Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) JCES (Journal of Character Education Society) Eksos JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Yulianti Yulianti
Universitas Tanjungpura
Religion Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
KETERLIBATAN AKADEMISI DALAM MENANGGULANGI DAMPAK COVID-19 TERHADAP MASYARAKAT MELALUI AKSI BERBAGI SEMBAKO Herlan Herlan; Efriani Efriani; Agus Sikwan; Hasanah Hasanah; Galuh Bayuardi; Endang Indri Listiani; Yulianti Yulianti
JCES (Journal of Character Education Society) Vol 3, No 2 (2020): JULI
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.078 KB) | DOI: 10.31764/jces.v3i2.2314

Abstract

Abstrak: Aspek ekonomi menerima dampak ±60% dari bencana pandemi. Dampak ini umumnya merupakan bagain dari  proses  tindakan pencegahan dan pengendalian terhadap penyebaran Virus. Indonesia merupakan satu negara yang sedang dilanda bencana pandemi Covid-19. Berbagai kebijakan dalam upaya pencegahan telah dilakukan oleh pemerintah, yang berdampak pada aspek ekonomi masyarakat. Masyarakat pedesaan merupakan masyarakat yang rentan mengalami resiko kerugian akibat pandemi Covid-19. Oleh karena itu, pengabdian ini bertujuan untuk meringankan dampak pandemi Covid-19 terhadap masyarakat di beberapa desa yang menerima dampak dari kebijakan pencegahan penyebaran Covid-19. Pengabdian ini menjadi satu wujud nyata keterlibatan akademisi dalam mengurangi dampak Covid-19 terhadap masyarakat di pedesaan. Pengabdian ini menggunakan model kolaborasi sebagai metode dalam pelaksanaannya. Hasil dari kegiatan ini terdapat 400 keluarga yang mendapat dampak ekonomi dari pandemi Covid-19 yang tersebar di tiga desa. Pengabdian kepada masyarakat dengan model kolaborasi dinilai sebagai tindakan yang baik dalam mewujudkan keterlibatan perguruan tinggi dengan tetap melakukan social distancing.Abstract: Economic aspects received ± 60% of the impact of a pandemic disaster. This impact is generally part of the process of preventing and controlling the spread of the virus. Indonesia is a country that is being hit by the Covid-19 pandemic disaster. Various policies in prevention have been carried out by the government, which have an impact on the economic aspects of society. Rural communities are vulnerable to the risk of loss due to Covid-19 pandemic. Therefore, this service aims to mitigate the impact of the Covid-19 pandemic on communities in several villages that received the impact of the policy of preventing the spread of Covid-19. This service became a tangible manifestation of academic involvement in reducing the impact of Covid-19 on rural communities. This service uses the collaboration model as a method of implementation. As a result of this activity, 400 families were affected by the economic impact of the Covid-19 pandemic in three villages. Community service with a collaboration model is considered as a good action in realizing university involvement while continuing to do the social distance.
SOSIALISASI PEMANFAATAN PEKARANGAN RUMAH UNTUK KETAHANAN PANGAN KELUARGA PADA MASA PANDEMI COVID-19 Herlan Herlan; Agus Sikwan; Endang Indri Listiani; Yulianti Yulianti; Efriani Efriani
JCES (Journal of Character Education Society) Vol 5, No 1 (2022): Januari
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jces.v5i1.4787

