Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) bit-Tech Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara)
Sestri Novia Rizki
Universitas Media Nusantara Citra
Computer Science & IT Engineering

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

Found 3 Documents
Search

 1 
MODEL CERDAS PENGENALAN POLA WARNA MENGGUNAKAN ARSITEKTUR BAM KONTINU BERBASIS NEURAL NETWORK Sestri Novia Rizki; Vani Maharani Nasution; Ahmad Taufik
Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN) Vol 13, No 2 (2025): Jurnal Tikomsin, Vol 13, No.2, Oktober 2025
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30646/tikomsin.v13i2.1027

Abstract

Color pattern recognition is an important field in digital image processing that has various applications, such as in object identification systems, image classification, and computer-based visual recognition. This study aims to design and implement a color pattern recognition system using Artificial Neural Networks (ANN) with the continuous Bidirectional Associative Memory (BAM) method. The continuous BAM method was chosen because of its ability to perform a bidirectional association process between input patterns and target patterns adaptively and stably. The research stages include collecting color data in RGB format, normalizing input values, forming an association matrix, training the network, and testing the system on a number of predetermined color patterns. The test results show that the continuous BAM model is able to recognize color patterns with a fairly high level of accuracy and a relatively fast convergence time. This system also shows resilience to small changes in color intensity values, so it has the potential to be applied to image recognition applications that require accurate color identification. Of the four color patterns resulting from the calculation, there are 2 patterns that match the target, namely the red and blue color patterns with the final target values [-1,1] output [-6,6] and [-1,-1] output [-6,-18].
Perancangan Aplikasi Sistem Informasi Wisata Menggunakan Metode Algoritma Best First Search Sestri Novia Rizki; Yusli Yenni; Nanda Jarti
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1845

Abstract

Perkembangan teknologi saat ini sangat berpengaruh positif terhadap sektor pariwisata, khususnya di Kota Solok. Pemanfaatan sistem informasi berbasis teknologi dapat mempermudah wisatawan dalam mencari informasi tentang jalur perjalanan, termasuk jarak dan rute yang akan ditempuh. Aplikasi yang dirancang dalam penelitian ini bertujuan untuk menyediakan informasi lengkap mengenai pariwisata di Kota Solok, termasuk rute, jarak tempuh, dan waktu yang dibutuhkan untuk mencapai tujuan. Dengan menggunakan algoritma ini, solusi optimal dapat ditemukan. Algoritma Best First Search memilih jalur terbaik menuju tujuan dengan cara mengevaluasi setiap node menggunakan fungsi evaluasi yang telah ditentukan sebelumnya. Pada penelitian ini terdapat 10 tempat rekreasi yang akan dikunjungi dengan ketentuan mencari jalur yang terpendek atau yang terkecil tanpa harus membuang waktu agar tidak menempuh jalan yang berulang. Terdapat 45 Kombinasi nilai yang akan dituju. Jarak dan rute masing masing bisa dilihat dari hasil penelitian. Hasil penelitian ini dapat mengemat waktu dan jarak saat melakukan pariwisata di kota Solok. Algoritma BFS dipilih karena kemampuannya dalam mengevaluasi node berdasarkan fungsi heuristik, yang memungkinkan pencarian jalur terbaik secara efisien. Sistem ini dirancang untuk memberikan informasi lengkap tentang lokasi wisata, fasilitas, dan estimasi waktu tempuh antar lokasi. Selain itu, aplikasi ini juga memberikan rekomendasi rute perjalanan yang optimal sesuai dengan preferensi pengguna. Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritma BFS dapat meningkatkan efisiensi pencarian rute wisata dan memberikan rekomendasi yang lebih sesuai dengan kebutuhan pengguna, serta meningkatkan pengalaman wisatawan dalam merencanakan perjalanan.
Quantifying Target Leakage in SEER Breast Cancer Mortality Prediction Sestri Novia Rizki; Vani Maharani Nasution; Eko Amri Jaya; Verra Budhi Lestari; Elfina Maulid
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 5 (2026): October 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i5.8105

Abstract

Recent machine learning studies on the SEER Breast Cancer dataset report 95–98% accuracy (2022–2025), but their methods are rarely examined. Because the dataset is imbalanced (84.7% Alive), accuracy alone is a poor discrimination metric — a trivial always-Alive classifier scores near 85% — so this audit quantifies leakage inflation on ROC-AUC, computed identically across 12 models. We measure how much performance stems from target leakage via Survival Months, which encodes retrospective survival time unavailable at prediction. Undetected, such leakage could lead clinicians to overtrust a model's risk estimates, risking inappropriate care decisions. We train 12 models under three conditions: a) naïve, with Survival Months and a non-stratified split; b) leakage-free with stratified evaluation; and c) fixed-horizon (36- and 60-month) binary mortality, excluding censored cases. Under Condition A, the best ROC-AUC is 0.889 (accuracy 0.899). Removing leakage yields a consistent AUC ceiling of 0.74–0.77 across all 12 models — an inflation of +0.07 to +0.20 AUC points. SHAP shows Survival Months dominates feature importance by 3.0–4.3× under leakage; imbalance-handling methods (BorderlineSMOTE, class weighting) raise minority-class F1 but lower mean Brier Skill Score to −0.585 and −0.597. The contribution is the audit methodology itself — a reusable protocol for detecting leakage-driven inflation in registry-based clinical prediction.
Co-Authors Ahmad Taufik Eko Amri Jaya Elfina Maulid Nanda Jarti Vani Maharani Nasution Vani Maharani Nasution Verra Budhi Lestari Yusli Yenni