Article Per Year (5 Year)
p-Index From 2021 - 2026
17.547
P-Index
This Author published in this journals
All Journal JURNAL INFORMATIKA Conference on Innovation and Application of Science and Technology (CIASTECH) JSI (Jurnal sistem Informasi) Universitas Suryadarma Scientific Journal of Informatics G-Tech : Jurnal Teknologi Terapan Community Development Journal: Jurnal Pengabdian Masyarakat GANDRUNG: Jurnal Pengabdian Kepada Masyarakat Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Journal of Students‘ Research in Computer Science (JSRCS) As-Sidanah : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Al-Khidmah Jurnal Pengabdian Masyarakat JUSTIFY : Jurnal Sistem Informasi Ibrahimy Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS JEECS (Journal of Electrical Engineering and Computer Sciences) Journal Of Computer Science And Technology JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Jurnal Ilmiah Multidisiplin Nusantara Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Jurnal Pengabdian Sosial GEMBIRA (Pengabdian Kepada Masyarakat) NGARSA: Journal of Dedication Based on Local Wisdom JUAN: Jurnal Pengabdian Nusantara Jurnal Riset Teknik Komputer Jurnal Pengabdian Masyarakat Ekonomi dan Bisnis Digital Jurnal Padamu Negeri Jurnal Sistem Informasi Karya Anak Bangsa Journal Educational Research and Development Journal Dekstop Application (JDA) Jurnal Teras Pengabdian Masyarakat (JISCO) Journal of Information System and Computing NJCOM: Community Service Journal Jurnal Pengabdian Masyarakat Multidisiplin Journal Of Global Computer Science
Fatah, Zaehol
Fakultas Sains Dan Teknologi Universitas Ibrahimy
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Physics Public Health Social Sciences Other

Published : 157 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 157 Documents
Search

 8   9   10   11   12 
IMPLEMENTASI SISTEM POINT OF SALE (POS) UNTUK TATA KELOLA TRANSAKSI DAN MANAJEMEN PERSEDIAAN (STUDI KASUS TOKO MADURA) Zaehol Fatah; Faqih Nur Rahman
J-SIKA|Jurnal Sistem Informasi Karya Anak Bangsa Vol. 7 No. 02 (2025): Jurnal Sistem Informasi Karya Anak Bangsa (J-SIKA) Vol 7 No 2 edisi Desember 2
Publisher : Program Studi Sistem Informasi

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

Abstract

Dinamika infrastruktur digital yang cepat telah memicu pergeseran dalam pengelolaan usaha. Entitas bisnis kian didorong untuk meninggalkan metode-metode lawas dan mengadopsi solusi digital dalam menjalankan aktivitas operasionalnya.. Toko Madura di Sumberkolak, Situbondo, masih menggunakan metode pencatatan manual yang berpotensi menimbulkan kesalahan dalam pencatatan transaksi dan pendataan stok barang. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi Point of Sale (POS) berbasis web yang dapat membantu pemilik toko dalam mengelola transaksi penjualan serta pemantauan stok secara terintegrasi dan efisien. Pengembangan sistem menerapkan model sekuensial waterfall. Prosesnya mencakup identifikasi keperluan, pemodelan, pengkodean, dan diakhiri pengujian black-box. Sistem dikembangkan dengan memanfaatkan Laravel framework, ditulis menggunakan bahasa pemrograman PHP, serta memanfaatkan MySQL sebagai pengelola basis data. Hasil pengujian memperlihatkan bahwa seluruh fungsi utama, seperti pembukuan penjualan, pengelolaan data produk, dan pembuatan laporan periodik, telah berjalan sesuai dengan kebutuhan pengguna. Penerapan sistem POS ini terbukti mampu meningkatkan akurasi data, mempercepat proses transaksi, serta mempermudah penyusunan laporan penjualan pada Toko Madura.
SEMINAR MICROSOFT WORD DALAM MENINGKATKAN SKILL ADMINISTRASI SURAT MENYURAT DI SMPN 1 ARJASA Zaehol Fatah; Sitti Hafidzaturrafiah
Jurnal Riset Teknik Komputer Vol. 3 No. 2 (2026): Juni : Jurnal Riset Teknik Komputer (JURTIKOM)
Publisher : CV. Denasya Smart Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69714/22yvkg07

