Article Per Year (5 Year)
p-Index From 2019 - 2024
4.031
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems Techno.Com: Jurnal Teknologi Informasi JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Ilmu Komputer dan Agri-Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Sisfokom (Sistem Informasi dan Komputer) Informatik : Jurnal Ilmu Komputer SEINASI-KESI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) ABDIKOM
Santoni, Mayanda Mega
Fakultas Ilmu Komputer, Universitas Pembangunan Nasional Veteran Jakarta
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Informatik : Jurnal Ilmu Komputer

 1 
Cased Based Reasoning untuk Menentukan Gaya Belajar Mahasiswa Irmanda, Helena Nurramdhani; Santoni, Mayanda Mega; Astriratma, Ria
Informatik : Jurnal Ilmu Komputer Vol 15, No 3 (2019): Desember 2019
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Gaya belajar mahasiswa penting untuk diketahui karena dapat mempermudah proses pembelajaran. Kementerian Pendidikan dan Kebudayaan telah menerbitkan Seri Manual GLS (Gerakan Literasi Sekolah yang didalamnya memuat mengenai identifikasi gaya belajar antara lain visual, auditori, dan kinestetik. Namun, assessment ini hanya bisa digunakan secara manual. Berdasarkan latar belakang tersebut, penelitian ini membuat sistem pakar berbasis aplikasi web untuk mengidentifikasi gaya belajar mahasiswa dengan Teknik case based reasoning berdasarkan indikator yang telah disusun dalam Seri Manual GLS.  Untuk menentukan solusi, user mengisi kuesioner dalam aplikasi yang terdiri dari 30 pertanyaan. Kemudian,sistem akan melakukan reasoning yaitu mencari kemiripan kasus baru dengan kasus sebelumnya sehingga didapatkan solusi berupa jenis gaya belajar mahasiswa tersebut. Sistem ini diimplementasikan ke dalam aplikasi berbasis web yang mudah diakses kapan saja dan dimana saja.
Cased Based Reasoning untuk Menentukan Gaya Belajar Mahasiswa Helena Nurramdhani Irmanda; Mayanda Mega Santoni; Ria Astriratma
Informatik : Jurnal Ilmu Komputer Vol 15, No 3 (2019): Desember 2019
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1709.356 KB) | DOI: 10.52958/iftk.v15i3.1293

Abstract

Gaya belajar mahasiswa penting untuk diketahui karena dapat mempermudah proses pembelajaran. Kementerian Pendidikan dan Kebudayaan telah menerbitkan Seri Manual GLS (Gerakan Literasi Sekolah yang didalamnya memuat mengenai identifikasi gaya belajar antara lain visual, auditori, dan kinestetik. Namun, assessment ini hanya bisa digunakan secara manual. Berdasarkan latar belakang tersebut, penelitian ini membuat sistem pakar berbasis aplikasi web untuk mengidentifikasi gaya belajar mahasiswa dengan Teknik case based reasoning berdasarkan indikator yang telah disusun dalam Seri Manual GLS.  Untuk menentukan solusi, user mengisi kuesioner dalam aplikasi yang terdiri dari 30 pertanyaan. Kemudian,sistem akan melakukan reasoning yaitu mencari kemiripan kasus baru dengan kasus sebelumnya sehingga didapatkan solusi berupa jenis gaya belajar mahasiswa tersebut. Sistem ini diimplementasikan ke dalam aplikasi berbasis web yang mudah diakses kapan saja dan dimana saja.
Pembuatan Aplikasi Penjadwalan Mata Kuliah Menggunakan Algoritma Ant Colony Optimization (Studi Kasus: Program Studi Informatika Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jakarta) Andreas Silalahi; Mayanda Mega Santoni; Anita Muliawati
Informatik : Jurnal Ilmu Komputer Vol 16, No 3 (2020): Desember 2020
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v16i3.2011

Abstract

Penjadwalan dibuat agar kegiatan perkuliahan dapat berjalan secara teratur. Salah satu penerapan penjadwalan ada pada penjadwalan mata kuliah. Pada beberapa instansi pendidikan seperti Program Studi Informatika Universitas Pembangunan Nasional Veteran Jakarta, penjadwalan mata kuliah masih dilakukan secara manual. Banyak data yang dapat mempengaruhi penjadwalan seperti dosen, mahasiswa, jumlah ruang, dan waktu yang tersedia membuat proses pembuatan jadwal menjadi tidak mudah dan membutuhkan banyak waktu. Masalah ini dapat dibantu dengan menggunakan algoritma yang baik. Pada jurnal ini, aplikasi penjadwalan mata kuliah yang menggunakan algoritma Ant Colony Optimization akan diuji untuk pembuatan jadwal mata kuliah. Pada riset yang telah dilakukan oleh peneliti lain ditemukan bahwa bahwa penjadwalan mata kuliah menggunakan Ant Colony Optimization dapat berjalan dengan efektif dan dapat membantu pengurangan masalah pada waktu proses penjadwalan.
Identifikasi Tuberkulosis Paru Berdasarkan Foto Sinar-X Thorax Menggunakan Jaringan Syaraf Tiruan Backpropagation Qahtan Said; Iin Ernawati; Mayanda Mega Santoni
Informatik : Jurnal Ilmu Komputer Vol 17, No 1 (2021): April 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i1.2222

