Desty Rodiah
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Interests
Desty Rodiah has a total of 12 co-authors. Here are the top co-authors by number of shared publications:
- Abdiansah Abdiansah
Universitas Sriwijaya
1 shared publication - Alvi Syahrini Utami
Universitas Sriwijaya
1 shared publication Dellin Irawan
Universitas Sriwijaya
1 shared publication- Dian Palupi Rini
Sriwijaya University
1 shared publication Junia Kurniati
Universitas Sriwijaya
1 shared publicationKanda Januar Miraswan
Universitas Sriwijaya
1 shared publication
Latest Publications
- Open Access
- 15 March 2025
- Published by Universitas Islam Malang in Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS)
- Vol. 8 (2) , 467-481
Aplikasi QR-code untuk sistem daftar hadir: Solusi digitalisasi administrasi di SMA dan SMK
Kebijakan Merdeka Belajar dari Kemendikbud RI mendorong guru untuk menerapkan pendekatan pengajaran yang fleksibel dan adaptif melalui integrasi teknologi dalam kegiatan pembelajaran. Dalam konteks ini, program pengabdian kepada masyarakat memberikan pelatihan untuk mengembangkan sebuah aplikasi daftar hadir berbasis QR-Code menggunakan Python untuk guru SMA dan SMK. Aplikasi ini dirancang untuk mencatat kehadiran siswa secara cepat, tepat, dan efisien, serta mendukung kemudahan administrasi dan memberikan pengalaman langsung dalam penggunaan teknologi pemrograman. Kegiatan pengabdian ini menerapkan metode Participatory Action Research (PAR), yang meliputi lima tahap: To Know (menggali kebutuhan mitra melalui survei), To Understand (mengevaluasi pelatihan sebelumnya), To Plan (menyusun materi dan instrumen evaluasi), To Act (melaksanakan pelatihan melalui presentasi dan praktikum), dan To Change (melakukan evaluasi). Evaluasi dilakukan dengan pendekatan N-Gain dan skala Likert. Hasil N-Gain sebesar 20,90% menunjukkan efektivitas pelatihan yang kurang meskipun terdapat peningkatan nilai rata-rata sebesar 7,37 poin. Hal ini dipengaruhi oleh latar belakang peserta yang sudah berpengalaman, sehingga materi dan soal perlu dikembangkan lebih lanjut. Di sisi lain, hasil Likert menunjukkan persepsi peserta yang sangat positif. Kendala koneksi internet sempat memengaruhi praktikum, namun narasumber dan mahasiswa aktif membantu peserta yang mengalami hambatan tersebut.
- 15 March 2025
- Published by Universitas Islam Malang in Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS)
- Vol. 8 (2) , 467-481
Open AccessAplikasi QR-code untuk sistem daftar hadir: Solusi digitalisasi administrasi di SMA dan SMK
Kebijakan Merdeka Belajar dari Kemendikbud RI mendorong guru untuk menerapkan pendekatan pengajaran yang fleksibel dan adaptif melalui integrasi teknologi dalam kegiatan pembelajaran. Dalam konteks ini, program pengabdian kepada masyarakat memberikan pelatihan untuk mengembangkan sebuah aplikasi daftar hadir berbasis QR-Code menggunakan Python untuk guru SMA dan SMK. Aplikasi ini dirancang untuk mencatat kehadiran siswa secara cepat, tepat, dan efisien, serta mendukung kemudahan administrasi dan memberikan pengalaman langsung dalam penggunaan teknologi pemrograman. Kegiatan pengabdian ini menerapkan metode Participatory Action Research (PAR), yang meliputi lima tahap: To Know (menggali kebutuhan mitra melalui survei), To Understand (mengevaluasi pelatihan sebelumnya), To Plan (menyusun materi dan instrumen evaluasi), To Act (melaksanakan pelatihan melalui presentasi dan praktikum), dan To Change (melakukan evaluasi). Evaluasi dilakukan dengan pendekatan N-Gain dan skala Likert. Hasil N-Gain sebesar 20,90% menunjukkan efektivitas pelatihan yang kurang meskipun terdapat peningkatan nilai rata-rata sebesar 7,37 poin. Hal ini dipengaruhi oleh latar belakang peserta yang sudah berpengalaman, sehingga materi dan soal perlu dikembangkan lebih lanjut. Di sisi lain, hasil Likert menunjukkan persepsi peserta yang sangat positif. Kendala koneksi internet sempat memengaruhi praktikum, namun narasumber dan mahasiswa aktif membantu peserta yang mengalami hambatan tersebut.