Abstract

The ability to manage incoming abd outgoing correspondence is an essential skill in educational environments, as it ensures that all school activities run smoothly. However, challenges remain in mastering proper writing techniques and effective document management, both among administrative staff and students. This study aims to examine how effectively a Microsoft Word seminar can improve correspondence management skills at SMPN 1 Arjasa. The research employs a descriptive qualitative approach, with data collected through observation, interviews, and documentation. The findings indicate that the seminar had a positive impact on participants’ understanding of various Microsoft Word features, including creating formal letters, document layout, and applying templates in accordance with administrative standars. Additionally, participants showed improvement in their ability to produce well-structured and proffessional official letters. Therefore, the Microsoft Word seminar can be considered and effective approach to enhancing correspondence management skills in the school anvironment.
Sistem Informasi Data Sakit Santri Berbasis Web di Pondok Pesantren Salafiyah Syafi'iyah Sukorejo Evvatun Nafiah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4562

Abstract

Sistem Informasi Data Sakit Santri berbasis web ini dirancang untuk mempermudah proses pendataan dan pelaporan kondisi kesehatan santri di Pondok Pesantren Salafiyah Syafi’iyah. Sebelumnya, pencatatan data santri yang sakit masih dilakukan secara manual melalui buku catatan, sering terjadi telatnya informasi, salah input, dan sulit untuk mencari riwayat kesehatan santri. Penelitian ini bermaksud sebagai tindak lanjut dari mengelola data sakit santri secara cepat, akurat, dan terintegrasi. Metode penelitian yang digunakan adalah Waterfall, meliputi fase analisis kebutuhan, desain, implementasi, uji coba, dan pemeliharaan. Sistem dibuat dengan PHP dan MySQL dan disajikan melalui antarmuka web untuk memudahkan petugas kesehatan serta pengurus dalam pengoperasian. Hasil pengujian menunjukkan bahwa sistem ini mampu menampilkan data santri sakit, riwayat pemeriksaan, serta laporan kesehatan dengan baik dan efisien. Dengan adanya sistem ini, proses administrasi kesehatan di pondok pesantren menjadi lebih terstruktur, transparan, dan membantu pihak pengurus dalam pengambilan keputusan terkait penanganan kesehatan santri. Kata Kunci: Sistem Informasi, Data Sakit Santri, Pondok Pesantren, Metode Waterfall   This web-based Student Illness Data Information System is designed to simplify the process of recording and reporting student health conditions at the Salafiyah Syafi'iyah Islamic Boarding School. Previously, recording student illness data was done manually through notebooks, often resulting in delays in information, incorrect input, and difficulties in locating student health records. This research aims to develop a rapid, accurate, and integrated approach to managing student illness data. The research method used is the Waterfall method, encompassing the phases of needs analysis, design, implementation, testing, and maintenance. The system was developed using PHP and MySQL and presented through a web interface to facilitate its operation by health workers and administrators. Test results indicate that the system is capable of displaying student illness data, examination history, and health reports effectively and efficiently. This system improves the health administration process at the Islamic boarding school and makes it more structured and transparent, assisting administrators in decision-making regarding student health care.  Keywords: Information System, Student Illness Data, Islamic Boarding School, Waterfall Method
Perbandingan Klasifikasi Status Beasiswa Mahasiswa Menggunakan Algoritma Decision Tree dan Algoritma Naive Bayes Putri Navizah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4568