Abstract

Pengobatan TB tidaklah mudah, pendiagnosaan TB membutuhkan ketelitian yang tinggi. Penelitian ini bertujuan untuk melihat perbandingan performa dari GLCM, Gabor Filter dan gabungan dalam mengidentifikasi tuberkulosis paru dengan metode pengolahan citra digital yang terdiri dari beberapa tahap. Tahapan-tahapan tersebut dimulai dengan mengumpulkan citra Sinar-X paru dari bank data NLM sebanyak 662 citra lalu dilakukan pemilihan citra yang berhasil tersegmentasi saja, yaitu sebanyak 558 citra. Kemudian citra masukan tersebut akan dilakukan peningkatan kualitas citra, segmentasi, ekstraksi RoI, ekstraksi fitur tekstur GLCM dan Gabor Filter, lalu mengklasifikasikan citra dengan dua kelas yaitu : tuberkulosis dan normal menggunakan jaringan syaraf tiruan Backpropagation Levenberg Marquardt. Setelah dilakukan uji performa dengan beberapa percobaan, performa terbaik didapat dengan menggunakan ekstraksi ciri fitur GLCM + Gabor Filter (gabungan) dengan rata-rata accuracy sebesar 84.82%, precission sebesar 86.13%, dan recall sebesar 83.48%. Penelitian ini diharapkan dapat menjadi referensi para peneliti lain untuk menentukan model pengidentifikasian TB paru yang tepat.
Perancangan Chatbot Sebagai Pembelajaran Dasar Bahasa Jawa Menggunakan Artificial Intelligence Markup Language Krisanto Abilowo; Mayanda Mega Santoni; Anita Muliawati
Informatik : Jurnal Ilmu Komputer Vol 16, No 3 (2020): Desember 2020
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v16i3.2010

Abstract

Bahasa Jawa merupakan salah satu bahasa daerah yang digunakan di Indonesia. Masyarakat Indonesia suku Jawa yang tinggal di luar provinsi Jawa Tengah, provinsi DI Yogyakarta dan provinsi Jawa Timur jarang atau bahkan tidak menggunakan bahasa Jawa. Penutur bahasa Jawa saat ini juga sedang menurun seiring dengan perkembangan teknologi. Jika kejadian ini terus terjadi ada kemungkinan suatu saat nanti bahasa Jawa dilupakan karena pelestarian bahasa Jawa sudah berkurang. Oleh karena itu, penulis ingin membuat media pembelajaran yang dapat membantu melestarikan bahasa Jawa dengan memanfaatkan perkembangan teknologi. Sistem yang dibuat merupakan sebuah chatbot yang menggunakan metode Artificial Intelligence Markup Language. Sistem tersebut akan memberikan materi mengenai tiga tingkatan yang ada dalam bahasa Jawa dan memberikan pertanyaan mengenai tiga tingkatan yang ada dalam bahasa Jawa kepada pengguna. Hasil yang diharapkan adalah sistem dapat membantu dalam pelestarian bahasa Jawa.
Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square Cindy Chairunnisa; Iin Ernawati; Mayanda Mega Santoni
Informatik : Jurnal Ilmu Komputer Vol 18, No 1 (2022): April 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i4.4594

Abstract

Upaya pemerintah untuk mengurangi penyebaran wabah virus corona yang semakin meluas hampir di setiap negara di dunia termasuk di Indonesia telah banyak dilakukan. Salah satu upaya yang telah dilakukan dengan memanfaatkan teknologi yang ada pada saat ini adalah membuat sebuah aplikasi bernama PeduliLindungi. Aplikasi ini bertujuan untuk melakukan tracing dan monitoring lokasi penyebaran virus corona sehingga dapat menurunkan kasus corona di Indonesia. Banyak ulasan yang diberikan oleh masyarakat terhadap aplikasi ini baik yang berupa kritik maupun kepuasan. Namun, untuk mengetahui seluruh ulasan yang diberikan tidak mudah. Oleh sebab itu, penelitian dilakukan dengan tujuan untuk mengetahui hasil sentimen masyarakat terhadap aplikasi PeduliLindungi. Analisis sentimen yang dilakukan dengan mengklasifikasikan ulasan menjadi ulasan positif dan ulasan negatif menggunakan algoritma Support Vector Machine dengan seleksi fitur chi-square. Pengumpulan data ulasan dilakukan dengan melakukan scrapping di google play dengan menggunakan bahasa pemrograman Python. Hasil dari klasifikasi sentimen terhadap aplikasi PeduliLindungi menghasilkan performa yang baik dan menghasilkan nilai akurasi sebesar 93%, recall sebesar 86%, precision sebesar 98%, specificity sebesar 98% dan f1-score sebesar 92%.
Perbandingan Metode Naïve Bayes dan K-Nearest Neighbor Pada Klasifikasi Morfologi Gen Sel Darah Putih Muhammad Nuradli Hasbi Gumay; Yuni Widiastiwi; Mayanda Mega Santoni; Yulnelly Yulnelly
Informatik : Jurnal Ilmu Komputer Vol 18, No 1 (2022): April 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i4.4576

