective for CKD prediction.
Pelatihan Pemasaran Digital Pada UMKM Dapur Omah Cinta: Langkah Menuju Transformasi Digital Zuriati, Zuriati; Subyantoro, Eko; Asrowardi, Imam; Dwi Putra, Septafiansyah
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 5 No. 4 (2024): Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN) Edisi September - Desembe
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v5i4.4843

Abstract

Digitalisasi UMKM merupakan langkah strategis untuk meningkatkan daya saing di tengah tantangan globalisasi dan persaingan pasar yang semakin ketat. Kegiatan Pengabdian Kepada Masyarakat (PKM) Inovokasi ini bertujuan untuk mempercepat transformasi digital UMKM Dapur Oma Cinta melalui pelatihan pemasaran digital yang terstruktur. Permasalahan utama yang dihadapi UMKM ini adalah keterbatasan akses pasar dan kurangnya optimalisasi teknologi digital dalam pemasaran produk. Metode yang digunakan meliputi tahapan persiapan, pelaksanaan, monitoring, dan evaluasi. Pada tahap persiapan, tim menyusun materi pelatihan dan menyiapkan sarana pendukung. Tahap pelaksanaan dilakukan melalui sesi pelatihan interaktif dan pendampingan langsung yang mencakup pengelolaan website e-commerce, marketplace, media sosial, dan strategi pembuatan konten digital. Evaluasi keberhasilan dilakukan melalui pre-test dan post-test untuk mengukur peningkatan kemampuan peserta. Hasil menunjukkan peningkatan signifikan dalam pemahaman dan keterampilan peserta terkait pemasaran digital. Rata-rata peningkatan skor post-test peserta mencapai 66,84%, dengan peningkatan terbesar pada peserta dengan pengetahuan awal yang rendah. Temuan penting menunjukkan bahwa pelatihan ini berhasil membantu UMKM memperluas jangkauan pasar, meningkatkan efektivitas promosi, dan memperkuat daya saing di pasar lokal. Kesimpulannya, program ini tidak hanya mendukung transformasi digital UMKM Dapur Oma Cinta tetapi juga memberikan model pelatihan yang dapat direplikasi untuk UMKM lain di Indonesia. Transformasi digital yang dicapai melalui kegiatan ini berpotensi besar untuk meningkatkan pendapatan dan keberlanjutan usaha mitra dalam jangka panjang.
PENINGKATAN KOMPETENSI DIGITAL GURU MELALUI PELATIHAN KODING DAN KECERDASAN ARTIFISIAL BERBASIS DEEP LEARNING DI SMAN 2 KALIANDA Kania Widyawati, Dewi; Arifin, Oki; Maulini, Rima; Zuriati, Zuriati; Sahlinal, Dwirgo; Pratama, Yoga; Ari Wijaya Saputra, I Komang; Bulan Nayla, Amanda
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 8, No 11 (2025): MARTABE : JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v8i11.4100-4108

Abstract

Implementasi Kurikulum Merdeka di SMAN 2 Kalianda memerlukan pendekatan inovatif seperti pembelajaran mendalam (Deep Learning) yang berfokus pada tiga pilar yaitu pembelajaran sadar (Mindful Learning) menyesuaikan materi dengan kebutuhan siswa dan mendorong fokus penuh,  pembelajaran bermakna (Meaningful Learning) melatih berpikir kritis dan mengaitkan konsep dengan kehidupan nyata, serta pembelajaran menyenangkan (Joyful Learning) menciptakan pengalaman belajar yang interaktif dan memotivasi. Namun, pengintegrasian teknologi seperti pemrograman Python dan kecerdasan artifisial masih terhambat oleh keterbatasan kompetensi guru. Program pengabdian ini bertujuan untuk melatih guru dalam penguasaan koding, kecerdasan artifisial, membimbing pendidik merancang modul berbasis proyek, serta mengembangkan bahan ajar digital yang sesuai dengan Kurikulum Merdeka. Pengabdian ini dilaksanakan melalui pendekatan partisipatif kolaboratif yang melibatkan mitra secara aktif. Metode pelaksanaan melalui lima tahapan yaitu sosialisasi, pelatihan, penerapan teknologi, pendampingan dan evaluasi, serta keberlanjutan program. Peserta dilatih untuk memahami algoritma pemrograman, pemrograman Python, pembuatan model AI sederhana, dan bahan ajar digital melalui Learning Management System (LMS) sekolah. Pelatihan dan evaluasi berbasis pre-test dan post-test menunjukkan hasil peningkatan signifikan dalam pemahaman peserta dengan rata-rata nilai sebesar 64,88 menjadi 96,63 dan N-gain score sebesar 91,36%. Hal ini menunjukkan efektivitas program dalam meningkatkan pengetahuan peserta tentang koding dan kecerdasan artifisial.
Hybrid Machine Learning Approach for Nutrient Deficiency Detection in Lettuce Zuriati, Zuriati; Widyawati, Dewi Kania; Arifin, Oki; Saputra, Kurniawan; Sriyanto, Sriyanto; Ahmad, Asmala
TIERS Information Technology Journal Vol. 6 No. 2 (2025)
Publisher : Universitas Pendidikan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38043/tiers.v6i2.7143