Abstract

Beasiswa memainkan peran penting dalam meningkatkan keberhasilan pendidikan tinggi, terutama untuk mahasiswa yang memiliki keterbatasan finansial. Penelitian ini bertujuan untuk mengategorikan penerima beasiswa dengan mempertimbangkan beberapa variabel akademik dan non-akademik, seperti usia, jenis kelamin, indeks prestasi kumulatif (IPK), partisipasi dalam kegiatan kampus, serta cara belajar. Dua algoritma dalam bidang machine learning, yaitu Decision Tree dan Naive Bayes, diterapkan untuk menilai efektivitas klasifikasi berdasarkan tingkat akurasi yang diperoleh. Hasil uji coba menunjukkan bahwa algoritma Decision Tree menghasilkan akurasi sebesar 76,44%, sementara Naive Bayes mencapai akurasi yang lebih tinggi, yaitu 96,26%. Temuan ini menunjukkan bahwa model Naive Bayes menawarkan kestabilan dan efektivitas yang lebih baik, terutama ketika diterapkan pada data dengan distribusi kelas yang tidak seimbang. Oleh karena itu, penerapan metode klasifikasi ini dapat membantu institusi pendidikan dalam proses seleksi penerima beasiswa dengan cara yang lebih adil, terukur, dan berbasis data. Kata Kunci: beasiswa mahasiswa, klasifikasi data, pembelajaran mesin, Decision Tree, Naive Bayes   Scholarships play a crucial role in improving higher education success, especially for students with financial constraints. This study aims to categorize scholarship recipients by considering several academic and non-academic variables, such as age, gender, grade point average (GPA), participation in campus activities, and learning styles. Two machine learning algorithms, Decision Tree and Naive Bayes, were applied to assess the effectiveness of the classification based on the level of accuracy achieved. The trial results showed that the Decision Tree algorithm achieved an accuracy of 76.44%, while Naive Bayes achieved a higher accuracy of 96.26%. These findings indicate that the Naive Bayes model offers greater stability and effectiveness, especially when applied to data with an imbalanced class distribution. Therefore, the application of this classification method can assist educational institutions in the scholarship recipient selection process in a fairer, more measurable, and data-driven manner.  Keywords: student scholarships, data classification, machine learning, Decision Tree, Naive Bayes
Penerapan Algoritma FP-Growth untuk Menentukan Pola Asosiasi pada Data Transaksi Penjualan Lailatul Badriya; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4569

Abstract

Dalam dunia bisnis ritel, analisis data transaksi menjadi hal penting untuk memahami perilaku konsumen dan meningkatkan strategi penjualan. Dengan jumlah transaksi yang tinggi, data penjualan menjadi sumber berharga untuk mengumpulkan informasi dan pola yang dapat meningkatkan efisiensi bisnis. Harus dipahami bahwa Toko Lidya masih belum memiliki panduan tertentu untuk mengevaluasi kenaikan pendapatan dan pengisian barang berdasar strategi bisnis yang dijalankan, dengan kata lain Toko Lidya hanya menggunakan perkiraan saja. Willermark dan Islind melakukan penelitian untuk menemukan kombinasi barang yang kerap dibeli bersama oleh konsumen dengan memanfaatkan algoritma FP-Growth. Dan dalam rangka menyusun strategi promosi serta penempatan produk di toko, digunakan analisis Market Basket Analysis. Hasil penelitian ini dengan menggunakan ambang batas dukungan minimal 20% dan tingkat kepercayaan 80% berhasil mengungkap perilaku pembelian konsumen yang bisa dimanfaatkan untuk meningkatkan strategi penjualan. Kata Kunci: Penjualan, Asosiasi, Algoritma, FP-Growth, Market Basket Analysis     In the retail business world, transaction data analysis is crucial for understanding consumer behavior and improving sales strategies. With a high number of transactions, sales data is a valuable resource for gathering information and patterns that can improve business efficiency. It should be noted that Toko Lidya still lacks specific guidelines for evaluating revenue growth and inventory replenishment based on its business strategy; in other words, Toko Lidya only relies on estimates. Willermark and Islind conducted research to identify product combinations frequently purchased together by customers using the FP-Growth algorithm. Market Basket Analysis was used to develop promotional strategies and product placement in stores. The results of this study, using a minimum support threshold of 20% and an 80% confidence level, successfully revealed consumer purchasing behavior that can be used to improve sales strategies. Keyword: Sales, Association, Algorithm, FP-Growth, Market Basket Analysis
Eksplorasi Frequent Itemset untuk Pola Asosiasi Produk Toko Bahan Kue Menggunakan Algoritma Apriori Mayla Dini Zakkia; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4570

