Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Infotek : Jurnal Informatika dan Teknologi Jurnal Mahasiswa Sistem Informasi (JMSI) Jurnal Ilmiah Sistem Informasi
Findi Ayu Sariasih
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Library & Information Science Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
SISTEM REKOMENDASI POLA MAKAN SEHAT BERBASIS DATA SMARTPHONE DAN MECHINE LEARNING Kurniawan, Andre; Sutikno, Wahyu; Dian Yunita sari; Syifa Nur Rakhmah; Findi Ayu Sariasih; Imam Suyoto
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 7 No. 1 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v7i1.10608

Abstract

Perkembangan teknologi informasi telah memberikan efek signifikan dalam sektor kesehatan, salah satunya dengan penggunaan smartphone untuk memonitor aktivitas fisik pemakainya. Namun, banyak aplikasi kesehatan yang tersedia hanya menampilkan informasi aktivitas tanpa memberikan saran mengenai diet yang sesuai dengan kebutuhan individu. Penelitian ini bertujuan untuk menciptakan sistem rekomendasi pola makan sehat yang berbasis data dari smartphone dan machine learning dengan menggunakan algoritma K-Nearest Neighbors (KNN). Sistem ini dirancang untuk memanfaatkan data aktivitas pengguna yang diambil dari Google Fit, seperti jumlah langkah, tekanan darah, kadar gula darah, dan estimasi kalori, yang selanjutnya dikelola menggunakan algoritma KNN untuk mengidentifikasi kategori kebutuhan energi harian pemakai. Hasil dari klasifikasi ini digunakan untuk memberikan rekomendasi makanan yang relevan berdasarkan kondisi fisik pengguna. Proses pengembangan sistem dilakukan melalui metode Agile dengan kerangka kerja Scrum, yang mencakup langkah-langkah Product Backlog, Sprint Planning, Sprint Execution, dan Sprint Review. Implementasi yang berhasil menunjukkan bahwa sistem dapat menampilkan data aktivitas fisik pengguna secara langsung dan memberikan rekomendasi makanan yang sesuai dengan tingkat aktivitas mereka. Dengan demikian, sistem ini diharapkan dapat membantu pengguna dalam mengadopsi pola makan sehat yang disesuaikan serta meningkatkan kesadaran gizi di kalangan masyarakat.
Sistem Klasifikasi Citra AI Dan Human Menggunakan CNN Multi-Modal Berbasis Web Ardiyansyah, Oscar; Muhammad ‘Aziz Hidayatullah; Derrylen Fernanda; Syifa Nur Rakhmah; Findi Ayu Sariasih; Imam Sutoyo
Jurnal Ilmiah Sistem Informasi (JISI) Vol. 5 No. 1 (2026): MARET
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jisi.v5i1.10543

Abstract

Penelitian ini mengembangkan sistem klasifikasi citra berbasis web menggunakan arsitektur Convolutional Neural Network (CNN) multi-modal untuk membedakan citra buatan manusia dan hasil generasi AI. Sistem yang diajukan menggabungkan tiga jenis input, yaitu citra asli, Error Level Analysis (ELA), dan Residual Noise Map (RDM) guna memperkaya representasi fitur pada proses klasifikasi. Model dibangun dengan backbone VGG16 pre-trained dan diuji pada 2.102 data citra yang terbagi seimbang antara dua kelas. Hasil eksperimen menunjukkan akurasi validasi sebesar 91% dan nilai macro F1-score sebesar 0,91, mengungguli pendekatan unimodal pada tugas serupa. Sistem diimplementasikan menggunakan framework Flask yang memungkinkan uji keaslian citra secara real-time, sehingga sangat relevan diterapkan di bidang forensik digital, verifikasi hak cipta, dan mitigasi disinformasi visual.
Perancangan Sistem Rekomendasi Adaptif Latihan dan Nutrisi Berbasis Reinforcement Learning Rifai Alinza Putra; Angga Putra Laziman Sadiarta; Satria Baihaqi Yaasiin; Syifa Nur Rakhmah; Findi Ayu Sariasih
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 1 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i1.32968

Abstract

This research aims to design and develop a personalized Adaptive Exercise and Nutrition Recommendation System, using a Reinforcement Learning (RL) approach, to overcome the limitations of conventional fitness programs that are generic and static. Unhealthy lifestyle trends have increased non-communicable diseases, but available wellness solutions fail to adapt in real-time to users' dynamic conditions—such as fatigue levels, weight changes, or nutritional responses—making them a major factor in consistent failure. This research adopts the Design Science Research Methodology (DSRM) methodology. The main problem is solved through designing an intelligent system architecture that is capable of managing and processing dynamic user data. The Deep Q-Network (DQN) algorithm is implemented effectively to produce optimal and personalized training and nutrition program recommendations on an ongoing basis. The system is trained and evaluated using synthetic data to enable simulation of complex feedback scenarios and address sensitive data privacy issues. The research output is a functional prototype (Proof-of-Concept) which will be analyzed and evaluated for its performance comparatively with conventional fitness programs to measure the level of program optimization and user consistency.
Co-Authors Andre Kurniawan Angga Putra Laziman Sadiarta Ardiyansyah, Oscar Derrylen Fernanda Dian Yunita sari Imam Sutoyo Imam Suyoto Muhammad ‘Aziz Hidayatullah Rifai Alinza Putra Satria Baihaqi Yaasiin Sutikno, Wahyu Syifa Nur Rakhmah, Syifa Nur