SPSanti Purwaningrum

Santi Purwaningrum

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Santi Purwaningrum has a total of 11 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Pengembangan Desa Digital Dengan Penerapan Sistem Informasi Kearsipan Untuk Meningkatkan Pelayanan Publik Pada Pemerintah Desa Banjarwaru Kecamatan Nusawungu Kabupaten Cilacap

    by Santi Purwaningrum, Ratih Hafsarah Maharrani, Agus Susanto, Prih Diantono Abda'U, Muhammad Nur Faiz, Oman Somantri, Ari Kristiningsih, Khoeruddin Wittriansyah

    Pelayanan Publik yang efektif dan efisien menjadi salah satu tolak ukur masyarakat dalam menilai kinerja penemrintah daerah secara kasat mata. Pelayanan publik seperti pembuatan surat dan pencarian data arsip sangat berpengaruh terhadap kualitas layanan pada Kantor Desa Banjarwaru. Proses pengarsipan surat dan administrasi lainnya di Desa Banjarwaru saat ini belum terdigitalisasi dan terdokumensi dengan baik. Hal tersebut sering membuat terjadinya kesalahan dalam penyimpanan data surat masuk dan membutuhkan ruang yang cukup luas untuk menyimpannya, selain itu juga seringnya terjadi kesalahan dalam penulisan nomor surat keluar karena pencarian nomor surat terakhir masih dicari manual pada buku besar. Guna untuk mewujudkan visi dan misi Desa Banjarwaru, maka sangat diperlukan Penerapan Sistem Informasi Kearsipan untuk pengembangan Desa Digital. Sistem informasi arsip persuratan mempunyai tujuan mengubah metode penyimpanan surat atau administrasi lainnya dengan proses pengarsapan secara digital sehingga mengurangi penggunaan kertas dan lebih efektif dan akurat.


  • Open Access

    Pengaruh Synonym Recognition dalam Deteksi Kemiripan Teks Menggunakan Winnowing dan Cosine Similarity

    by Santi Purwaningrum, Agus Susanto, Ari Kristiningsih

    Plagiarisme adalah tindakan meniru dan mengutip bahkan menyalin atau mengakui hasil karya orang lain sebagai hasil karya diri sendiri. Tugas akhir merupakan salah satu syarat wajib mahasiswa untuk menyelesaikan pembelajaran pada perguruan tinggi. Tugas akhir harus disusun mahasiswa berdasarkan ide sendiri. Akan tetapi, banyak terjadi plagiarisme karena mudahnya melakukan kegiatan tersebut, yaitu hanya dengan menyalin teks gagasan orang lain kemudian ditempelkan dalam lembar kerja dan diakui bahwa gagasan tersebut adalah ide sendiri. Selain itu, mengganti beberapa kata dalam kalimat gagasan orang lain dengan gaya bahasa sendiri tanpa menuliskan sumber aslinya juga termasuk plagiarisme. Pengecekan tugas akhir yang masih manual juga menjadi masalah bagi koordinator tugas akhir, yang membutuhkan ketelitian tinggi dan waktu yang cukup banyak untuk mengecek plagiarime pada dokumen tugas akhir. Maka, deteksi plagiarisme sangat dibutuhkan untuk mencegah tindakan plagiarisme makin berkembang. Menyikapi hal tersebut, penelitian ini bermaksud mengembangkan sistem yang dapat mendeteksi persamaan antardokumen teks yang berfokus pada kata yang mengandung sinonim pada suatu kalimat. Salah satu algoritma yang digunakan adalah synonym recognition, yang berfungsi untuk mendeteksi kata yang mengandung sinonim, dengan proses membandingkan setiap kata dengan kata yang terdapat pada kamus. Synonym recognition dikombinasikan dengan metode winnowing, yang berfungsi untuk pembobotan teks berbasis fingerprint. Setelah diperoleh bobot dari masing-masing dokumen, tingkat kemiripan antardokumen dihitung dengan algoritma cosine similarity. Hasil rata-rata nilai kemiripan untuk deteksi judul dan abstrak dengan menambahkan synonym recognition meningkat sebesar 3,11% daripada tanpa menggunakan synonym recognition yang dikombinasikan dengan metode pembobotan winnowing. Hasil pengujian menunjukkan bahwa algoritma-algoritma yang digunakan akurat dengan pengujian akurasi dan root mean squared error (RMSE).


  • Open Access

    Model Library Support Vector Machine (LibSVM) untuk Sentiment Review Penilaian Pesisir Pantai

    by Oman Somantri, Ratih Hafsarah Maharrani, Santi Purwaningrum

    Improving services as an effort to provide the convenience of tourist destinations, especially on the south coast of Java, is a demand placed on tourism managers, which in the long run will yield positive impacts. The assessment is conducted to determine whether the tourism destination give positive impressions to the tourists. The application of machine learning-based text mining technology, especially a sentiment review, is one of the solutions proposed to overcome this problem, therefore predictions of coastal tourism potential can be known beforehand. This research proposed a coastal sentiment review model using the library support vector machine (LibSVM) method. The process proposed a model optimization based on feature weights using the particle swarm optimization (PSO) algorithm as a model optimization to increase the accuracy level. Efforts to improve the accuracy of the proposed model are the main contribution of this research. The results of research and experiments on the proposed model produced the best model named LibSVM_IG+PSO using the information gain (IG). On the other hand, PSO-based LibSVM method generated an accuracy level of 88.97%. The model proposed in this research is expected to serve as a decision support for tourists, government, and tourism managers in assessing sentiment towards the coastal maritime tourism.

  • Open Access

    MODEL SUPPORT VEKTOR MACHINE (SVM) BERDASARKAN PARAMETER WINDOWS UNTUK PREDIKSI KEKUATAN GEMPA BUMI

    by Oman Somantri, Santi Purwaningrum, Riyanto Riyanto

    Earthquakes are a type of natural disaster that currently cannot be predicted. Predicting the value of earthquake magnitude for related parties such as government and National Disaster Management Authority is very important. Furthermore, the results of earthquake predictions by several parties are used as indicators in post-earthquake response in minimizing the risks that will occur. Several studies have applied machine learning methods to predict earthquakes such as deep neural networks and parallel Support Vector Regression. In this article, we propose a data mining method using the Support Vector Machine (SVM) algorithm accompanied by the optimization of the windowing parameter value in the model that is applied to predict the value of the earthquake magnitude. Based on its advantages, the SVM model was chosen because it has been applicable in time series data processing. In the experimental stage process, parameter settings are first carried out, namely setting the kernel type, sampling type, and number of windowing to optimize the level of accuracy of the resulting model. The results showed that the best model with the smallest Root Mean Square Error (RMSE) was 0.712.