Bintang, Jasmine Mutiara
Unknown Affiliation

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

Penerapan Algoritma String Matching dan Regular Expression pada Aplikasi Kamus Besar Bahasa Indonesia (KBBI) Bintang, Jasmine Mutiara; Ashshidiq, Muhammad Faisal; Dzakwan, Hilal Fakhri
BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Vol 4 No 1 (2023): March
Publisher : Puslitbang Sinergis Asa Professional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37148/bios.v4i1.57

Abstract

The Kamus Besar Bahasa Indonesia (KBBI) application is a software or application that allows users to access and search for the meaning of a single word in Indonesian along with its spelling. Indonesian has a complex morphological structure, where words can change form through affixation (addition of prefixes or suffixes), reduplication, or internal changes that create many dialectal variations and spelling variations that can affect word forms and writing patterns. This causes a variety of words that are similar but different in writing. On the other hand, that the Indonesian Dictionary application needs speed and accuracy of word searches then the program makes adjustments to those in the dictionary. Therefore, researchers analyze based on the data that has been obtained by the KBBI application using string matching (brute force) and regular expression algorithms. Researchers hope that the algorithms that have been analyzed can help solve problems in the KBBI application in conducting word searches to find the meaning of spelling funds.
Deteksi Penyakit Epilepsi Secara Real-Time Menggunakan Algoritma K-Nearest Neighbors (KNN) Berbasis Sinyal Electroencephalography Tarigan, Maria Elida; Zebua, Aldo Sofyan; Manurung, Firhot; Bintang, Jasmine Mutiara; Manday, Dhanny Rukmana
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8677

Abstract

Epilepsi adalah gangguan saraf kronis yang ditandai dengan kejang yang terjadi berulang kali akibat aktivitas listrik yang tidak normal di dalam otak. Menurut informasi dari WHO, lebih dari 50 juta orang di seluruh dunia menderita epilepsi, dengan sekitar 80% dari mereka berada di negara-negara yang sedang berkembang, termasuk Indonesia. Di Indonesia sendiri, diperkirakan ada antara 2,7 sampai 5,4 juta orang yang mengalami epilepsi, sementara fasilitas untuk diagnosis yang cepat dan tepat masih terbatas. Proses untuk mendiagnosis epilepsi umumnya bergantung pada analisis manual dari sinyal EEG yang memerlukan waktu lama dan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit epilepsi secara real-time dengan menggunakan algoritma K-Nearest Neighbors (KNN), sebagai opsi yang efisien dan terjangkau. Berbagai metode sebelumnya, seperti SeizureTransformer, CNN-LSTM, serta teknik yang berbasis entropi dan ensemble, telah menunjukkan hasil yang menggembirakan tetapi terhambat oleh kompleksitas dan kebutuhan komputasi yang tinggi. KNN memiliki kelebihan dalam hal kecepatan dan kemudahan implementasi, meskipun pemanfaatannya dalam konteks EEG epilepsi masih cukup minim. Melalui penelitian ini, sistem berbasis KNN dirancang untuk mendeteksi penyakit secara langsung dari sinyal EEG, dengan harapan dapat meningkatkan akurasi diagnosis dan efisiensi waktu dalam layanan kesehatan. Diharapkan sistem ini dapat memberikan alternatif praktis dalam penanganan epilepsi, terutama di daerah-daerah yang memiliki keterbatasan dalam fasilitas medis seperti Kota Medan.
Lingkungan Sebaya Dalam Upaya Mengeksplorasi Identitas Remaja Menurut Teori Psikososial Erikson Suparmi, Suparmi; Bintang, Jasmine Mutiara; Moewardi, Istar
Jurnal Pendidikan Tambusai Vol. 8 No. 3 (2024)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

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

Abstract

Masa remaja merupakan periode penting dalam perkembangan psikososial seorang individu, terutama dalam proses eksplorasi identitas. Lingkungan sebaya menjadi salah satu faktor yang perlu dipertimbangkan dalam proses eksplorasi identitas seorang remaja, karena remaja cenderung mencari dukungan dan pengakuan dari luar keluarga. Penelitian ini bertujuan untuk menganalisis lingkungan sebaya dalam upaya mengeksplorasi identitas pada remaja dengan menggunakan kerangka teori perkembangan psikososial Erikson. Metode penelitian menggunakan studi literatur dengan menganalisis penelitian terdahulu yang relevan terhadap judul penelitian. Hasil penelitian ditemukan bahwa dukungan sosial dari teman sebaya memiliki peran yang signifikan dalam membentuk identitas, meningkatkan rasa percaya diri, dan membantu mengatasi kebingungan identitas. 
Peran Media Pembelajaran Dalam Meningkatkan Hasil Belajar Siswa Slow Learner Bintang, Jasmine Mutiara; Kusuma, Karistya Tirta; Nugraha, Krisna Wahyu
Tarbi: Jurnal Ilmiah Mahasiswa Vol 3 No 2 (2024)
Publisher : IAINU Kebumen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33507/tarbi.v3i2.1993

Abstract

This study explores the role that learning media plays in improving the learning outcomes of students with learning difficulties or so-called slow learners. The research was created to identify different types of media that can be used and are effective in assisting slow learners in achieving their full learning potential. The method used in this study is qualitative by collecting data from several available sources. The findings indicate that the use of learning media can provide visual and auditive stimulus that helps slow learner students understand learning materials well.
Deteksi Penyakit Epilepsi Secara Real-Time Menggunakan Algoritma K-Nearest Neighbors (KNN) Berbasis Sinyal Electroencephalography Tarigan, Maria Elida; Zebua, Aldo Sofyan; Manurung, Firhot; Bintang, Jasmine Mutiara; Manday, Dhanny Rukmana
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 6 No. 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8677

Abstract

Epilepsi adalah gangguan saraf kronis yang ditandai dengan kejang yang terjadi berulang kali akibat aktivitas listrik yang tidak normal di dalam otak. Menurut informasi dari WHO, lebih dari 50 juta orang di seluruh dunia menderita epilepsi, dengan sekitar 80% dari mereka berada di negara-negara yang sedang berkembang, termasuk Indonesia. Di Indonesia sendiri, diperkirakan ada antara 2,7 sampai 5,4 juta orang yang mengalami epilepsi, sementara fasilitas untuk diagnosis yang cepat dan tepat masih terbatas. Proses untuk mendiagnosis epilepsi umumnya bergantung pada analisis manual dari sinyal EEG yang memerlukan waktu lama dan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit epilepsi secara real-time dengan menggunakan algoritma K-Nearest Neighbors (KNN), sebagai opsi yang efisien dan terjangkau. Berbagai metode sebelumnya, seperti SeizureTransformer, CNN-LSTM, serta teknik yang berbasis entropi dan ensemble, telah menunjukkan hasil yang menggembirakan tetapi terhambat oleh kompleksitas dan kebutuhan komputasi yang tinggi. KNN memiliki kelebihan dalam hal kecepatan dan kemudahan implementasi, meskipun pemanfaatannya dalam konteks EEG epilepsi masih cukup minim. Melalui penelitian ini, sistem berbasis KNN dirancang untuk mendeteksi penyakit secara langsung dari sinyal EEG, dengan harapan dapat meningkatkan akurasi diagnosis dan efisiensi waktu dalam layanan kesehatan. Diharapkan sistem ini dapat memberikan alternatif praktis dalam penanganan epilepsi, terutama di daerah-daerah yang memiliki keterbatasan dalam fasilitas medis seperti Kota Medan.