Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil) Jurnal TIMES Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Sintiya, Cindy
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Environmental Science Health Professions Medicine & Pharmacology Public Health

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PENGGUNAAN MOBILENET UNTUK INTELLIGENT CHARACTER RECOGNITION (ICR) PENILAIAN OTOMATIS OPERASI MATEMATIKA DASAR Winardi, Sunaryo; Gunawan; Mikael Sinaga, Frans; Rio Fa, Farrell; Sintiya, Cindy; Jikky
Jurnal TIMES Vol 12 No 2 (2023): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.12.2.2023707

Abstract

Matematika sering dikenal sebagai mata pelajaran yang sulit dan rumit, sehingga dibutuhkan media pembelajaran yang dapat memotivasi dan membantu siswa. Pembelajaran matematika yang terkesan membosankan dan kurang variasi dapat mengurangi daya tarik bagi siswa untuk belajar matematika. Tujuan penelitian ini adalah mengembangkan purwarupa awal berbasis ponsel dengan sistem operasi Android yang dapat mengenali ekspresi matematika dalam tulisan tangan dan dapat secara otomatis memberikan nilai (grading) terhadap ekspresi matematika yang dihasilkan dengan memanfaatkan intelligent character recognition (ICR). ICR adalah teknologi pengenalan karsakter yang dapat digunakan untuk mengonversi tulisan tangan atau tulisan digital menjadi teks digital yang dapat diproses oleh komputer dan dapat memperbaiki kesalahan pengenalan secara otomatis. Sistem Android dibangun menggunakan Teachable Machine yang disediakan oleh Google untuk pembuatan model dan pendukung pembelajaran mesin TensorFlow sebagai pendeteksi tulisan tangan pada perangkat mobile. Proses pengenalan tulisan akan menggunakan MobileNet yang merupakan arsitektur jaringan saraf tiruan yang disediakan oleh flutter_tflite. Hasil deteksi kemudian akan dilakukan kalkulasi untuk menentukan penulisan arikmatika yang dideteksi benar atau salah. Dari hasil pengujian terhadap 100 tulisasn tangan siswa SD kelas 3 didapatkan hasil pengujian penilaian otomatis dengan akurasi sebesar 46%. Rendahnya hasil akurasi ini dikarenakan tulisan tangan siswa yang memiliki variasi tinggi dan tidak ada dua karakter tulisan tangan yang identik. Pada Penelitian ini ditemukan masih banyak simbol sama dengan (=) diklasifikasikan sistem sebagai tanda kurang (-) dan angka 8 yang diklasifikasi sebagai angka 3.
Pengembangan Aplikasi Web untuk Meningkatkan Efisiensi Operasional Organisasi Nirlaba Bidang Kesehatan Winardi, Sunaryo; Wong, Ng Poi; Megawan, Sunario; Ginting, Tri Wulandari; Fa, Farrell Rio; Sintiya, Cindy; Jikky, Jikky
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 7 No 1 (2025): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v7i1.1007

Abstract

Yayasan HOPE, sebuah organisasi nirlaba yang fokus pada kesehatan, menghadapi tantangan dengan aplikasi web mereka yang tidak memenuhi kebutuhan operasional. Masalah yang diidentifikasi meliputi antarmuka yang tidak menarik, kurangnya catatan untuk barang masuk dan keluar, catatan inventaris yang tidak lengkap, dan akses admin yang terbatas. Untuk mengatasi masalah ini, tim layanan menggunakan pendekatan rekayasa perangkat lunak dengan paradigma prototyping dan User-Centered Design. Proses pengembangan dimulai dengan wawancara mendalam untuk memahami kebutuhan mitra, diikuti dengan pembuatan wireframe yang mencerminkan antarmuka dan alur kerja aplikasi. Wireframe ini dipresentasikan kepada pemangku kepentingan untuk mendapatkan umpan balik. Setelah iterasi dan perbaikan berdasarkan masukan pengguna, tim mengembangkan aplikasi web yang disesuaikan dengan kebutuhan operasional yayasan. Aplikasi tersebut kemudian diimplementasikan dengan pelatihan pengguna yang komprehensif, menghasilkan aplikasi web yang efektif dan meningkatkan pengalaman pengguna.
Pengembangan Aplikasi Deteksi Kematangan Buah Pisang Berbasis Web Menggunakan Model CNN-LSTM Sintiya, Cindy; Gunawan, Erin; Marpaung, Dhea Romantika; Fa, Farrell Rio; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol. 26 No. 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1500