- Open Access
- 31 October 2024
- Published by LPPM STIKOM Dinamika Bangsa Jambi in Jurnal Processor
- Vol. 19 (2)
Pengembangan Representasi Pengetahuan Ontologi Domain Bidang Ilmu Informatika
Peneltian pada bidang informatika yang memiliki masalah yang cukup kompleks sering kali melibatkan beberapa subdisiplin ilmu. Semakin banyak penelitian yang menerapkan subdisiplin ilmu maka semakin sulit juga dalam mengkategorikan rumpun ilmu yang sesuai dengan penelitian tersebut. Oleh karena itu dibutuhkan representasi pengentahuan agar rumpun ilmu dapat di representasikan dengan tepat. Penelitian ini mengembangkan ontologi yang menjadi representasi pengetahuan untuk bidang ilmu informatika, dimana dikembangkan 4 subdisiplin bidang ilmu yaitu grafik dan visualisasi, pemrosesan bahasa alami, sistem terdistribusi dan data science dan pengenalan pola. Dalam pengembangan ontologi menggunakan acuan pengelompokan dari Association for Computing Machinery (ACM). Pengembangan ontologi menggunakan perangkat lunak protege versi 5.5.0 yang menghasilkan matrik yaitu 3584 axiom, 837 logical axiom, 794 kelas dan 1 kelas equivalent. Ontologi yang telah berhasil dikembangkan, dilakukan pengujian dengan menggunakan pengujian query, yang mana terdapat 4 query untuk masing masing subdisiplin. Pengujian query menggunakan filter berdasarkan keyword yang dimasukkan oleh user. Keyword yang digunakan adalah grafik, kata, keamanan dan pola. Ontologi berhasil memberikan jawaban berdasarkan penelusuran relasi antar subclass dalam ontologi.
- 31 October 2024
- Published by LPPM STIKOM Dinamika Bangsa Jambi in Jurnal Processor
- Vol. 19 (2)
Open AccessPengembangan Representasi Pengetahuan Ontologi Domain Bidang Ilmu Informatika
Peneltian pada bidang informatika yang memiliki masalah yang cukup kompleks sering kali melibatkan beberapa subdisiplin ilmu. Semakin banyak penelitian yang menerapkan subdisiplin ilmu maka semakin sulit juga dalam mengkategorikan rumpun ilmu yang sesuai dengan penelitian tersebut. Oleh karena itu dibutuhkan representasi pengentahuan agar rumpun ilmu dapat di representasikan dengan tepat. Penelitian ini mengembangkan ontologi yang menjadi representasi pengetahuan untuk bidang ilmu informatika, dimana dikembangkan 4 subdisiplin bidang ilmu yaitu grafik dan visualisasi, pemrosesan bahasa alami, sistem terdistribusi dan data science dan pengenalan pola. Dalam pengembangan ontologi menggunakan acuan pengelompokan dari Association for Computing Machinery (ACM). Pengembangan ontologi menggunakan perangkat lunak protege versi 5.5.0 yang menghasilkan matrik yaitu 3584 axiom, 837 logical axiom, 794 kelas dan 1 kelas equivalent. Ontologi yang telah berhasil dikembangkan, dilakukan pengujian dengan menggunakan pengujian query, yang mana terdapat 4 query untuk masing masing subdisiplin. Pengujian query menggunakan filter berdasarkan keyword yang dimasukkan oleh user. Keyword yang digunakan adalah grafik, kata, keamanan dan pola. Ontologi berhasil memberikan jawaban berdasarkan penelusuran relasi antar subclass dalam ontologi.
