Article Per Year (5 Year)
p-Index From 2020 - 2025
0.961
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika bit-Tech G-Tech : Jurnal Teknologi Terapan Idealis : Indonesia Journal Information System Academic Journal of Computer Science Research (AJCSR)
SOFIA, DETIN
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Pengembangan Pembelajaran Tahfidz Qur’an Metode Tilawati Berbasis Multimedia Pada SMP IT CORDOVA Ramdhan, Syaipul; Sofia, Detin; Santoso, Yuli
Academic Journal of Computer Science Research Vol 7, No 1 (2025): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v7i1.15801

Abstract

Pembelajaran menghafal Al-Qur'an sangat penting untuk meningkatkan kecerdasan anak melalui pemahaman hukum bacaan dan makharijul huruf. Metode Tilawati adalah metode menghafal Al-Qur'an yang berfokus pada bacaan Al-Qur'an dengan teknik baca simak dan pembiasaan klasikal dari juz 1 sampai juz 30. Penelitian ini menggunakan pendekatan kualitatif dengan studi kasus di SMP IT CORDOVA Rajeg. Data dikumpulkan melalui observasi, wawancara, dan dokumentasi. Hasil penelitian dan pengembangan media pembelajaran berada pada kategori valid dengan rincian validitas materi yaitu 90,32% (valid) dan 79,03% (cukup valid), validitas media 88,75% (valid), dan validitas media 88,75% (valid). validitas pembelajaran 97,11 % (valid). Tingkat daya tarik media berada pada kategori sangat menarik dengan nilai daya tarik 80%. Tingkat keefektifan penggunaan media menunjukkan t hitung sebesar 3,450. Sehingga dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara sebelum menggunakan media dengan setelah menggunakan media yang dikembangkan.
Sistem Pakar Diagnosa Penyakit TBC Menggunakan Algoritma Forward Chaining dan Certainty Factor Berbasis Android di Puskesmas Kedaung Barat Sutisna, Ujang; Fiorenza, Argin; Sofia, Detin; Fitri, Shafirah
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 8, No 2 (2025): Juli
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v8i2.357

Abstract

Abstrak: Tuberkulosis (TBC) termasuk dalam kategori penyakit menular dan hingga sekarang masih menjadi tantangan besar dalam sektor kesehatan di Indonesia. Proses diagnosa dini sangat penting untuk mencegah penyebaran dan mempercepat penanganannya. Tujuan dari penelitian ini adalah membuat sistem pakar berbasis Android, yang dapat digunakan oleh pengguna untuk mendiagnosis penyakit TBC secara mandiri. Aplikasi dibuat menggunakan Flutter, sebuah framework UI lintas platform yang dikembangkan oleh Google dan bahasa pemrograman Dart untuk mendukung pengembangan aplikasi Android. Sistem ini menerapkan metode Forward Chaining untuk menelusuri gejala yang dimasukkan oleh pengguna, serta Certainty Factor untuk menghitung tingkat kepastian hasil diagnosis berdasarkan gejala yang dialami. Pengujian dilakukan terhadap 25 responden dengan membandingkan hasil sistem dan diagnosis tenaga medis. Tingkat akurasi yang diperoleh melalui pengujian menggunakan metode Confusion Matrix mencapai 84% dengan tampilan antarmuka yang memudahkan pengguna untuk mendapatkan indikasi awal TBC serta solusi tindak lanjut, sehingga mendorong pengguna untuk segera melakukan pemeriksaan ke fasilitas kesehatan.Kata kunci: Sistem Pakar, Tuberkulosis, Forward Chaining, Certainty Factor, AndroidAbstract: Tuberculosis (TB) is classified as a contagious disease and remains a significant challenge in the health sector in Indonesia to this day. Early diagnosis is crucial to prevent its spread and accelerate treatment. This study aims to develop an Android-based expert system that allows users to diagnose TB independently. The application was developed using Flutter, a cross-platform UI framework developed by Google, and the Dart programming language to support Android application development. The system employs the Forward Chaining method to trace symptoms input by users and the Certainty Factor method to calculate the confidence level of the diagnosis based on the experienced symptoms. Testing was conducted on 25 respondents by comparing the system’s results with diagnoses made by medical professionals. The accuracy rate obtained from testing using the Confusion Matrix method reached 84%, with a user-friendly interface designed to provide initial indications of TB and recommended follow-up actions, encouraging users to seek medical examinations promptly..Keywords: Expert System, Tuberculosis, Forward Chaining, Certainty Factor, Android 
ANALITIK BIG DATA UNTUK PERAMALAN PEMASARAN OBAT SOFIA, DETIN; SEKARPUJI, PINA; FAUZIAH, FAHMI; MARDEKA RAYA, AGUSTINA
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 4 No 2 (2019): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4001.185 KB) | DOI: 10.24252/instek.v4i2.11002