Abstract

Data Mining dan Analisis Pola adalah teknik penting dalam bisnis untuk menemukan pola tersembunyi dalam data transaksi. Penelitian ini membandingkan dua algoritma aturan asosiasi, yaitu Apriori dan FP-Growth, dalam mengidentifikasi hubungan antar produk. Tujuan dari penelitian ini adalah mengevaluasi kecepatan pemrosesan dan kualitas aturan yang dihasilkan oleh kedua algoritma dalam konteks ritel. Dataset yang digunakan berasal dari transaksi toko bahan kue, terdiri dari 143.523 entri dan 97.548 transaksi. Dataset ini dipilih karena relevansinya dalam analisis pola belanja pelanggan untuk meningkatkan strategi pemasaran. Uji coba dilakukan dengan parameter minimum support sebesar 0,01, dan hasil menunjukkan bahwa FP-Growth lebih cepat dalam pemrosesan dibandingkan Apriori, dengan selisih waktu rata-rata sebesar 33,33% lebih cepat pada dataset yang sama. Hasil penelitian ini memberikan manfaat bagi pemilik minimarket, yaitu penggunaan algoritma FP-Growth dalam analisis pola belanja dapat membantu dalam menyusun penataan produk dan strategi promosi yang lebih efektif. Selain itu, penelitian ini juga memberikan kontribusi dalam bidang Sistem Informasi dengan menunjukkan kemampuan FP-Growth dalam menangani data transaksi skala besar, serta memberikan wawasan dalam memilih algoritma yang sesuai untuk keperluan bisnis ritel. Kata Kunci: Algoritma Apriori, Aturan Asosiasi, Data Mining.   Data mining is an important technique in business analysis for finding hidden patterns in transaction data. This research compares the performance of two association rule algorithms, Apriori and FP-Growth, in identifying patterns of product relationships. The study aims to evaluate the processing time efficiency and the quality of association rules generated by both algorithms in a retail context. The dataset used comes from a bakery supplies store, including 143,523 entries and 97,548 transactions. This dataset was chosen based on its relevance to customer purchasing pattern analysis for marketing strategy optimization. Testing was conducted with a minimum support parameter of 0.01, and the results showed that FP-Growth performed better in processing speed compared to Apriori, with an average execution time difference of 33.33% faster on the same dataset. The implications of this research for minimarket owners are that using the FP-Growth algorithm for purchase pattern analysis can help improve product arrangement and more effective promotional strategies. Additionally, this study contributes to the field of Information Systems by showing the effectiveness of FP-Growth in handling large-scale transaction data, as well as providing insights into selecting the right algorithm for retail business needs.  Keywords: Apriori algorithm, Association rules, Data mining.
Klasifikasi Data Penyakit Demam Berdarah Dengue (DBD) Melalui Algoritma Decision Tree Dengan RapidMiner Fitra Lia Shofiah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4571

Abstract

Demam Berdarah Dengue (DBD) merupakan permasalahan kesehatan masyarakat yang hingga kini terus mendapat perhatian serius di Indonesia. Proses diagnosis untuk DBD biasanya dilakukan melalui pemeriksaan laboratorium dan evaluasi klinis, Akan tetapi, pendekatan konvensional ini cenderung membutuhkan waktu yang relatif panjang serta sangat bergantung pada analisis profesional kesehatan. Oleh karena itu, diperlukan suatu pendekatan berbasis teknologi yang mampu mempercepat sekaligus mempermudah proses klasifikasi secara lebih akurat. Penelitian ini bertujuan untuk mengidentifikasi tingkat keparahan penyakit Demam Berdarah Dengue (DBD) dengan menerapkan algoritma Decision Tree yang dijalankan melalui aplikasi RapidMiner. Data yang digunakan merupakan algoritma sekunder yang di ambil dari internet,berisi 200 catatan pasien dengan delapan artibut medis, yaitu suhu tubuh, jumlah trombosit, jumlah leukosit, tekanan darah, ruam kulit, sakit kepala, nyeri otot, dan muntah. Langkah-langkah dalam penelitian mencakup pengumpulan data, preprocessing, penerapan algoritma Decision Tree, serta evaluasi model dengan memanfaatkan confusion matrix dengan metode cross-validation. Temuan dari studi ini memperlihatkan bahwa model Decision Tree mencapai tingkat ketepatan akurasi mencapai 85%, precision 84%, recall 83%, dan F1-score 83%, dengan trombosit dan leukosit sebagai variabel yang paling dominan dalam proses klasiifikasi. Dengan merujuk pada hasil yang diperoleh, studi ini menyimpulkan bahwasanya algoritma Decision Tree cukup efektif dalam mengklasifikasikan tingkat keparahan penyakit DBD dan dapat di gunakan sebagai dasar untuk mengembangkan system pendukung keputusan di bidang kesehatan. Kata Kunci: Demam Berdarah Dengue, Data Mining, Decision Tree,RapidMIner, Klasifikasi   Dengue Hemorrhagic Fever (DHF) is a public health problem that continues to receive serious attention in Indonesia. The diagnosis process for DHF is usually carried out through laboratory examinations and clinical evaluations. However, this conventional approach tends to take a relatively long time and relies heavily on the analysis of health professionals. Therefore, a technology-based approach is needed that can accelerate and simplify the classification process more accurately. This study aims to identify the severity of Dengue Hemorrhagic Fever (DHF) by applying the Decision Tree algorithm run through the RapidMiner application. The data used is a secondary algorithm taken from the internet, containing 200 patient records with eight medical attributes, namely body temperature, platelet count, leukocyte count, blood pressure, skin rash, headache, muscle pain, and vomiting. The steps in the study include data collection, preprocessing, application of the Decision Tree algorithm, and model evaluation using the confusion matrix with the cross-validation method. The findings of this study show that the Decision Tree model achieved an accuracy rate of 85%, precision of 84%, recall of 83%, and an F1-score of 83%, with platelets and leukocytes as the most dominant variables in the classification process. Based on these results, this study concludes that the Decision Tree algorithm is quite effective in classifying the severity of dengue fever and can be used as a basis for developing decision support systems in the healthcare sector. Keywords: Dengue Hemorrhagic Fever, Data Mining, Decision Tree, RapidMiner, Classification
Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma Naive Bayes Anis Mukarromah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4572