Abstract

Abstrak: Kegiatan ini bertujuan untuk mensosialisasikan program ketahanan pangan pada tingkat keluarga di pedesaan. Melalui sosialisasi diharapkan masyarakat dapat terlibat aktif dengan mengoptimalkan pekarangan rumah sebagai lahan tanam guna menanggulangi krisis pangan akibat pandemi Covid-19. Kegiatan ini menggunakan model sosialisasi sebagai metode dalam pelaksanaannya. Kegiatan ini dilakukan dengan bermitra bersama pemerintah desa melalui Balai Penyuluhan Pertanian (BPP) untuk mendampingi 25 keluarga Kelompok Wanita Tani (KWT). Kegiatan ini dilakukan selama 3 Bulan yakni pada bulan Mei hingga July 2021. Kegiatan ini dilakukan dalam 3 tahap, yakni sosialisasi, pemberian bibit, serta pendampingan penanaman dan perawatan tanaman. Melalui PkM ini, sosialisasi terhadap KWT dinilai efektif, KWT dinilai menjadi aktor yang tepat dalam mewujudkan ketahanan pangan keluarga melalui optimalisasi pekarangan rumah.Abstract: This activity aims to socialize food security programs at the family level in rural areas. Through socialization, it is hoped that the community can be actively involved by optimizing the yard of the house as planting land to overcome the food crisis due to the Covid-19 pandemic. This activity uses a socialization model as a method in its implementation. This activity was carried out in partnership with the village government through the Agricultural Extension Center (BPP) to assist 25 families of the Women Farmers Group (KWT). This activity was carried out for 3 months, from May to July 2021. This activity was carried out in 3 stages, namely socialization, providing seeds, and assisting in planting and caring for plants. Through this PkM, the socialization of KWT is considered effective, KWT is considered to be the right actor in realizing family food security through optimizing the home yard.
Implementasi Algoritma K-Nearest Neighbor Untuk Mengklasifikasi Masa Studi Mahasiswa Informatika Universitas Tanjungpura Steven Steven; Arif Bijaksana Putra Negara; Yulianti Yulianti
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 3 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i3.56724

Abstract

Setiap perguruan tinggi memiliki waktu maksimal yang diberikan kepada mahasiswa dalam menyelesaikan studinya, jika mahasiswa tersebut sudah melewati batas waktu yang telah ditentukan maka mahasiswa tersebut akan dikeluarkan dari perguruan tinggi. Dengan memanfaatkan data akademik mahasiswa yang tersimpan dalam database perguruan tinggi, maka data akademik mahasiswa dapat digunakan untuk mengklasifikasi masa studi mahasiswa. Tujuan penelitian ini adalah untuk mengklasifikasi masa studi mahasiswa serta mengetahui performa algoritma yang digunakan dalam proses klasifikasi. Algoritma yang digunakan untuk penelitian ini adalah K-Nearest Neighbor dan Naive Bayes. Pada penelitian ini juga, algoritma klasifikasi akan ditambahkan Feature Selection Information Gain untuk melihat pengaruh akurasi pada algoritma. Data akademik akan diklasifikasikan kedalam 2 kelas, yaitu kelas lulus tepat waktu dan lulus tidak tepat waktu. Hasil evaluasi menunjukkan bahwa algoritma K-Nearest Neighbor dengan menambahkan Feature Selection Information Gain memberikan hasil performa klasifikasi yang paling baik dengan nilai akurasi sebesar 70.41% dan f1-score sebesar 80.68% dengan nilai k (jarak antar data)=17 pada evaluasi nilai akademik 4 semester dan nilai akurasi sebesar 70.14% dan f1-score sebesar 80.68% dengan nilai k (jarak antar data)=21 pada evaluasi nilai akademik 7 semester. Sedangkan dengan menggunakan algoritma Naive Bayes dengan menambahkan Feature Selection Information Gain mendapatkan nilai akurasi sebesar 67.95% dan f1-score sebesar 72.85.% pada evaluasi nilai akademik 4 semester dan nilai akurasi sebesar 69.32% dan f1-score sebesar 73.47% pada evaluasi nilai akademik 7 semester. Penggunaan Feature Selection Information Gain pada algoritma K-Nearest Neighbor memberikan nilai akurasi yang lebih baik dibandingkan algoritma Naive Bayes dengan perbandingan akurasi sebesar 2.46% dan f1-score sebesar 7.83% pada evaluasi nilai akademik 4 semester dan perbandingan akurasi sebesar 0.82% dan f1-score sebesar 7.21% pada evaluasi nilai akademik 7 semester. Setelah didapatkan performa algoritma terbaik yaitu algoritma K-Nearest Neighbor dengan menambahkan Feature Selection Information Gain, maka algoritma tersebut akan digunakan untuk mengklasifikasi masa studi mahasiswa Informatika Universitas Tanjungpura dengan sistem yang dibangun pada penelitian ini.
Partisipasi Masyarakat dalam Penanggulangan Stunting melalui Kegiatan Gizi Puskesmas Kebong Kecamatan Kelam Permai Endang Indri Listiani; Yulianti Yulianti; Ira Patriani
Eksos Vol 19 No 1 (2023): Eksos
Publisher : Jurusan Akuntansi Politeknik Negeri Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31573/eksos.v19i1.525

