Article Per Year (5 Year)
p-Index From 2020 - 2025
5.445
P-Index
This Author published in this journals
All Journal Jurnal Komunikasi Pembangunan Jurnal Ketahanan Nasional CHEMPUBLISH JOURNAL Nyimak: Journal of Communication Krea-TIF: Jurnal Teknik Informatika Informatik : Jurnal Ilmu Komputer JIKE : Jurnal Ilmu Komunikasi Efek Jurnal Pengabdian Kepada Masyarakat MEMBANGUN NEGERI Altasia : Jurnal Pariwisata Indonesia Jurnal Ilmu Komunikasi MAHESA : Malahayati Health Student Journal Golden Ratio of Social Science and Education Golden Ratio of Community Services and Dedication Alinea: Jurnal Bahasa, Sastra dan Pengajaran Jurnal Komunikasi Pemberdayaan Indonesia Journal of Social Responsibility Review (IJSRR) Triwikrama: Jurnal Ilmu Sosial Jornal Of Tourism Sciences (Toursci) Journal of Community Service (Abdisci)
Nurul Chamidah
Universitas Gajah Mada
Religion Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Dentistry Economics, Econometrics & Finance Education Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Informatik : Jurnal Ilmu Komputer

 1 
Klasifikasi rempah rimpang berdasarkan ciri warna rgb dan tekstur glcm menggunakan algoritma naive bayes Batubara, Nadya P.; Widiyanto, Didit; Chamidah, Nurul
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.v16i3.2196

Abstract

Abstrak. Pada penelitian ini akan membahas bagaimana cara mengklasifikasikan beberapa jenis rempah berdasarkan algoritma Naïve Bayes dengan menggunakan ekstraksi ciri warna RGB dan tekstur GLCM. Tahapan dalam proses klasifikasi citra digital pada penelitian ini yaitu praproses citra, segmentasi, ekstraksi ciri, klasifikasi dan uji performa Proses yang dilakukan pada penelitian ini adalah mengubah RGB to Grayscale untuk mendapatkan citra abunya, setelah mengubah citra menjadi Grayscale. Setelah melakukan image enhancement, citra di segmentasi dengan thresholding menggunakan metode Otsu. Setelah mendapatkan hasil dari segmentasi dilakukan RoI (Region of Interest) yang menghasilkan perkalian pixel. Setelah itu dilakukan ekstraksi ciri dengan menggunakan GLCM (Grey Level Co-occurrence Matrix) dan ekstraksi fitur RGB (Red, green, blue) yang di ekstrak ke dalam GLCM. Setelah mendapatkan hasil dari ekstraksi ciri maka dilakukan klasifikasi menggunakan algoritma Naïve Bayes. Tahapan terakhir pada penelitian ini adalah uji performa menggunakan K-fold cross validation dengan K=10 dan mendapatkan hasil akurasi sebesar 52%. Kata Kunci: Rempah-rempah, Naïve Bsayes, RGB, GLCM.
Klasifikasi Kepuasan Pengguna Layanan Aplikasi Shopee Menggunakan Metode Decision Tree C4.5 Haekal, Ballya Vicky; Ernawati, Iin; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 17 No 3 (2021): Desember 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i3.3648

Abstract

Seiring perkembangan teknologi, Saat ini sudah banyak sekali layanan aplikasi perdagangan online yang digunakan oleh masyarakat. Salah satu layanan aplikasi yang sering digunakan masyarakat adalah Shopee. Semakin banyak pengguna yang menggunakan aplikasi tersebut, tingkat kepuasan tiap pengguna pun semakin beragam. Dalam menganalisis tingkat kepuasan pengguna layanan aplikasi shopee, penelitian ini menggunakan data yang diambil dari kuesioner yang telah disebarkan dalam bentuk google form. Kuesioner tersebut disebarkan melalui beberapa media sosial seperti Twitter, Instagram, WhatsApp dan Shopee dengan total jumlah data yakni 184 data yang akhirnya menjadi 171 data setelah dilakukan cleaning data. Dari berbagai algoritma klasifikasi yang ada, penelitian ini menggunakan algoritma Decision Tree C4.5 sebagai metode klasifikasinya. Dengan pembagian data sebesar 80% untuk data latih dan 20% untuk data uji. Hasil yang diperoleh pada penelitian ini terdapat nilai Accuracy sebesar 97%, nilai Recall sebesar 96.9%, nilai Precision sebesar 100% untuk Class “Ya” dan 66.6% untuk Class “Tidak”.
Klasifikasi Ulasan Aplikasi Jenius pada Google Play Store Menggunakan Algoritma Naive Bayes Adyatma Subagja, Raihan; Widiastiwi, Yuni; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 17 No 3 (2021): Desember 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i3.3652

