Article Per Year (5 Year)
p-Index From 2019 - 2024
1.456
P-Index
This Author published in this journals
All Journal CARADDE: Jurnal Pengabdian Kepada Masyarakat Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Infotekmesin Journal of Informatics, Information System, Software Engineering and Applications (INISTA) Jurnal Teknologi dan Sistem Tertanam Jurnal Informatika: Jurnal Pengembangan IT
Riszki Wijayatun Pratiwi
Politeknik Harapan Bersama
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Mechanical Engineering Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
SIMPENDI-PHB: Sistem Informasi Manajemen Pengelolaan Penelitian dan Pengabdian Masyarakat Berbasis Website Dairoh; Ginanjar Wiro Sasmito; M Fikri Hidayatullah; Ratono; Fina Yuniarti; Riszki Wijayatun Pratiwi; Dwi Intan Af’idah; Sharfina Febbi Handayani
Infotekmesin Vol 13 No 1 (2022): Infotekmesin: Januari, 2022
Publisher : P3M Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/infotekmesin.v13i1.861

Abstract

Document management for submission of proposals, assessments, and reports on research and service activities at the Research and Community Service Center of the Harapan Bersama Polytechnic is still manually carried out and not computerized. To facilitate the process of implementing, managing research and service management as well as supervising research, service, publication, and evaluation activities, an information system was built using the waterfall method. This system has been created under the name SIMPENDI PHB by involving 9 actors. The result is that the system runs according to the functions of the actors involved. This system was tested with black box and usability. The results of system testing (black box) is that 9 actors involved in this system have been running according to the function of each actor. As for the usability results by involving several actor menus, namely as many as 30 users consisting of 6 managers in related units, 4 users from the assessment team, and the proposer users (lecturers) is a UI/UX score of 86% in the "Very good" category.
ALAT KENDALI PERANGKAT RUANGAN OTOMATIS DENGAN SISTEM PENGHITUNG MENGGUNAKAN SENSOR INFRARED BERBASIS ARDUINO Ardi Susanto; Riszki Wijayatun Pratiwi
Jurnal Teknologi dan Sistem Tertanam Vol 2, No 2 (2021): Vol 02 No 02, Agustus 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtst.v2i2.1314

Abstract

Penelitian ini bertujuan merancang sebuah sistem dalam memudahkan untuk menggunakan perangkat-perangkat elektonik yang berada di ruangan seperti lampu, televisi, dan kipas angin. Perangkat-perangkat tersebut terkadang sering lupa dimatikan ketika sudah tidak digunakan karena kelalaian pengguna. Berdasarkan hal tersebut, dilakukan perancangan sistem kendali perangkat ruangan otomatis yang diharapkan bisa membantu mengefisienkan penggunaan listrik dari hal kelalaian pengguna ruangan. Cara kerja alat ini yaitu dengan cara menghitung banyaknya pengguna ruangan yang masuk ke dalam ruangan jadi jika tidak ada yang masuk semua perangkat elektronik akan mati secara otomatis dengan sistem mikrokontroller. Logika kerja alat ini yaitu jika hanya ada 1 orang yang berada di dalam ruangan sistem hanya menghidupkan lampu pinggir atau seri, lalu jika ada 2 orang yang berada di dalam ruangan sistem akan menghidupkan lampu utama dan lampu pinggir atau seri dan menghidupkan televisi, lalu jika ada 6 orang di dalam ruangan atau lebih sistem akan menghidupkan lampu utama, lampu pinggir, televisi dan akan menghidupkan kipas
Analisis Sentimen Pada Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM) Riszki Wijayatun Pratiwi; Sharfina Febbi H; Dairoh Dairoh; Dwi Intan Af’idah; Qirani Rifa A; Amaliyah Gian F
Journal of INISTA Vol 4 No 1 (2021): November 2021
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/inista.v4i1.387