Abstract

Saat ini pemanfaatan big data sudah banyak dianalisa oleh para peneliti salah satunya analisis big data dalam bidang pemasaran. Big data dapat dimanfaatkan untuk mengambil keputusan atau memudahkan pengguna data dalam mengolah data hingga menghasilkan analisa data yang berguna untuk perbaikan di masa mendatang. Tujuan penulisan makalah ini adalah pemanfaatan big data dalam bidang pemasaran dengan pengembangan aplikasi untuk peramalan penjualan produk obat sakit kepala. Metodologi penelitian yang digunakan adalah algoritma Naive Bayes Classifier, untuk menganalisa data twitter terkait pengguna obat sakit kepala. Hasil yang diperoleh dalam peramalan penjualan produk obat sakit kepala yaitu akurasi terbesar diperoleh produk obat panadolKata Kunci - Analisis Big Data, pemasaran, pengambilan keputusan, peramalan
KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP KENAIKAN HARGA TIKET PESAWAT PADA TWITTER MENGGUNAKAN NAÏVE BAYES MARDEKA RAYA, AGUSTINA; NURBAITI, FITRI; SOFIA, DETIN
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 4 No 2 (2019): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3818.672 KB) | DOI: 10.24252/instek.v4i2.11003

Abstract

Analisa sentiment atau opinion mining merupakan teknik yang digunakan untuk mengolah data yang didapatkan dari media sosial. Kenaikan harga tiket pesawat terjadi setelah adanya kecelakaan dari salah satu maskapai domestik. Imbas dari kecelakaan tersebut menyebakan semua tiket maskapai penerbangan Indonesia mengalami kenaikan. Banyak masyarakat yang menyayangkan dengan kenaikan tiket pesawat tersebut. Penelitian ini akan memanfaatkan data tweet pada twitter untuk menlihat persepsi masyarakat terhadap kenaikan harga tiket pesawat dengan menggunakan metode naïve bayes dan KNN dengan mengklasifikasikan sentimen sentiment positif, negative dan netral. Tingkat akurasi klasifikasi menggunakan naïve bayes sebesar 90.70% sedangkan tingkat akurasi dengan metode KNN sebesar 62.79%  Kata Kunci : Analisa Sentimen, Klasifikasi, Naïve bayes, Tiket Pesawat. 
Diabetes Disease Prediction on Unbalanced Data Using SMOTE-Tomek Links and Random Forest Algorithm Sukamto, Titis Fatmah; Prameswary, Cathy Lintang; Royadi, Dedi; Sofia, Detin
G-Tech: Jurnal Teknologi Terapan Vol 9 No 3 (2025): G-Tech, Vol. 9 No. 3 July 2025
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/g-tech.v9i3.7164

Abstract

Diabetes, a chronic condition caused by the body’s incapacity to generate or apply insulin as it should, is characterized by elevated blood sugar. If not treated early, the disease can lead to serious complications. This research aims to implement a machine learning-based classification model to predict diabetes, applying the methodology known as CRISP-DM (Cross-Industry Standard Process for Data Mining). The dataset was obtained from the Health Center of Sukatani Village, Rajeg, with a total of 2,075 records and 21 columns. The SMOTE-Tomek Links resampling technique was used to resolve the data’s class imbalance. Five classification algorithms, Naive Bayes, Random Forest, Logistic Regression, Decision Tree, and K-Nearest Neighbor (KNN), were compared in this study. Experiments revealed that the Random Forest algorithm performed the best with 97% accuracy, which increased to 99.64% after the application of SMOTE-Tomek Links. This best model was implemented in a web-based application using the Streamlit framework. The combination of the CRISP-DM approach, Random Forest algorithm, and SMOTE-Tomek Links proved to be effective in predicting diabetes, so that it can help medical personnel and the community in preventing, managing, and monitoring diabetes optimally.
PENERAPAN METODE STACKING ENSEMBLE UNTUK ANALISIS SENTIMEN PADA ULASAN APLIKASI RUANG GURU Sofia, Detin; Sekarpuji, Pina
IDEALIS : InDonEsiA journaL Information System Vol. 8 No. 2 (2025): Jurnal IDEALIS Juli 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v8i2.3559

