Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknologi dan Rekayasa Reputasi: Jurnal Rekayasa Perangkat Lunak Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi
Jenie Sundari
Universitas Bina Sarana Informatika
Automotive Engineering Computer Science & IT Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology

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

Found 3 Documents
Search

 1 
Perancangan Sistem Informasi Posyandu Remaja Berbasis Web Menggunakan Metode User-Centered Design (UCD) Pada Posyandu Seruni Kota Tangerang jenie sundari; Sulistiyah Sulistiyah; Asep Sayfulloh
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 6 No. 1 (2025): Mei 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v6i1.8932

Abstract

Posyandu Remaja merupakan program pelayanan kesehatan yang ditujukan bagi remaja untuk meningkatkan pengetahuan dan kesadaran terhadap kesehatan fisik dan mental. Namun, pelaksanaan kegiatan Posyandu Remaja sering mengalami kendala dalam pengelolaan data, penyampaian informasi, dan pelibatan aktif remaja. Oleh karena itu, penelitian ini bertujuan untuk merancang sistem informasi Posyandu Remaja berbasis web dengan pendekatan User-Centered Design (UCD) guna memastikan sistem yang dikembangkan sesuai dengan kebutuhan dan harapan pengguna. Metode UCD diterapkan melalui enam tahapan, yaitu identifikasi kebutuhan pengguna, spesifikasi kebutuhan, perancangan desain awal (low-fidelity), pembuatan prototipe (high-fidelity), evaluasi pengguna, serta perbaikan desain. Data kebutuhan pengguna dikumpulkan melalui wawancara dan kuesioner kepada remaja, kader Posyandu, dan petugas puskesmas. Hasil perancangan sistem menghasilkan prototipe antarmuka yang mudah digunakan, informatif, dan responsif terhadap perangkat mobile. Evaluasi usability menggunakan System Usability Scale (SUS) menunjukkan bahwa sistem memperoleh nilai dalam kategori "baik", yang menandakan sistem mudah digunakan dan diterima oleh pengguna. Dengan adanya sistem ini, pengelolaan data Posyandu menjadi lebih terstruktur, partisipasi remaja meningkat, dan penyampaian informasi kesehatan dapat dilakukan secara efektif dan efisien.
Prediksi Harga Saham NVIDIA Menggunakan Model LSTM dan GARCH Fiqri Maulana Syach; Taufik Baidawi; Jenie Sundari
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 2 (2026): SINTA: APRIL
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v2i4.109

Abstract

Prediksi harga saham merupakan tantangan kompleks dalam dunia keuangan karena tingginya volatilitas dan ketergantungan waktu pada data historis. Saham NVIDIA Corporation menjadi perhatian karena perannya dalam sektor teknologi mutakhir seperti AI dan GPU, yang membuat pergerakan harganya sangat fluktuatif. Untuk mengatasi tantangan tersebut, penelitian ini bertujuan mengembangkan model prediksi harga saham yang akurat dengan menggabungkan dua pendekatan: Long Short-Term Memory (LSTM) dan Generalized Autoregressive Conditional Heteroskedasticity (GARCH). GARCH digunakan untuk menghitung volatilitas harian sebagai fitur tambahan, sementara LSTM digunakan untuk memodelkan pola deret waktu harga saham. Penelitian dilakukan dengan pendekatan kuantitatif menggunakan data historis saham NVIDIA dari tahun 2015 hingga 2024 yang diambil dari Yahoo Finance. Hasil evaluasi model menunjukkan bahwa model hybrid GARCH-LSTM memiliki performa prediksi lebih baik dibandingkan model LSTM murni. Nilai Mean Absolute Error (MAE) yang diperoleh sebesar 1.72 dan Root Mean Squared Error (RMSE) sebesar 2.26, lebih rendah dibandingkan LSTM murni. Dengan demikian, integrasi GARCH dan LSTM terbukti efektif meningkatkan akurasi prediksi harga saham, serta dapat menjadi acuan dalam pengambilan keputusan investasi berbasis data
Pendekatan computer vision untuk analisis fitur visual dalam estimasi produktivitas tanaman kopi Jenie Sundari; Ahmad Sinnun; Fuad Nur Hasan; Mulia Rahmayu
Jurnal Ilmiah Teknologi dan Rekayasa Vol. 31 No. 1 (2026)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2026.v31i1.182

Abstract

Coffee productivity is an important factor in supporting the sustainability of smallholder plantations, particularly in the Sukabumi region. However, conventional estimation methods that rely on manual observation tend to be subjective and inefficient. Although previous studies have applied computer vision and machine learning for yield prediction, most approaches depend on large-scale datasets and expensive sensing technologies, and often do not integrate multiple visual plant features comprehensively. This indicates a research gap in the use of simple RGB-based imaging for productivity estimation. This study aims to analyze visual features of coffee plants and develop a coffe productivity estimation model using the Random Forest algorithm. The dataset consists of 10 coffee plant images collected directly from field observations, with extracted features including fruit count, fruit maturity percentage, canopy area, leaf color, and leaf texture. Model evaluation is performed using Leave-One-Out Cross Validation (LOOCV) method to optimize data utilization on a limited dataset. The results show that the model achieves a Mean Absolute Error (MAE) of 0.06, a Root Mean Square Error (RMSE) of 0.07, and a coefficient of determination (R²) of 0.91. These results indicate good predictive performance within the available dataset. Feature importance analysis reveals that fruit count and fruit maturity percentage are the most influential factors in determining coffee productivity. This study contributes to the development of a low-cost image-based estimation approach that is practical and potentially applicable for smart agriculture in smallholder coffee plantations, although the findings remain preliminary due to the limited dataset size.
Co-Authors Ahmad Sinnun Asep Sayfulloh Fiqri Maulana Syach Fuad Nur Hasan Mulia Rahmayu Sulistiyah Taufik Baidawi, Taufik