Abstract

Penampilan menarik merupakan hal yang diinginkan oleh sebagian perempuan, terutama perawatan kulit. Saat ini tingkat kepedulian merawat kulit sudah tinggi pada perempuan. Sebelum melaksanakan perawatan kulit hal yang utama yaitu mengetahui jenis kulit, untuk membantu perempuan agar lebih mudah mengetahui jenis produk skincare yang cocok pada kulit sehingga penelitian ini membahas mengenai analisis sentimen review skincare pada website kecantikan female daily. Metode yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). SVM merupakan machine learning yang sudah banyak digunakan pada penelitian-penelitian sebelumnya dan memberikan hasil yang maksimal. Penelitian ini mendapatkan hasil akurasi sebanyak 87% dengan recall sebesar 90%, precision sebesar 84,90%, dan f1 score sebesar 87,37%.
Sentimen Ulasan Destinasi Wisata Pulau Bali Menggunakan Bidirectional Long Short Term Memory Dwi Intan Af'idah; Dairoh Dairoh; Sharfina Febbi Handayani; Riszki Wijayatun Pratiwi; Susi Indah Sari
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 21 No 3 (2022)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (467.705 KB) | DOI: 10.30812/matrik.v21i3.1402

Abstract

Pemerintah dan pelaku industri pariwisata mengalami permasalahan dalam menentukan prioritas pengembangan suatu destinasi wisata. Karena itu, diperlukan identifikasi objek wisata yang diminati namun banyak mendapat ulasan buruk melalui ulasan dari masyarakat yang tersebar di internet. Penelitian ini bertujuan melakukan analisis sentimen terhadap ulasan objek wisata di Pulau Bali menggunakan Bi-LSTM dan Word2Vec, sehingga diperoleh model terbaik yang dapat digunakan untuk mengidentifikasi objek wisata potensial namun mendapat ulasan buruk. Bi-LSTM merupakan deep learning yang menawarkan akurasi yang lebih baik daripada LSTM biasa. Sedangkan Word2Vec merupakan pretraining yang dipilih karena dapat menangkap makna semantik teks. Penelitian ini menggunakan data ulasan objek wisata di Pulau Bali yang berasal dari situs tripadvisor.com. Penelitian dimulai dari pengumpulan data, perancangan alur program, preprocessing, pretraining Word2Vec, pembagian data uji dan data latih, pelatihan dan pengujian, serta evaluasi penentuan model terbaik. Akurasi terbaik dihasilkan oleh kombisasi Word2Vec terdiri dari CBOW, Hierarchical Softmax, dimensi 200, Bi-LSTM dengan dropout sebesar 0,5 dan learning rate sebesar 0,0001. Kombinasi tersebut menghasilkan akurasi tertinggi dari keseluruhan 108 kombinasi yaitu sebesar 96,86%, precission sebesar 96,53%, Recall sebesar 96,31%, F1 Measure sebesar 96,41%. Akurasi yang baik tersebut membuktikan bahwa kombinasi parameter Bi-LSTM dan Word2Vec cocok digunakan untuk analisis sentimen ulasan objek wisata di Pulau Bali.
Peningkatan Pengetahuan Tentang Aplikasi Penggunaan Referensi Dalam Publikasi Karya Ilmiah Dairoh Dairoh; Sharfina Febbi Handayani; Riszki Wijayatun Pratiwi; Dwi Intan Af’idah; Very Kurnia Bakti; Susi Nurindah Sari; Irvan Akbar
CARADDE: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2022): Agustus
Publisher : Ilin Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31960/caradde.v5i1.1390

Abstract

Kemampuan menulis dan mempublikasikan sebuah karya ilmiah merupkan salah satu aktivitas penting bagi setiap orang khususnya bagi guru, dosen dan mahasiswa pada umumnya. Proses menulis karya ilmu pastinya menggunakan rujukan didalamnya. Namun perlu diperhatikan bahwa penulisan rujukan harus berhati-hati agar terhindar dari kegiatan plagiasi. Pengetahuan tentang beberapa aplikasi sitasi referensi yang dapat membantu telah tersedia secara mudah. Namun masih banyak yang belum mengetahui dan mengenal aplikasi sitasi (referensi). Untuk itu, guna mengenalkan dan memanfaatkan aplikasi referensi tersebut di lakukan kegiatan PKM pada tanggal 15 Juli 2021 secara virtual dengan 55 peserta daru guru, dosen dan mahasiswa. Kegiatan PKM ini berupa pemberian materi dan praktik penggunaan dari aplikasi Mendeley dan Zotero. Hasilnya peserta mengetahui dan mengenal aplikasi sistem referensi yang tersedia seperti Mendeley dan Zotero secara lancar dan benar saat dilakukan praktik, dengan hasil responden peserta terhadap pemahaman penggunaan aplikasi tersbut diperoleh 80% peserta sudah dapat mengenal, memahami dan menggunakan sistem referensi yang diketahui
Penerapan Eigenvector Centrality Terkait Metode Social Network Analysis (SNA) dalam Program Vaksinasi Covid-19 di Twitter Eli Krisnawati; Dega Surono Wibowo; Ardi Susanto; Riszki Wijayatun Pratiwi; Dairoh Dairoh
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 3 (2022): JPIT, September 2022
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i3.4622