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Ruangguru berdasarkan ulasan di Google Play Store. Studi ini berupaya untuk menggambarkan persepsi masyarakat terhadap layanan pembelajaran digital tersebut. Data berupa 99.000 ulasan pengguna dalam bahasa Indonesia dikumpulkan melalui teknik web scraping. Analisis sentiment dilakukan menggunakan pendekatan klasifikasi sentimen berbasis pembelajaran mesin. Penelitian mengikuti tahapan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM), yang terdiri dari Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation dan Deployment. Sentimen dikategorikan menjadi tiga kelas: positif, negatif dan netral. Proses pra-pemrosesan data melibatkan tahapan seperti pembersihan, tokenisasi, normalisasi. Ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta pelabelan data yang dilakukan dengan pendekatan lexicon-based menggunakan kamus kata positif dan negatif yang diunduh dari sumber terbuka. Model klasifikasi yang digunakan dalam penelitian ini adalah Stacking Ensemble dengan Random Forest, Support Vector Machine (SVM), dan Extreme Gradient Boosting (XGBoost) sebagai base learner, serta Logistic Regression sebagai meta learner. Evaluasi performa model menggunakan confusion matrix dan Area Under the Curve (AUC). Model ini menghasilkan Akurasi 88%, Precision 87%, Recall 88% dan F1-Score 87% serta AUC 0,945. Hasil penelitian menunjukkan bahwa mayoritas ulasan memiliki sentimen positif terhadap aplikasi Ruangguru. Temuan ini dapat menjadi masukan strategis bagi pengembang dalam meningkatkan kualitas layanan dan kepuasan pengguna.
Solar Tracking Monitoring System Berbasis Internet of Things pada Toko Bunga Cece Florist Sofia, Detin; Suladi, Ronal Yulianto; Pratama, Alfian Eka
Academic Journal of Computer Science Research Vol 7, No 2 (2025): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v7i2.15936

Abstract

Penyedia listrik saat ini masih menggunakan sumber daya alam fosil dan memiliki dampak yang sangat buruk bagi lingkungan di masa depan. Maka diperlukan suatu alat untuk menghasilkan listrik yang ramah lingkungan dan mudah didapatkan. Penelitian ini melacak sinar matahari yang dapat diserap oleh panel surya. Penelitian ini menerapkan metode Research and Development (R&D) dengan pendekatan model pengembangan ADDIE. Pada implementasinya, digunakan sensor LDR dan sensor BH1750 untuk mendeteksi arah datangnya sinar matahari, serta sensor INA219 untuk mengukur tegangan dan arus listrik yang dihasilkan dari penyerapan sinar matahari oleh panel surya. Hasil yang diperoleh dari pengembangan dan metode tersebut adalah sebuah alat pelacak matahari berbasis ioT yang dapat memonitoring dari jarak jauh secara real time menggunakan aplikasi Telegram. Kesimpulan dari penelitian ini adalah Pengembangkan sistem solar tracking berbasis IoT yang memanfaatkan sensor dan motor servo untuk mengoptimalkan penyerapan energi matahari. Pemantauan dilakukan melalui Telegram. Sistem ini efektif mengikuti cahaya matahari.
Bahasa Inggris Bahasa Inggris Handoko, Maulana Bhakti; Fauzi, Zidan Wahyu; Agung, Halim; Sofia, Detin
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2577

Abstract

Selecting a major in Senior High School significantly shapes students’ academic paths and future careers. However, the current process often lacks objectivity, relying on subjective teacher consultations and academic data without standardized analysis. This study addresses this gap by developing a decision support system using the Decision Tree algorithm to assist students at Al-Istiqomah High School in choosing between science and social science majors, based on academic performance and non-academic factors like attitudes and attendance. The study follows the CRISP-DM methodology, which includes six stages: business understanding, data understanding, data preparation, modeling, evaluation, and deployment. Academic records from 123 students were used to build the model. The Decision Tree algorithm identified mathematics, biology, and physics scores as key predictors for major classification. The model demonstrated high predictive performance, with 96% accuracy, 100% precision, and 95% recall. Additionally, an Area Under the Curve (AUC) of 97% confirmed the model’s robust ability to distinguish between science and social science tracks. This system was implemented as a user-friendly web application using Streamlit, enabling students and educators to input data and receive immediate major predictions. By offering objective, data-driven recommendations, the system helps students make more informed decisions about their academic futures and provides educators with targeted, evidence-based advice. These results highlight the Decision Tree algorithm as an effective, efficient, and practical tool for enhancing the academic advising process and supporting students in selecting the major that best fits their strengths and interests.
Co-Authors Agustina Mardeka Raya Fauzi, Zidan Wahyu FAUZIAH, FAHMI Fiorenza, Argin Fitri, Shafirah Halim Agung Handoko, Maulana Bhakti NURBAITI, FITRI Prameswary, Cathy Lintang Pratama, Alfian Eka Ramdhan, Syaipul Royadi, Dedi Santoso, Yuli SEKARPUJI, PINA Sukamto, Titis Fatmah Suladi, Ronal Yulianto Sutisna, Ujang