Abstract

Dibidang kesehatan, mendiagnosis penyakit leukemia merupakan hal yang sulit karena masih didiagnosis secara manual dengan bantuan dokter. Diagnosis manual tersebut dapat mengalami kesalahan yang disebabkan oleh kelalaian manusia. Dari permasalahan tersebut, maka dibutuhkan diagnosis jenis penyakit leukemia menggunakan kecanggihan teknologi yaitu machine learning untuk mengatasi permasalahan tersebut. Dalam penelitian ini, machine learning tersebut mengolah data yang berasal dari jenis leukemia yaitu Acute Myeloid Leukemia (AML) dan Acute Lymphoblastic Leukemia (ALL) berdasarkan ciri morfologi gen sel darah putih tersebut. Metode pengklasifikasian data yang digunakan untuk penelitian ini yaitu K-Nearest Neighbor (K-NN) dan Naïve Bayes yang kemudian kedua metode klasifikasi tersebut dibandingkan untuk melihat metode klasifikasi yang terbaik. Penelitian ini menggunakan praproses data cleaning, seleksi fitur, dan scaling untuk meningkatkan nilai akurasi. Hasil dari penelitian ini adalah metode klasifikasi K-Nearest Neighbors (K-NN) merupakan klasifikasi yang terbaik dengan nilai akurasi yang menggunakan kurva ROC/AUC bernilai 0.952 jika dibandingkan dengan metode klasifikasi Naïve Bayes yaitu 0.912.
Perbandingan Model Decision Tree, Naive Bayes dan Random Forest untuk Prediksi Klasifikasi Penyakit Jantung Deo Haganta Depari; Yuni Widiastiwi; Mayanda Mega Santoni
Informatik : Jurnal Ilmu Komputer Vol 18, No 3 (2022): Desember 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v18i3.4694

Abstract

Jantung sebuah rongga organ berotot yang memompa darah melalui pembuluh darah dengan kontraksi berirama yang terus berulang merupakan salah satu organ manusia yang berperan dalam sistem peredaran darah. Jantung sebagai salah organ terpenting dalam tubuh memiliki resiko kematian jika ada kelainan yang terjadi pada jantung. Beberapa masalah pada jantung dibagi menjadi dua yaitu penyakit jantung dan serangan jantung. WHO berdasarkan data menyatakan bahwa ada sebanyak 7,3 juta penduduk di dunia yang meninggal dikarenakan penyakit jantung. Penelitian ini menggunakan kumpulan data pasien penyakit jantung “Personal Key Indicators of Heart Disease” dan menerapkan algoritma klasifikasi Decision Tree, Naive Bayes dan Random Forest. Tujuan dari penelitian ini adalah untuk bagaimana mengolah dan melakukan analisa data, bagaimana penerapan metode Decision Tree, Naive Bayes dan Random Forest pada klasifikasi penyakit jantung, kemudian bagaimana hasil akurasi metode-metode yang digunakan tersebut, bagaimana hasil perbandingan antara Decision Tree, Naive Bayes dan Random Forests yang digunakan dan metode apa yang merupakan terbaik dari klasifikasi penyakit jantung.  Hasil dari penelitian ini adalah evaluasi performa metode klasifikasi Decision Tree, Naive Bayes dan Random Forest. Dimana nilai akurasi metode Decision Tree sebesar  0.71%, Naive Bayes sebesar 0.72% dan Random Forest sebesar 0.75%.
Co-Authors Aditya Surya Wijaya Andreas Silalahi Anita Muliawati Bayu Permana Sukma Cindy Chairunnisa Deo Haganta Depari Desta Sandya Prasvita Desta Sandya Prasvita Desta Sandya Prasvita Desta Sandya Prasvita Hafizd, Maulana Helena Nurramdhani Irmanda Helena Nurramdhani Irmanda Helena Nurramdhani Irmanda Iin Ernawati Ilham Ramadhan Irmanda, Helena Nurramdhani Irmanda, Helena Nurramdhani Jayanta Jayanta Krisanto Abilowo Matondang, Nurhafifah Muhammad Nuradli Hasbi Gumay Novi Trihastuti Nurhafifah Matondang Nurul Chamidah Nurul Chamidah Prajamukti, Reino Qahtan Said Reza Amarta Prayoga Reza Amarta Prayoga Ria Astriratma Ria Astriratma Ria Astriratma Rio Wirawan Said, Qahtan Silalahi, Donni S Widiastiwi, Yuni Yulistiani, Risma Yulnelly Yulnelly Yulnelly Yulnelly Yuni Widiastiwi