Article Per Year (5 Year)
p-Index From 2021 - 2026
1.288
P-Index
This Author published in this journals
All Journal INOVTEK Polbeng - Seri Informatika Bulletin of Computer Science Research Journal of Comprehensive Science Indonesian Journal of Innovation Multidisipliner Research Journal Of Artificial Intelligence And Software Engineering Indonesian Journal of Innovation Multidisipliner Research INOVTEK Polbeng - Seri Informatika
kurnia, fitra
Unknown Affiliation
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Sistem Pendukung Keputusan untuk Rekomendasi Pemilihan Guru Terbaik Menggunakan Metode Simple Additive Weighting Sapitri, Janaria; Vitriani, Yelfi; Haerani, Elin; Kurnia, Fitra
Indonesian Journal of Innovation Multidisipliner Research Vol. 2 No. 2 (2024): June
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v2i2.139

Abstract

Guru yang profesional dibutuhkan di sekolah-sekolah, seperti SMKN Kehutanan Pekanbaru, untuk memberikan pengalaman belajar mengajar yang unggul. Oleh karena itu, sekolah terus berupaya untuk meningkatkan kualitas guru dengan menilai bagaimana para pengajar menjalankan tugasnya untuk memastikan mereka memenuhi kriteria kompetensi. Sistem pendukung keputusan adalah sistem yang dapat memecahkan masalah dan menanganinya tujuannya bukan untuk menggantikan pengambil dilanjutkan dengan prosedur perangkingan untuk menemukan alternatif terbaik dari daftar pilihan keputusan, melainkan untuk membantu merekomendasikan pengambil keputusan. Simple Additive Weighting (SAW) adalah metode yang populer dalam sistem pendukung keputusan karena dapat menetapkan nilai pembobotan untuk setiap fitur dan kemudian yang tersedia. Pada contoh kasus ini, metode SAW (simple additive weighting) yang digunakan untuk memilih guru terbaik di SMKN Kehutanan Pekanbaru berhasil membantu pengguna, dan diperoleh rekomendasi guru terbaik yaitu A12 dengan nilai akhir 0,95. Berdasarkan pengujian UAT, diperoleh hasil 85% yang menandakan bahwa aplikasi ini dapat diterima dengan baik oleh pengguna.
Diagnosis Dini Penyakit Gagal Ginjal Dengan Metode Dempster Fakhira, Adzra; Insani, Fitri; Irsyad, Muhammad; Vitriani, Yelfi; Kurnia, Fitra
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3728

Abstract

Terlambatmendeteksipenyakitgagalginjalakanberakibatseriuskarenadiagnosisbiasanya terjadiketika masalah ginjal sudah mencapai tingkat parah. Seperti yang telah terjadi di Indonesia pada tahun 2022 lalu, terdapat 324 kasus terkonfirmasi dan 195 diantaranya meninggal dunia. Hal yang mempengaruhiketerlambatankesadaranpenderitaadalahpengetahuanyangkurangterhadapbahayapenyakit gagal ginjal. Penyakit gagal ginjal dapat disebabkan oleh dehidrasi, penyakit kronis seperti hypertensi dan diabetes, serta kekurangan banyak darah akibat  cedera atau operasi. Penggunaan teknologi dapat terwujud melalui pembuatan sistem pakardengan metode Dempster Shafer guna mendiagnosis penyakit gagal ginjal.Dalam sistem pakardiagnosis dini penyakit gagal ginjal ini penggunadiperintahkan agar mengisi data diri singkatdan gejala-gejala yang dialami. Selanjutnya sistem akan mengkombinasi gejala yang telahdipilih dengan metode Dempster Shafer menggunakan teori kepercayaan pakar sehingga mendapatkan hasil diagnosis berupa persentase pengguna mengidap penyakit gagal ginjal akut atau kronis, dan solusi untuk tindakan pengguna berikutnya. Penelitian ini telah menghasilkan sistem yang mampu mendiagnosis penyakit gagal ginjal dan dapat diterima dengan baik oleh pengguna
Retrieval-Augmented Generation in a Web-Based Question Answering System for Fiqh Books Ahadi, Ridho; Harahap, Nazruddin Safaat; Fikry, Muhammad; Kurnia, Fitra
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): June
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.7005