Abstract

Dengan perkembangan teknologi, semakin banyak aplikasi inovatif mempermudah kebutuhan manusia, salah satunya aplikasi m-banking. Aplikasi m-banking memudahkan kebutuhan pengguna untuk transaksi perbankan dan membuat penggunanya dapat melakukan transaksi langsung dari smartphone. Jenius merupakan kartu debit yang dirilis oleh Bank BTPN dalam bentuk aplikasi m-banking. Aplikasi Jenius telah diunduh sebanyak 5 juta kali di Google Play Store. Dengan banyaknya pengguna Jenius, pastinya banyak opini masyarakat terhadap aplikasi tersebut. Opini tersebut dapat disalurkan melalui ulasan aplikasi pada Google Play Store. Untuk mempermudah mengolah informasi yang didapat dari ulasan tersebut, diperlukan klasifikasi terhadap ulasan aplikasi Jenius yang terdapat pada Google Play Store. Algoritma klasifikasi yang digunakan pada penelitian ini adalah Naive Bayes. Data diambil dengan cara scraping. Data yang diambil sudah memiliki label sesuai dengan rating yang diberikan pengguna. Selanjutnya data ulasan yang terkumpul dibagi ke dalam data latih sebesar 70% dan data uji sebesar 30%.  Penelitian ini menghasilkan nilai accuracy sebesar 57%.
Analisis Cluster Kepuasan Pengguna Terhadap Layanan Shopee Menggunakan Algoritma K-Means Patimah, Endah; Ermatita, Ermatita; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 17 No 3 (2021): Desember 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i3.3654

Abstract

Di era teknologi yang semakin berkembang, keseharian manusia dalam melakukan aktivitas sehari-hari semakin mudah, salah satu diantaranya adalah belanja online. Aplikasi yang bergerak dibidang itu Shopee. Shopee merupakan aplikasi belanja online yang paling besar di Indonesia, dikarenakan promosi yang sering dan beragam, membuat masyarakat tertarik untuk menggunakan aplikasi Shopee. Oleh karena alasan itu, Shopee harus mengetahui kepuasan pelanggannya. Mengetahui kepuasan pelanggan adalah salah satu hal yang harus diketahui oleh pihak Shopee. Di mana kepuasan pelanggan dapat membuktikan kualitas yang dimiliki oleh pihak Shopee. Di dalam penelitian ini, akan dilakukan pengelompokkan kepuasan pelanggan Shopee dengan menggunakan algoritma K-Means. K-Means adalah salah satu algoritma Clustering, di mana K-Means akan menghasilkan kelompok berdasarkan kepada kemiripannya, sehingga metode ini cocok untuk digunakan dalam penelitian ini. Nilai cluster yang digunakan adalah 2,3,4 dan 5, di mana cluster yang telah dibentuk akan dievaluasi dengan menggunakan Davies Bouldin Index (DBI). Di mana cluster yang memiliki nilai DBI paling kecil adalah cluster yang paling optimal. Hasil yang didapatkan dari penelitian ini menghasilkan cluster yang paling optimal yaitu K-Means dengan k=2 memiliki nilai DBI sebesar 1.587617820812729.
Penerapan Algoritma Apriori untuk Mencari Pola Penjualan Produk Herbal (Studi Kasus: Toko Hanawan Gemilang) Haryandi, Pratama; Widiastiwi, Yuni; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 17 No 3 (2021): Desember 2021
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v17i3.3655