Abstract

Klasifikasi tingkat kematangan buah merupakan salah satu tantangan dalam penerapan teknologi kecerdasan buatan di sektor pertanian. Penelitian ini mengusulkan sistem deteksi tingkat kematangan pisang menggunakan arsitektur deep learning berbasis Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Dataset citra pisang diproses melalui tahapan preprocessing yang mencakup normalisasi, segmentasi warna (mask kuning dan hijau), serta deteksi tepi, untuk menonjolkan fitur visual yang relevan. Model yang diimplementasikan mampu mengklasifikasikan tingkat kematangan pisang ke dalam kategori "matang" dan "mentah". Sistem ini diintegrasikan dengan antarmuka berbasis web menggunakan Streamlit, memungkinkan prediksi dilakukan secara real-time. Hasil pengujian menunjukkan bahwa model mencapai akurasi 100% pada dataset uji, dengan precision, recall, dan F1-score sempurna. Penelitian ini membuktikan efektivitas pendekatan CNN-LSTM dalam klasifikasi tingkat kematangan buah yang diharapkan dapat membantu memberikan kontribusi terhadap otomatisasi di sektor pertanian.
Evaluasi Teknik Resampling untuk Class Balancing dalam Analisis Sentimen Kesehatan Mental Berbasis Bi-LSTM Sintiya, Cindy; Hutagaol, Grace Helena; Bate`e, David; Irviantina, Syanti
Jurnal Sifo Mikroskil Vol. 26 No. 2 (2025): JSM VOLUME 26 NOMOR 2 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i2.1799

Abstract

Ketidakseimbangan data (imbalanced data) sering menjadi tantangan utama dalam analisis sentimen, terutama ketika model pembelajaran mesin cenderung mengabaikan kelas minoritas yang justru memuat informasi kritis. Penelitian ini mengevaluasi efektivitas teknik class balancing dengan metode resampling, yaitu Random Under-Sampling (RUS) dan Synthetic Minority Over-sampling Technique (SMOTE), dalam meningkatkan performa model LSTM (Long Short-Term Memory) untuk analisis sentimen kesehatan mental. Hasil penelitian menunjukkan bahwa metode SMOTE dapat meningkatkan F1-score pada kelas “Suicidal” dari 64,4% menjadi 72,6%, meskipun terjadi penurunan pada kelas “Depression” dari 73,4% menjadi 59,9%. Sementara itu, metode RUS cenderung menurunkan performa secara keseluruhan, dengan akurasi model turun dari 80,5% menjadi 77,8% akibat penghapusan data secara acak yang mengurangi kualitas representasi data. Penelitian ini menyimpulkan bahwa meskipun teknik resampling dapat membantu menyeimbangkan data, namun penerapannya pada data teks memerlukan kehati-hatian untuk menghindari efek negatif pada performa model.
Co-Authors Bate`e, David Fa, Farrell Rio Ginting, Tri Wulandari Gunawan Gunawan Gunawan, Erin Hutagaol, Grace Helena Jikky Jikky, Jikky Marpaung, Dhea Romantika Mikael Sinaga, Frans Ng Poi Wong Rio Fa, Farrell Sinaga, Frans Mikael Sunario Megawan Syanti Irviantina Winardi, Sunaryo