Abstract

Mayoritas masyarakat Indonesia yang beragama Islam cenderung tidak mengetahui madzhab yang mereka anut, padahal pemahaman madzhab sangat penting untuk menjalankan ibadah secara benar dan sah. Salah satu madzhab yang berkembang di Indonesia, terutama melalui ulama Hadramaut, adalah madzhab Imam Asy-Syafi’i. Kurangnya akses terhadap literatur fikih otentik serta metode pembelajaran interaktif menyebabkan masyarakat kesulitan memahami fikih secara mendalam. Perkembangan teknologi kecerdasan buatan (AI), memberikan dampak signifikan dalam berbagai aspek, termasuk pendidikan dan keagamaan. Salah satu implementasi AI yang berkembang adalah chatbot, sistem interaktif berbasis percakapan yang mampu memahami dan merespons pertanyaan secara alami. Dalam konteks pembelajaran keislaman, khususnya fikih, penggunaan chatbot AI menghadirkan peluang baru untuk pembelajaran yang lebih personal dan interaktif. Fikih sebagai cabang ilmu hukum Islam menuntut pemahaman mendalam terhadap sumber klasik dan aplikasinya dalam kehidupan modern. Penelitian ini memiliki tujuan untuk mengembangkan sistem tanya jawab fikih berbasis AI dan Natural Language Processing menggunakan Large Language Model (LLM), framework LangChain, serta metode Retrieval-Augmented Generation (RAG). Sistem ini dirancang memberikan jawaban relevan berdasarkan konteks fikih. Evaluasi menggunakan metrik BERTScore menghasilkan precision 86,50%, recall 84,76%, dan F1-score 85,52%, hasil ini menunjukkan akurasi tinggi dalam menjawab pertanyaan fikih.
Application of ARIMA and ARIMAX Methods to Predict the Number of Visitors to Hotel XYZ Pekanbaru Vernando, Julio; Insani, Fitri; Okfalisa, Okfalisa; Kurnia, Fitra
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 2 (2025): July
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/enrfna19

Abstract

Predicting the number of visitors to Hotel XYZ is one of the steps that can be taken by the hotel to find out how many visitors will increase in each upcoming holiday season. The purpose of this study is to forecast the number of visitors to Hotel XYZ from June 2023 to July 2024 using the ARIMA and ARIMAX comparison methods. The research methodology encompasses problem identification, data collection, data processing, and ARIMA and ARIMAX analysis, which involves testing the parameters (p, d, q) selected based on the ACF and PACF using the AIC Model. Based on the test results, ARIMAX (5, 0, 3) has the lowest AIC, which is 3495.2, followed by ARIMAX (3, 0, 5), which has a slightly higher AIC. The results showed that the ARIMAX (5, 0, 3) model is the most accurate model for predicting data (eg the number of hotel guests, room demand, or income), with an RMSE value of 15.80% and a MAPE of 18.90%. Therefore, research that applies the ARIMAX model can provide real benefits in supporting operational efficiency, resource management, and hotel business strategy, ultimately increasing the competitiveness and profitability of the hotel.
Sistem Pakar Mendiagnosis Penyakit pada Tanaman Jeruk Menggunakan Metode Dempster Shafer Elsilaturrahmi, Elsilaturrahmi; Kurnia, Fitra; Haerani, Elin; Mai Candra , Reski
Journal of Comprehensive Science Vol. 2 No. 1 (2023): Journal of Comprehensive Science (JCS)
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jcs.v2i1.224

Abstract

Tanaman jeruk termasuk pada komoditas unggulan nasional yang berperan dalam meningkatkan devisa negara. Namun, berbagai penyakit seringkali menyererang tanaman jeruk sehingga diperlukan suatu sistem untuk mendignosis penyakit pada tanaman jeruk. Penelitian ini bertujuan untuk menganalisis sistem pakar dalam mendiagnosis penyakit pada tanaman jeruk. Penelitian ini menggunakan metode Demster Shafer. Hasil penelitian dapat disimpulkan bahwa dengan penelitian yang dilakukan dapat dipahami konsep dan penerapan dari metode Dempster Shafer dalam mendiagnosis penyakit tanaman jeruk.
Sistem Pendukung Keputusan untuk Rekomendasi Pemilihan Guru Terbaik Menggunakan Metode Simple Additive Weighting Sapitri, Janaria; Vitriani, Yelfi; Haerani, Elin; Kurnia, Fitra
Indonesian Journal of Innovation Multidisipliner Research Vol. 2 No. 2 (2024): June
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v2i2.139