Abstract

Penelitian ini memiliki tujuan untuk mengategorikan penerima bantuan sosial dengan memanfaatkan algoritma Naive Bayes agar sasaran distribusi bantuan lebih tepat. Masalah utama dalam penyaluran bantuan sosial sering terjadi karena kesalahan dalam penentuan penerima yang layak. Untuk mengatasi masalah ini, dilakukan pemodelan klasifikasi yang berbasis pada data sosial ekonomi masyarakat dengan menggunakan perangkat lunak RapidMiner Studio. Dataset yang digunakan dalam penelitian ini terdiri dari 200 penerima bantuan yang memiliki berbagai atribut seperti nama, NIK, besar bantuan, alamat, desa, serta status penyaluran. Proses pengolahan data mencakup langkah-langkah pengambilan data, normalisasi, pembagian data, pelatihan model, pengujian, dan evaluasi kinerja. Hasil pengujian menunjukkan bahwa model Naive Bayes mencapai akurasi 100%, dengan nilai presisi dan recall juga mencapai 100% untuk dua kelas yaitu Tersalurkan dan Belum Tersalurkan. Temuan ini mengindikasikan bahwa metode Naive Bayes efektif dalam mengklasifikasikan data sosial secara objektif dan dapat menjadi dasar untuk pengambilan keputusan yang lebih tepat bagi lembaga yang menyalurkan bantuan sosial. Kata Kunci: Naïve Bayes, Klasifikasi, RapidMiner, Bantuan Sosial   This study aims to categorize social assistance recipients using the Naive Bayes algorithm to more accurately target aid distribution. The main problem in social assistance distribution often occurs due to errors in determining eligible recipients. To address this issue, a classification model based on community socioeconomic data was conducted using RapidMiner Studio software. The dataset used in this study consists of 200 aid recipients with various attributes such as name, National Identity Number (NIK), aid amount, address, village, and distribution status. The data processing process included data collection, normalization, data division, model training, testing, and performance evaluation. The test results showed that the Naive Bayes model achieved 100% accuracy, with precision and recall values ​​also reaching 100% for two classes: Distributed and Not Yet Distributed. These findings indicate that the Naive Bayes method is effective in objectively classifying social data and can serve as a basis for more informed decision-making by institutions distributing social assistance.  Keywords: Naive Bayes, Classification, RapidMiner, Social Assistance
Klasifikasi Bentuk Rambut Manusia (Lurus, Keriting, Bergelombang) Menggunakan Teachable Machine Pendekatan berbasis Gambar Manisa Sopia Mori mori; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4574