Abstract

Early detection of nutrient deficiencies in lettuce is essential for precision agriculture. However, this task remains challenging due to limited data availability and class imbalance, which reduce model sensitivity toward minority classes and hinder generalization. This study introduces a hybrid machine learning approach integrating SMOTE, Optuna, and SVM to enhance the accuracy of nutrient deficiency classification using digital leaf image analysis. The dataset, obtained from Kaggle, includes four categories: Nitrogen Deficiency (-N), Phosphorus Deficiency (-P), Potassium Deficiency (-K), and Fully Nutritional (FN). Image features were extracted using MobileNetV2 pretrained on ImageNet and classified with a Support Vector Machine. Three scenarios were tested: (1) SVM before SMOTE, (2) SVM after SMOTE, and (3) Optuna-SVM after SMOTE, evaluated using accuracy, precision, recall, and f1-score. The hybrid model achieved the best performance with accuracy 0.929, precision 0.946, recall 0.835, and f1-score 0.869, outperforming the other scenarios. This hybrid framework effectively addressed class imbalance and improved classification margin stability through adaptive hyperparameter tuning using the Tree Structured Parzen Estimator within Optuna. The novelty of this study lies in combining MobileNetV2 based feature extraction with SMOTE and Optuna-SVM for small agricultural datasets. The proposed approach offers an efficient, accurate, and practical solution for automated nutrient deficiency diagnosis and contributes to the development of AI-driven smart agriculture systems.
Evaluation of CNN Architectures for Kidney Stone Classification in Ultrasound Image Zuriati Zuriati; Sriyanto Sriyanto; Agiska Ria Supriyatna; Nurul Qomariyah; Dian Ayu Afifah; Zarnelly Zarnelly
JUITA: Jurnal Informatika JUITA Vol. 14 Issue 1, March 2026
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/juita.v14i1.28352

Abstract

Kidney stone diagnosis requires fast and reliable evaluation, yet ultrasound interpretation still largely depends on clinical expertise. This study evaluates four Convolutional Neural Network (CNN) architectures, VGG16, ResNet50, MobileNetV2, and EfficientNetB0 for classifying kidney ultrasound images into Normal and Stone categories. Using a public dataset of 9,416 images, the models were assessed in terms of predictive performance and computational efficiency. MobileNetV2 achieved perfect classification performance, recording 100% accuracy, precision, recall, and F1-score, while maintaining the smallest parameter size (≈3.6M) and fastest training time (~44 s/epoch). VGG16 and ResNet50 also delivered near perfect accuracy (99.79% and 99.89%) with full recall for Stone cases. In contrast, EfficientNetB0 failed to generalize, yielding only 51.62% accuracy due to severe misclassification of Normal images. These results demonstrate that MobileNetV2 provides the most reliable and efficient solution for ultrasound based kidney stone classification, highlighting its strong potential for practical clinical deployment.
Analisis Pengaruh Feature Decontamination terhadap Kinerja Deteksi Ransomware Menggunakan Random Forest Sriyanto; Zuriati; Zarnelly; Yuri Fitrian
Jurnal Sistem Cerdas dan Rekayasa (JSCR) Vol 8 No 1 (2026): Jurnal Sistem Cerdas dan Rekayasa (JSCR) 2026
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Widya Kartika (LPPM UWIKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61293/jscr.v8i1.955

Abstract

Studi ini memfokuskan analisis pada dampak dekontaminasi fitur (feature decontamination) terhadap stabilitas model klasifikasi saat mengidentifikasi ransomware menggunakan dataset UNSW-NB15. Isu krusial pada data deteksi intrusi umumnya terletak pada kebocoran data (data leakage) atau kontaminasi fitur, yang berisiko memicu peningkatan performa model secara semu tanpa menggambarkan kapabilitas aslinya di lingkungan nyata. Penelitian ini menggunakan dua skenario eksperimen, yaitu tanpa feature decontamination dan dengan feature decontamination. Tahapan preprocessing meliputi encoding fitur kategorikal, normalisasi menggunakan StandardScaler, serta penyeimbangan data menggunakan SMOTE. Model klasifikasi yang digunakan adalah Random Forest, dipilih karena kemampuannya dalam menangani data tabular. Hasil penelitian menunjukkan bahwa model tanpa feature decontamination menghasilkan performa sempurna dengan nilai akurasi, precision, recall, dan F1 score sebesar 1.000, yang mengindikasikan adanya data leakage. Setelah dilakukan feature decontamination, performa model menjadi lebih realistis dengan akurasi sebesar 0.9028, precision sebesar 0.8820, recall sebesar 0.9506, dan F1-score sebesar 0.9150, serta nilai AUC sebesar 0.9795. Temuan ini menunjukkan bahwa feature decontamination berperan penting dalam meningkatkan validitas evaluasi model dengan menghilangkan bias dari fitur yang terkontaminasi. Dengan demikian, integritas data menjadi faktor kunci dalam pengembangan sistem deteksi ransomware yang andal.
Machine learning and deep learning for ransomware detection via feature decontamination Sriyanto Sriyanto; Chairani Fauzi; Mohd Faizal Abdollah; Zuriati Zuriati
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 24, No 3: June 2026
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v24i3.27833