Abstract

Produk herbal merupakan produk yang berasal dari tumbuhan obat. Produk herbal termasuk kedalam berbagai macam produk seperti suplemen, vitamin ataupun obat herbal. Toko Hanawan Gemilang merupakan salah satu penjual produk herbal yang berada di Jakarta. Penelitian ini mencari pola dengan aturan asosiasi yang berhubungan dengan data transaksi penjualan yaitu nilai support dan confidence. Teknik data mining yang digunakan yaitu association rule dengan teknik Apriori, dengan tujuan untuk menghasilkan aturan asosiasi. Setelah support ditemukan, barulah dicari aturan asosiasi yang memenuhi syarat minimum untuk confidence aturan asosiasi sehingga menghasilkan rule antar kombinasi produk herbal. Setelah diujikan beberapa kali pada data, nilai Minimum Support dan Minimum Confidence yang diambil yaitu 10% dan 58%. Dengan nilai Minimum Support yang Minimum Confidence diambil menghasilkan 5 aturan asosiasi yang memenuhi syarat dan nilai Confidence terbesar adalah 71% pada aturan, jika membeli Kunyit Putih dan Bilberry Carrot maka membeli Garlic
Penerapan Fuzzy C-Means dan Fuzzy Sugeno dalam Memprediksi Cuaca Ispramono Hadi, Sigit; Ermatita, Ermatita; Chamidah, Nurul
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.v17i4.4103

Abstract

Cuaca memiliki pengaruh yang besar pada masyarakat Indonesia. Indonesia sebagai negara ekuator mengalami anomali cuaca melebihi negara-negara yang jauh dari ekuator yang menyebabkan sulitnya memprediksi perubahan cuaca karena pengaruh interaksi antara laut dan atmosfer di Samudra Hindia dan Samudra Pasifik yang mengapit Indonesia. Dalam memprediksi kondisi cuaca dengan akurat, diperlukan sistem yang dapat menganalisis dan memprediksi kondisi cuaca yaitu aplikasi prediksi cuaca menggunakan fuzzy c-means (FCM) dan fuzzy sugeno. Data cuaca yang dipakai adalah data cuaca BMKG Stasiun Geofisika Bandung tahun 2015 – 2020 dengan variabel data input suhu udara, kelembaban udara dan kecepatan angin yang menghasilkan data output berupa curah hujan dan cuaca. Proses dimulai dengan membuat fungsi keanggotaan input dengan FCM dan prediksi cuaca dengan fuzzy sugeno. Hasil akhir dari penelitian ini adalah sistem prediksi cuaca yang menggunakan data cuaca secara online atau data cuaca dari input pengguna dengan tingkat akurasi hasil prediksi sebesar 71,10 %.
Pengaruh Seleksi Fitur Particle Swarm Optimization terhadap Sentimen Analisis Aplikasi Pedulilindungi di Twitter dengan Algoritma Support Vector Machine Putra, Irza Ramira; Widiastiwi, Yuni; Chamidah, Nurul
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.v18i3.4681

Abstract

PeduliLindungi merupakan aplikasi yang ditujukan kepada masyarakat guna menangkal serta menangani COVID-19 di Indonesia. Aplikasi ini wajib dimiliki oleh masyarakat Indonesia, sebagai salah satu hal untuk kewajiban yang dibuat oleh pemerintah dari perundangan yang dibuat untuk memasuki fasilitas publik. Tentunya aplikasi ini juga mendatangkan beberapa tanggapan dari masyarakat. Tanggapan tersebut bisa diungkapkan melalui media sosial yang cukup populer seperti twitter. Melalui twitter, mereka bebas mengungkapkan pendapat mereka tentang penggunaan aplikasi tersebut. Penelitian ini bermaksud untuk mendapatkan informasi sentimen terkait opini masyarakat yang berhubungan dengan penggunaan aplikasi PeduliLindungi, dengan mengaplikasikan algoritma Support Vector Machine serta kernel Radial Basis Function dan algoritma seleksi fitur yaitu Particle Swarm Optimization dalam mengklasifikasikan opini masyarakat terhadap aplikasi PeduliLindungi dari data tweet yang sudah diperoleh serta diberi label sentimen bersifat positif dan label sentimen bersifat negatif. Model Support Vector Machine menghasilkan akurasi sebesar 76.24%, recall (sensitivity) sebesar 82.14%, presisi sebesar 76.67%, dan specificity sebesar 68.89%, sedangkan model Support Vector Machine ditambahkan seleksi fitur yaitu Particle Swarm Optimization mengalami pengingkatan akurasi sebesar 88.12%, recall (sensitivity) sebesar 96.43%, presisi sebesar 84.36%, dan specificity sebesar 77.78%.
Analisis Sentimen terhadap Aplikasi PeduliLindungi pada Jejaring Sosial Twitter Menggunakan Algoritma Naïve Bayes dan Seleksi Fitur Particle Swarm Optimization Hanif Razka, Muhamad; Theresiawati, Theresiawati; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 19 No 1 (2023): April 2023
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v19i1.4688