Abstract

The purpose of this study was to find out the form of community participation in stunting prevention through nutrition activities at Kebong Health Center, Kelam Permai District and to find out what factors influenced community participation in stunting prevention through nutrition activities at Kebong Health Center, Kelam Permai District. The research method used was descriptive research with a qualitative approach. In this study, the primary data source was data collected directly from the village government, health center, village communities in the Kelam sub-district, as parties related to the stunting management process. The results of the study explain that community participation in the nutrition program for stunting prevention by the Kebong Health Center, Kelam Permai District, namely: Campaign and Declaration of Stunting Prevention, Toddler Posyandu, Tracking of Stunted Babies, Malnutrition Surveillance, Implementation of Pregnant and Toddler Classes, Assistance of Pregnant Resti, Surveillance of Pregnant Women KEK , and the Exclusive Breastfeeding Group, as well as Monev for Stunting Toddlers. Forms of Community Participation in the form of: Labor Participation, Skills Participation, and Social Participation. Stages of community participation in the form of: Participation in Implementation, Participation in Evaluation, and Participation in Taking Benefits. Levels of Community Participation starting from: Consultation, Making joint decisions, Acting together, Providing support. Factors that influence community participation in the nutrition program for stunting control in Kelam Permai District are government intervention, community awareness, close living quarters, and free programs and The inhibiting factors were low knowledge, parents' work, lack of socialization, and inadequate follow-up.
Uji Komparasi Algoritma Naïve Bayes dan Decision Tree Classification Menggunakan Covid-19 Dataset Helen Sastypratiwi; Yulianti Yulianti; Hafiz Muhardi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.49841

Abstract

Corona virus yang saat ini terjadi menjadikan perubahan tatanan hidup dalam masyarakat baik di Indonesia maupun luar negeri. Corona virus atau disebut dengan Covid-19 telah banyak memakan korban dari berbagai usia. Oleh karena itu, diperlukan penerapan sistem otomatis dalam sistem deteksi untuk mencegah penyebaran COVID-19 di antara orang-orang. Kecerdasan buatan dapat merupakan alat yang dominan dalam perang melawan krisis COVID-19. Kecerdasan buatan memiliki subdomain seperti machine learning. Mechine learning (ML) dapat membantu dalam mendiagnosis dan memprediksi COVID-19. Dataset Covid-19 sebagai kasus yang digunakan dalam analisis untuk mengkaji perbandingan antar algoritma dalam pembelajaran mesin. Komparasi dilakukan terhadap algoritma Naïve Bayes dan algoritma Decision Tree Classification berdasarkan feature importance yang dimiliki kedua algoritma tersebut. Uji komparasi ini penting agar kedepannya penelitian dapat berjalan lebih baik dengan mengetahui algoritma yang sesuai dan dapat membantu dalam penyelesaian masalah yang akan datang. Dalam penentuan fitur digunakan dua teknik yaitu correlation matrix dan feature importance. Correlation matrix menunjukkan nilai total cases tertinggi dalam korelasi dengan fitur lainnya. Berdasarkan penelitian yang telah dilakukan terhadap data Covid-19 global, algoritma Decision Tree lebih baik dibanding dengan algoritma Naïve Bayes.
Co-Authors Agus Sikwan Arif Bijaksana Putra Negara Efriani Efriani Endang Indri Listiani Galuh Bayuardi, Galuh Hafiz Muhardi Hasanah Hasanah Helen Sastypratiwi Herlan Herlan Ira Patriani Steven Steven