Abstract

Guru yang profesional dibutuhkan di sekolah-sekolah, seperti SMKN Kehutanan Pekanbaru, untuk memberikan pengalaman belajar mengajar yang unggul. Oleh karena itu, sekolah terus berupaya untuk meningkatkan kualitas guru dengan menilai bagaimana para pengajar menjalankan tugasnya untuk memastikan mereka memenuhi kriteria kompetensi. Sistem pendukung keputusan adalah sistem yang dapat memecahkan masalah dan menanganinya tujuannya bukan untuk menggantikan pengambil dilanjutkan dengan prosedur perangkingan untuk menemukan alternatif terbaik dari daftar pilihan keputusan, melainkan untuk membantu merekomendasikan pengambil keputusan. Simple Additive Weighting (SAW) adalah metode yang populer dalam sistem pendukung keputusan karena dapat menetapkan nilai pembobotan untuk setiap fitur dan kemudian yang tersedia. Pada contoh kasus ini, metode SAW (simple additive weighting) yang digunakan untuk memilih guru terbaik di SMKN Kehutanan Pekanbaru berhasil membantu pengguna, dan diperoleh rekomendasi guru terbaik yaitu A12 dengan nilai akhir 0,95. Berdasarkan pengujian UAT, diperoleh hasil 85% yang menandakan bahwa aplikasi ini dapat diterima dengan baik oleh pengguna.
Klasifikasi Sentimen Masyarakat Terhadap Revisi Undang-Undang Tentara Nasional Indonesia Menggunakan Naïve Bayes Classifier Abdul Haris Kurnia Sandi Harahap; Haerani, Elin; Oktavia, Lola; Okfalisa; Kurnia, Fitra
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.615

Abstract

The revision of the Indonesian National Armed Forces Bill (RUU TNI) has become a hot topic in Indonesian public policy and has sparked controversy among the public due to its sudden emergence and lack of open planning process. This has raised concerns about the potential for military domination and the return of the dual function of the ABRI (Indonesian Armed Forces). The classification of public sentiment towards the RUU TNI is the focus of this study. Comments are categorized into two types of sentiment classes, namely positive and negative. The research stages include data collection, sentiment labeling, data cleaning, text normalization to lowercase letters, sentence or document segmentation into smaller parts, text data normalization, negation handling, stopword removal, and stemming, weighting using the TF-IDF technique, model classification development, and evaluation of the model's performance. The Naïve Bayes Classifier method classified 1,547 comment data points collected from two Instagram social media accounts. The Naïve Bayes Classifier model achieved an accuracy of 83.74%, precision of 81.17%, recall of 87.86%, and an F1-score of 84.38%. This study has limitations, including the limited amount of data collected. These include an imbalance in the amount of data between sentiment categories, data from only one social media platform, and the suboptimal identification of positive and negative sentiments. It is recommended that future research compare this method with other classification methods, expand the dataset, broaden the scope of data collection by involving various social media platforms over a wider time span, thereby providing a more comprehensive picture of public opinion, and test a wider range of algorithm combinations. This study can serve as an initial indicator for rapid policy evaluation, where positive or negative comments from the public on social media can provide important input in assessing the effectiveness of a policy.
Co-Authors Abdul Haris Kurnia Sandi Harahap Ahadi, Ridho Elin Haerani Elsilaturrahmi, Elsilaturrahmi Fakhira, Adzra Fitri Insani Mai Candra , Reski Muhammad Fikry Muhammad Irsyad Nazruddin Safaat H Okfalisa Okfalisa Okfalisa Oktavia, Lola Sapitri, Janaria Vernando, Julio Vitriani, Yelfi