Abstract

Aplikasi PeduliLindungi merupakan sebuah aplikasi resmi dari Kominfo yang bekerjasama dengan beberapa kementerian lainnya. Aplikasi ini bertujuan untuk membantu mencegah penyebaran virus COVID-19 karena selalu terhubung dengan penggunanya berdasarkan lokasi. Penelitian ini menggunakan data opini publik terhadap penggunaan aplikasi PeduliLindungi dari hasil tweets masyarakat menggunakan kata kunci seperti Peduli Lindungi, hastag #PeduliLindungi dan pengguna yang menyebutkan username @PLindungi. Pengambilan data dilakukan pada tanggal 13 Maret hingga 11 April 2022. Dalam penelitian ini memiliki tujuan untuk melakukan proses mengkategorikan sebuah data tweet menjadi sentimen bersifat positif dan negatif dan menggunakan algoritma Naïve Bayes untuk proses klasifikasinya kemudian menerapkan penggunaan seleksi fitur Particle Swarm Optimization untuk selanjutnya masuk ke dalam tahap evaluasi dengan confusion matrix guna melihat perbandingan akurasi penggunaan seleksi fitur bagi algoritma klasifikasi tersebut. Dan dari hasil pengujian menggunakan algoritma klasifikasi Naïve Bayes mendapatkan nilai akurasi sebesar 76.23%, Recall sebesar 76.78%, serta Precission sebesar 79.62%. Sementara penggunaan seleksi fitur Particle Swarm Optimization pada algoritma Naïve Bayes mendapatkan hasil terbaik pada proses iterasi PSO sebanyak 250 kali dengan peningkatan nilai akurasi menjadi 80.19% kemudian nilai recall menjadi 85.71% serta terdapat peningkatan pada precission menjadi 80%. 
Co-Authors Adyatma Subagja, Raihan Andri Azis Putra, Andri Azis Anisa Anisa Apredeah Monica Selvi Aziza, Dina Kholis Batubara, Nadya P. Daduk Merdika Mansur Dedi Muhammad Siddiq Desta Sandya Prasvita Didit Widiyanto Dwi Kartini Dwi Kartini, Dwi Ermatita - Ernawati, Iin Ernie Tisnawati Sule Fikriyah Gani, Julia Haekal, Ballya Vicky Hanif Razka, Muhamad Haryandi, Pratama Inderapermana, Yusa Isamayana Isamayana Ispramono Hadi, Sigit Jannah, Nabilah Nurul Johan Johan Kardiyanti, Endah Nurhawaeny Khaerudin Imawan Kusumayanti, Dwi Machsunah, Uun Moh. Imron Rosyidi, Moh. Imron Muhamad Muhamad Nabilah Nurul Jannah Nirmalasari Nirmalasari Novita, Lisna Patimah, Endah Putra, Irza Ramira Ratna Santika, Yuniarti Risnawati, Ririn Rosyidi, Moch. Imron Santoni, Mayanda Mega Setiani , Rinita Sofyaningrum*, Rosita Subejo Subhan Subhan Haris Sule, Ernie Tisnawati Sunarru Samsi Hariadi Sundari, Vita Suwarno, Panji Suyoto Suyoto Tatminah , Itat Theresiawati Utami, Arie Susetio Wardani, Kartika Arum Widiastiwi, Yuni Yevis Marty Oesman yusuf sapari, yusuf