Abstract

The continuous escalation of ransomware attacks poses a severe risk to network infrastructure and data integrity, highlighting the urgent requirement for dependable detection systems. This paper presents a comparative analysis of deep learning (DL) and machine learning (ML) techniques for identifying ransomware traffic using the UNSW-NB15 dataset. A significant obstacle in many intrusion detection investigations is feature contamination, where specific attributes inadvertently leak label data or reflect post-incident statistics, resulting in inflated and overly optimistic performance evaluations. To mitigate this concern, a feature decontamination protocol is implemented to isolate 29 reliable attributes, followed by the application of the synthetic minority over-sampling technique (SMOTE) to address the issue of class imbalance. Empirical results demonstrate that the random forest (RF) model achieves superior performance, reaching an accuracy of 0.9027 and a recall of 0.9507. Among the DL candidates, the multi-layer perceptron (MLP) delivers the most competitive outcomes with an accuracy of 0.8859 and an F1-score of 0.8996. These results suggest that ensemble-based ML frameworks offer more effective and computationally efficient ransomware detection when applied to decontaminated tabular datasets.
Hubungan Dukungan Keluarga Dengan Kepatuhan Minum Obat Pada Pasien Hipertensi Zuriati Zuriati; Hana Puspita Sari; Melty Suriya; Zahlimar Zahlimar
Jurnal Kesehatan Bhakti Husada Vol 11 No 1 (2025): JURNAL KESEHATAN BHAKTI HUSADA
Publisher : LPPM STIKes BHAKTI HUSADA CIKARANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37848/jurnal.v11i1.228

Abstract

Latar Belakang: Hipertensi sebagai penyakit tidak menular yang menjadi salah satu penyebab utama kematian di dunia. Ketidakpatuhan pengobatan hipertensi pada lansia terjadi di berbagai negara, termasuk Indonesia. Hal ini dimulai dari rendahnya kesadaran masyarakat yang berdampak pada tingkat kepatuhan dalam pengobatan hipertensi. Kepatuhan terhadap pengobatan merupakan faktor penting dalam pengendalian tekanan darah pada pasien hipertensi. Tingkat kepatuhan minum obat dapat dipengaruhi oleh dukungan keluarga. Tujuan penelitian ini untuk mengetahui hubungan dukungan keluarga dengan kepatuhan minum obat pada pasien hipertensi di Puskesmas Bunut Pesawaran tahun 2024. Metode: metode penelitian adalah penelitian kuantitatif dengan desain korelasi pendekatan cross sectional, populasi dalam penelitian ini adalah pasien hipertensi Puskesmas Bunut Pesawaran dengan jumlah pasien rata rata perbulan pada tahun 2023 pasien hipertensi sebanyak 44 pasien dengan teknik accidental sample. Analisa data dilakukan secara univariat dan bivariate dengan menggunakan uji statistik gamma. Hasil: Hasil penelitian dengan uji statistik gamma diperoleh nilai P-value = 0,000 atau nilai p<α yang berarti Ha diterima dan Ho ditolak. Sehingga dapat disimpulkan bahwa terdapat hubungan dukungan keluarga dengan kepatuhan minum obat pada pasien hipertensi di Puskesmas Bunut Pesawaran tahun 2024. Diharapkan keluarga dapat memberikan dukungan penuh kepada pasien hipertensi dengan membuatkan jadwal pasien untuk berobat dan kontrol kesehatanya di layanan kesehatan.
Co-Authors Abdollah, Mohd Faizal Afifah, Dian Ayu Agiska Ria Supriyatna Ahmad, Asmala Analianasari Analianasari Ari Wijaya Saputra, I Komang Arifin, Oki Arpan, Atika Aziz, RZ. Abdul Bulan Nayla, Amanda Chairani Fauzi Dewi Agushinta R. Dian Ayu Afifah Dulbari, Dulbari Dwirgo Sahlinal Dwirgo Sahlinal, Dwirgo Hana Puspita Sari Imam Asrowardi Irianto Irianto Kurniawan Saputra Mas'ud, Mohd. Zaki meilantika, Dian Melty Suriya Mohd Faizal Abdollah Nurul Qomariyah Oktaf Rina Permata, Rizka Putra, Septafiansyah Dwi Rima Maulini Sriyanto Sriyanto Sriyanto, Sriyanto Subiantoro, Eko Subyantoro, Eko Sylvia, Sylvia Widyawati, Dewi Kania Yuri Fitrian Zahlimar Zahlimar Zarnelly Zarnelly Zarnelly Zarnelly Zarnelly