Abstract

Klasifikasi bentuk rambut manusia yaitu lurus, keriting dan bergelombang, telah berhasil dikembangkan menggunakan Teachable Machine melalaui pendekatan citra digital. Bentuk rambut adalah karakreristik pembeda bologis dan sosial antara individu. Teachable Machine sebagai platform web yang disediakan oleh Google, yang mudah digunakan, memanfaatkan transfer learning untuk pengenalan pola visual. Peroses pengembanagan melibatakan penggunak citra yang telah di pra-proses, dan pelatihan model Teachable Machine diatur dengan 50 epoch, ukuran batch 15, dan laju pembelajaran 0,008. Evaluas kinerja menunjukan hasil yang sangat memuaskan dengan akurasi keseluruhan mencapai (87%) dan nilai loss yang rendah 0,004. Akurasi per katagori adalah 0,87 untuk lurus dan keriting, dan 0,81 untuk bergelombang. Prototipe model dapat diakses dan diuji secara real-time melalaui unggahan gambar setelah diekspor menggunakan fitur Cloud Shareable. Teachable Machine merupakan alat yang efektif untuk membangun sebuah sistem klasifikasi bentuk rambut yang otomatis dan memiliki akurasi tinggi. Kata Kunci:Klasifikasi, Teachable Machine, Bentuk Rambut Manusia, gambar.   The classification of human hair shapes, namely straight, curly, and wavy, has been successfully developed using Teachable Machine through a digital image approach. Hair shape is a biological and social distinguishing characteristic between individuals. Teachable Machine, as a web platform provided by Google that is easy to use, utilizes transfer learning for visual pattern recognition. The development process involves the use of pre-processed images, and the training of the Teachable Machine model is set with 50 epochs, a batch size of 15, and a learning rate of 0.008. Performance evaluation shows very satisfactory results with an overall accuracy of 87% and a low loss value of 0.004. The accuracy per category is 0.87 for straight and curly, and 0.81 for wavy. The model prototype can be accessed and tested in real-time by uploading images after being exported using the Cloud Shareable feature. Teachable Machine is an effective tool for building an automatic and high-accuracy hair shape classification system. Keywords:Classification, Teachable Machine, Human Hair Shape, image.
Klasifikasi Kualitas Udara di Jakarta Menggunakan Algoritma K-Nearest Neighbor (KNN) Sofiatuz Zamani; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4584