- Open Access
- 30 April 2022
- Published by LPPM STIKOM Dinamika Bangsa Jambi in Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM)
- Vol. 2 (1) , 131-140
Peramalan Produksi Pempek Dengan Metode Moving Average Dan Exponential Smoothing
Keberagaman jenis pempek membuat peminat pempek memiliki kegemaran tertentu terhadap jenis pempek. Hal tersebut membuat pelaku pempek kadang kesulitan dalam menentukan jumlah produksi pempek sesuai dengan kegemaran peminat pempek. Sistem peramalan diperlukan untuk menentukan jumlah produksi pempek agar jumlah pempek sisa dapat di minimalisir. Penelitian menggunakan Metode Single Moving Average (SMA) dan metode Single Exponential Smoothing (SES) untuk meramal jumlah produksi pempek yang harus dibuat di kemudian hari. Penelitian ini menggunakan menggunakan nilai alfa 0,1 sampai 0,9 untuk metode SES dan nilai pergerakan 2 sampai 5 untuk metode SMA. Penelitian ini menggunakan 9 jenis pempek yang dijadikan data uji dan setiap jenis pempek ada 303 data. Indikator perbandingan dilihat dari akurasi peramalan dengan mencari kesalahan terkecil degan menggunakan metode Mean Absolute Percentage Error (MAPE). Metode SES menghasilkan persentase kesalahan yang paling kecil dengan nilai alfa 0,9 terdapat pada jenis pempek lenjer kecil (6,90%), Tahu (2,51%), Adaan (1,83%), Kulit (2,62%), Keriting (12,07%), Model (11,79%) dan Telor besar (4,05%). Metode SMA menghasilkan persentase kesalahan paling kecil dengan nilai pergerakan =2 terdapat pada jenis pempek keriting (31,80%), Model (12,33%), Tekwan (0,1%) dan telor besar (1,40%).
- 30 April 2022
- Published by LPPM STIKOM Dinamika Bangsa Jambi in Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM)
- Vol. 2 (1) , 131-140
Open AccessPeramalan Produksi Pempek Dengan Metode Moving Average Dan Exponential Smoothing
Keberagaman jenis pempek membuat peminat pempek memiliki kegemaran tertentu terhadap jenis pempek. Hal tersebut membuat pelaku pempek kadang kesulitan dalam menentukan jumlah produksi pempek sesuai dengan kegemaran peminat pempek. Sistem peramalan diperlukan untuk menentukan jumlah produksi pempek agar jumlah pempek sisa dapat di minimalisir. Penelitian menggunakan Metode Single Moving Average (SMA) dan metode Single Exponential Smoothing (SES) untuk meramal jumlah produksi pempek yang harus dibuat di kemudian hari. Penelitian ini menggunakan menggunakan nilai alfa 0,1 sampai 0,9 untuk metode SES dan nilai pergerakan 2 sampai 5 untuk metode SMA. Penelitian ini menggunakan 9 jenis pempek yang dijadikan data uji dan setiap jenis pempek ada 303 data. Indikator perbandingan dilihat dari akurasi peramalan dengan mencari kesalahan terkecil degan menggunakan metode Mean Absolute Percentage Error (MAPE). Metode SES menghasilkan persentase kesalahan yang paling kecil dengan nilai alfa 0,9 terdapat pada jenis pempek lenjer kecil (6,90%), Tahu (2,51%), Adaan (1,83%), Kulit (2,62%), Keriting (12,07%), Model (11,79%) dan Telor besar (4,05%). Metode SMA menghasilkan persentase kesalahan paling kecil dengan nilai pergerakan =2 terdapat pada jenis pempek keriting (31,80%), Model (12,33%), Tekwan (0,1%) dan telor besar (1,40%).