Abstract

Coronavirus Diseas-19 (Covid-19) merupakan virus yang dianggap sebagai pandemi oleh WHO. Kasus terkonfimasi covid-19 semakin melonjak di Indonesia. Oleh sebab itu, pemerintah membuat kebijakan untuk mengurangi angka kematian akibat covid-19 dengan mengadakan program vaskin massal. Namun, program tersbut menjadi perbincangan di Twitter yang membentuk penerimaan dan penolakan dari masyarakat. Maka dari itu, twitter dapat dimanfaatkan untuk melakukan analisa data. Penelitian ini menggunakan social network analysis (sna) dengan menggunakan skor eigenvector centrality terkait aktor berpengaruh dalam sebuah jaringan yang memiliki hubungan dengan aktor penting lainnya dalam penyebaran informasi terkait vaksin menggunakan kata kunci vaksinasi covid 19. Data yang diteliti sebanyak 22.498 nodes dan 31.982 edges yang sebelumnya sudah ditentukan source dan target. Data tersebut diambil melalui proses crawling API Twitter yang dimulai pada tanggal 01 sampai dengan 24 Januari 2021. Hasil dari penelitian menunjukkan bahwa terdapat 10 aktor dengan skor eigenvector centrality tertinggi, yaitu @jokowi, @ridwankamil, @Abe_Mukti,@yanuarnugroho, @KompasTV, @VIVAcoid, @KemenkesRI, @BBCIndonesia, @tempodotco, dan @kompascom. Dari 10 akun tersbut, akun @jokowi merupakan akun dengan sentralitas tertinggi yaitu 1.0. Selanjutnya, menentukan nilai popularitas menggunakan follower rank. Dari penelitian ini didapat bahwa akun @ kompascom memili skor follower tertinggi yaitu 0,99999699.. Dengan demikian, aktor yang memiliki skor eigenvector centrality tidak selalu memiliki skor follower rank yang tinggi. Namun, hal tersebut belum tentu berlaku jika untuk topik pembahasan yang lain, karena hal ini dipengaruhi juga oleh banyaknya data yang diambil.
Pengaruh Parameter Word2Vec terhadap Performa Deep Learning pada Klasifikasi Sentimen Dwi Intan Af'idah; Dairoh Dairoh; Sharfina Febbi Handayani; Riszki Wijayatun Pratiwi
Jurnal Informatika: Jurnal Pengembangan IT Vol 6, No 3 (2021): JPIT, September 2021
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v6i3.3016

Abstract

The difficulty of sentiment classification on this big data can be overcome using deep learning. Before the deep learning training and testing process is carried out, a word features extraction process is needed. Word2Vec as a word features extraction is often used in sentiment classification pre-training because it can capture the semantic meaning of the text by representing a similar vector for each word that has a close meaning. Word2Vec has three parameters that affect the model learning process namely architecture, evaluation method, and dimensions. This study aims to determine the effect of each Word2Vec parameter on deep learning performance in sentiment classification. The accuracy results of the deep learning model were evaluated to determine the effect of the Word2Vec parameter. The results of this study indicate that the three Word2Vec parameters have an influence on the performance of the deep learning model in sentiment classification. The combination of Word2Vec parameters that produces the highest average accuracy include CBOW (Continuous Bag of Word) architecture, Hierarchical Softmax evaluation method, and a dimension of 100. CBOW produces better performance, because it has slightly better accuracy for words that often appear and in this research dataset there are many words that often appear. Hierarchical Softmax shows better results because it uses a binary tree model which makes words that occur rarely will inherit the vector representation above them. The dimension with a value of 100 produces better accuracy because it is in line with the number of datasets of 10,000 reviews.  
Co-Authors Amaliyah Gian F Ardi Susanto Dairoh Dairoh Dairoh Dairoh Dairoh, Dairoh Dega Surono Wibowo Dwi Intan Af’idah Dwi Intan Af’idah Eli Krisnawati Fina Yuniarti Ginanjar Wiro Sasmito Irvan Akbar M Fikri Hidayatullah Qirani Rifa A Ratono Sharfina Febbi Handayani Susi Indah Sari Susi Nurindah Sari Very Kurnia Bakti, Very Kurnia