Abstract

Kualitas udara di Jakarta mengalami fluktuasi signifikan akibat meningkatnya aktivitas transportasi, industri, dan kepadatan penduduk, sehingga diperlukan sistem klasifikasi yang akurat untuk memantau dan menilai tingkat pencemaran udara. Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara di Jakarta menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan parameter seperti PM2.5, PM10, CO, SO₂, NO₂, dan O₃ yang diperoleh dari data penginderaan atau stasiun pemantauan udara. Tahapan penelitian meliputi pengumpulan data, praproses data (normalisasi dan pembersihan), pembagian data menjadi data latih dan uji, penerapan algoritma KNN dengan variasi nilai k, serta evaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma KNN dengan nilai k optimal memberikan tingkat akurasi yang cukup tinggi dalam mengklasifikasikan kualitas udara ke dalam kategori baik, sedang, dan buruk. Kesimpulan penelitian ini menegaskan bahwa KNN dapat digunakan sebagai metode yang efektif dan sederhana untuk mendukung sistem pemantauan kualitas udara di wilayah perkotaan seperti Jakarta.  Kata kunci: Kualitas udara, KNN, klasifikasi, pencemaran udara, Jakarta.   Air quality in Jakarta fluctuates significantly due to increasing transportation, industrial activities, and population density, thus requiring an accurate classification system to monitor and assess pollution levels. This study aims to classify air quality in Jakarta using the K-Nearest Neighbor (KNN) algorithm based on parameters such as PM2.5, PM10, CO, SO₂, NO₂, and O₃ obtained from air monitoring stations or sensor data. The research stages include data collection, preprocessing (normalization and cleaning), data splitting into training and testing sets, applying the KNN algorithm with various k values, and evaluating performance using accuracy, precision, and recall metrics. The results indicate that KNN with the optimal k value achieves high accuracy in classifying air quality into good, moderate, and poor categories. The findings conclude that KNN is an effective and simple method to support air quality monitoring systems in urban areas such as Jakarta. Keywords: Air quality, KNN, classification, air pollution, Jakarta.
Co-Authors Abd. Moeqshit Abdul Jalil Abu Dzarrin Al Ghifari Achmad Baijuri Achmad Nanung Fambriyadi Adinia Zulfa nurany Afdhaliyah Ramadhatul Fitriyah Agel Ahmad Maulana Agus Hamid Cholil Ahmad Afif Azmi Ahmad Efendi Ahmad Farissul Haq Ahmad Fauzan Ahmad Homaidi Ahmad Muflih Wafir Ahmad Wahyu Fernando Ahmad Yasin Ahmad Yogianto Ahmada Ilham Huzaini Ainur Yakin Aisyah Putri Sabrina Akhlis Munazilin Ali Muhajir Alifan Ibrohim Alvananta Farhan Maulana Alvina Jelita Firdaus Angga Saputra Anis Mukarromah Anisatul Rhodiah Ardila Dwi Putri Asvic Baid Anbala As’ad Alwi Shihab Auliya Auliya Bayu Ainur Rifki Cindy Nur Dina Alifia Daniel As’ad Amrullah dewi khoirunisak Dhiyaul Haq Hasan Dofiyanto Dwi Inayatul Fadila Dwi Norrepa Egi Gusnandi Pratama Endah Wahyu Rizki Eny Itsnainy Agustin Evvatun Nafiah Faqih Nur Rahman Farizal Maulana Sopyan Fikri Febrian Filsa Salsabila Fitra Lia Shofiah Hilma Aufini Ika Ayu Herlina Imam Nawawi Indra Hidayatullah Sofyan Intan Nayla Widad Hidayat Iqbal Saputra Irma Siftiana Irma Yunita Irma Yunita Jarot Dwi Prasetyo Jarot Dwi Prasetyo Karomah Nikmatul Maula Khoiriyah Agustin Ulumiyah Kiki Setiawan Heri Ananda Putra Lailatul Badriya Lailatur Romadhaniyah Lisa Muhfidha Lukman Aliyasin Lukman Fakih Lidimilah Lummatul Aisi aisi M. Fazlur Rahman Assauqi Madatahliya Mahattir Rahman Muhammad Mahmudi Mahmudi Manisa Sopia Mori mori Maridatul Husna Mas’udah masudah Maulidya Hanun Mayla Dini Zakkia Mita Abelia Moh Nailul Fahmi Moh. Aqil Mukhtar Alfarera Moh. Bahauddin Mohamad Afil Nadiq Nabil Mohammad Hadi Sujatmiko Mohammad Zainuddin Muhamad Iqbal Facruzi Muhammad Al Madany Muhammad Ilzam Asrori Muhammad Irsyad Syarif Muhammad Marizal Muhammad Muhajir Saddami Muhammad Nabil Dhiya’ul Haq Muhammad Nur Alif Haqiqi Muhammad Salman Al Farisy Muhammad Syafiq Muhammad Zakaria Muwasatil Muhtajin Nafilil Madani Al-Qur’ani Naila Ismi Fadila Nasywa Faiz Atillah Mifta Nauradhia Shofarianti Putri Nazwa Andita Neny Yuli Susanti Neny Yuli Susanti Nori Nur Fasratul Aini Nur Aini Nur Azizah Nur Kamila Nurul Lailiyah Putri Ghina Ardhika Putri Ilma Raudatuss Syifa Putri Navizah Qurrotul A'yun Rafi Jaabil Haqqi Rahmat Syarifuddin Chairil Anwar Rendi Aldiansyah Resti Aprilianingsih Riana Agustin Rifki Dwi Saputra Rinayatul Fadilah Riskiyatul Hasanah Risma Nur Kholishah Rofi Dian Andini Rofiatul Aulia Rohiqim Mahtum Rohiqim Mahtum Roy Hamdan Samsul Shinta Nuriyah Lailatul Iqrimah Siti Afiyah Suryadi Rahmah Siti Farhatus Shofiyyah Sitti Hafidzaturrafiah Sofiatuz Zamani Sri Wahyuni Supandi Syadza Najwatis Shaleha Syafiq Ilham Hakim Syamsul Arifin Syarif Hidayatullah Syariful Abrori Taufik Saleh Taufik Saleh Tawakal, Anzori Tilawatus Syarqiyah Tuti Alawiyah Ubay Dillah Mas’ud Ulfatun Najiyah Ummariyatul Fitriyah Ummul Karimah Uny Khafifah Uswatul Muftakiyah Wahyu Achmad Putra wardatun nafisa wardhatun khasanah Yaumil Farah Zainal Mu'en Zainul Arifin Alwi Al Qayyis Zainur Rohman Zeinurrahman Zeinurrahman