Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi FRAMEWORK Jurnal Ilmu Komputer dan Informatika
Jihan Salsabilah
Universitas Negeri Surabaya
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengembangan LMS Semenbisa dengan fitur H5P dan Terintegrasi PjBL untuk Meningkatkan HOTS Siswa Jihan Salsabilah; Martini Dwi Endah Susanti
Framework : Jurnal Ilmu Komputer dan Informatika Vol 4 No 01 (2026): Framework : Jurnal Ilmu Komputer dan Informatika
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/framework.v4i01.5784

Abstract

Learning Management System menjadi salah satu media yang banyak dimanfaatkan untuk mendukung proses pembelajaran. Namun, pemanfaatannya pada pembelajaran Pemrograman Terstruktur di SMKS Semen Gresik belum dilakukan secara optimal, sehingga diperlukan pengembangan media pembelajaran yang lebih interaktif dan terstruktur. Penelitian ini mengembangkan LMS “Semenbisa” berbasis Moodle dengan integrasi fitur H5P dan model Project Based Learning untuk meningkatkan Higher Order Thinking Skills (HOTS) siswa. Penelitian ini menggunakan metode Research and Development dengan model pengembangan ADDIE. Sampel penelitian terdiri dari 51 siswa kelas X RPL SMKS Semen Gresik. Teknik pengumpulan data pada penelitian ini dilakukan melalui wawancara, angket respon siswa, validasi ahli & black box testing, pretest dan posttest, serta dokumentasi kegiatan. Hasil penelitian menunjukkan bahwa LMS Semenbisa memperoleh rata-rata persentase validasi sebesar 93,43% dengan kategori sangat valid. Hasil respon siswa memperoleh persentase sebesar 83,60% dengan kategori sangat positif. Hasil uji Paired Sample T-Test menunjukkan nilai thitung sebesar 15,970 lebih besar dari ttabel sebesar 2,009 dengan nilai signifikansi 0,000 yang mana itu kurang dari 0,05, sehingga menunjukkan adanya peningkatan HOTS siswa setelah menggunakan LMS Semenbisa. Dengan demikian, LMS Semenbisa berbasis Moodle yang terintegrasi fitur H5P dan model PjBL dinyatakan layak dan efektif digunakan dalam pembelajaran Pemrograman Terstruktur di SMKS Semen Gresik.
Implementasi Algoritma Vector Space Model pada Website EmoAnalyzer untuk Klasifikasi Emosi Mahasiswa Rendi Eko Kurniawan; Lia Dwi Rusanti; Jihan Salsabilah; Siti Aulia Rahmadhani; Ersha Aisyah Elfaiz

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10265

Abstract

Abstrak - Perkembangan teknologi informasi memungkinkan mahasiswa mengekspresikan perasaan dan pengalaman akademik mereka melalui teks, salah satunya terkait pengerjaan tugas akhir atau skripsi. Namun, analisis emosi mahasiswa secara manual terhadap data teks dalam jumlah besar membutuhkan waktu dan berpotensi menimbulkan subjektivitas. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Vector Space Model (VSM) pada website EmoAnalyzer untuk mengklasifikasikan emosi mahasiswa berdasarkan komentar teks. Data yang digunakan berjumlah 150 komentar mahasiswa Universitas Negeri Surabaya yang diperoleh melalui kuesioner dan diklasifikasikan ke dalam tiga kategori emosi, yaitu senang, sedih, dan marah. Tahapan penelitian meliputi pengumpulan data, pelabelan data menggunakan kamus Lexicon bahasa Indonesia, text preprocessing, pembobotan TF-IDF, serta perhitungan cosine similarity menggunakan VSM. Hasil penelitian menunjukkan bahwa website EmoAnalyzer mampu mengklasifikasikan emosi mahasiswa dan menyajikan hasil analisis dalam bentuk persentase dan visualisasi grafik. Implementasi algoritma VSM pada EmoAnalyzer dapat menjadi solusi untuk membantu memantau kondisi emosional mahasiswa selama proses pengerjaan tugas akhir.Kata kunci: Vector Space Model; Website; Text Mining; Emosi; Mahasiswa; Abstract - The development of information technology allows students to express their feelings and academic experiences through texts, one of which is related to working on their final project or thesis. However, manual analysis of students' emotions on large amounts of text data takes time and has the potential to cause subjectivity. Therefore, this study aims to implement the Vector Space Model (VSM) algorithm on the EmoAnalyzer website to classify students' emotions based on text comments. The data used amounted to 150 comments of State University of Surabaya students obtained through questionnaires and classified into three categories of emotions, namely happy, sad, and angry. The research stages include data collection, data labeling using the Indonesian Lexicon dictionary, text preprocessing, TF-IDF weighting, and cosine similarity calculation using VSM. The results of the study show that the EmoAnalyzer website is able to classify students' emotions and present the results of the analysis in the form of percentages and graph visualizations. The implementation of the VSM algorithm on EmoAnalyzer can be a solution to help monitor students' emotional state during the process of working on the final project.Keywords: Vector Space Model; Website; Text Mining; Emotion; Student;
Co-Authors Ersha Aisyah Elfaiz Lia Dwi Rusanti Martini Dwi Endah Susanti Rendi Eko Kurniawan Siti Aulia Rahmadhani