Article Per Year (5 Year)
p-Index From 2020 - 2025
2.255
P-Index
This Author published in this journals
All Journal Jurnal Inotera Vocatech : Vocational Education and Technology Journal Brilliance: Research of Artificial Intelligence Jurnal Teknologi Informasi
Nica Astrianda
Universitas Teuku Umar
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Penerapan CNN Arsitektur VGG16 untuk Deteksi Kesegaran Ikan Berdasarkan Citra Digital Suhendra, Rivansyah; Ayu, Ratih Sari; Qaisa, Rara Syifa; Juliwardi, Ilham; Astrianda, Nica; Arisna, Puput; Syahril, Alfis; Hasanah, Uswatun
Jurnal Teknologi Informasi Vol 4, No 1 (2025): Mei
Publisher : Universitas Teuku Umar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35308/jti.v4i1.12301

Abstract

Kesegaran ikan merupakan indikator utama dalam menentukan kualitas dan keamanan produk perikanan. Penilaian secara manual masih bersifat subjektif dan memerlukan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kesegaran ikan secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG16. Data berupa 1.378 citra mata ikan dikumpulkan dari pasar ikan di Meulaboh dan Blangpidie, kemudian melalui proses preprocessing menggunakan teknik contrast stretching. Dataset dibagi menjadi data latih (80%) dan data validasi (20%). Proses pelatihan dilakukan dengan menerapkan augmentasi dan normalisasi data guna meningkatkan kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan citra dengan akurasi, precision, recall, dan F1-score sebesar 100%. Analisis confusion matrix menunjukkan tidak adanya kesalahan klasifikasi pada data validasi. Temuan ini menunjukkan bahwa citra mata ikan merupakan fitur visual yang efektif untuk mengidentifikasi tingkat kesegaran. Sistem yang dikembangkan memiliki potensi untuk diimplementasikan dalam proses sortir dan kontrol mutu hasil perikanan. Penelitian selanjutnya disarankan untuk memperluas cakupan jenis ikan dan pengujian dalam kondisi lingkungan nyata guna meningkatkan robustitas model.
Rancang Bangun Sistem Informasi Pemesanan Tiket Mobil Travel Menggunakan Metode Rapid Application Development Berbasis Web (Studi Kasus: PT Sempati Star ) Rahmi, Pevi Alfiya; Astrianda, Nica; Maghfirah, Hayatun; Niani, Cukri Rahmi; Raziah, Isyatur; Putri, Andriani
Jurnal Teknologi Informasi Vol 4, No 1 (2025): Mei
Publisher : Universitas Teuku Umar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35308/jti.v4i1.11207

Abstract

Sistem pemesanan tiket mobil travel berbasis web telah dirancang dan dibangun untuk PT Sempati Star menggunakan metode Rapid Application Development (RAD). Penelitian ini bertujuan untuk mengatasi masalah pemesanan tiket manual yang memerlukan pelanggan datang langsung ke loket, sehingga menghabiskan waktu dan tidak memungkinkan pemilihan kursi secara fleksibel. Sistem yang dikembangkan memungkinkan pelanggan untuk memesan tiket secara online, memilih rute, jadwal, dan posisi kursi dengan mudah. Pengujian sistem dilakukan melalui dua tahap, yaitu pengujian alpha dan beta. Hasil pengujian alpha menunjukkan bahwa sistem berfungsi dengan baik pada fitur dasar seperti pemesanan dan transaksi, namun memerlukan perbaikan pada beberapa aspek tampilan antarmuka. Pada pengujian beta, sistem berhasil mencapai tingkat kepuasan pengguna sebesar 85,46%, menunjukkan peningkatan yang signifikan dalam hal kemudahan penggunaan dan stabilitas. Sistem ini diharapkan dapat meningkatkan efisiensi proses pemesanan tiket dan memperbaiki layanan bagi pelanggan PT Sempati Star.
Leveraging Machine Learning for Sentiment Analysis in Hotel Applications: A Comparative Study of Support Vector Machine and Random Forest Algorithms Suryadi, Suryadi; Syahputra , Dedek; Astrianda, Nica; Syahputra, Rizki Agam; Suhendra, Rivansyah
Brilliance: Research of Artificial Intelligence Vol. 4 No. 2 (2024): Brilliance: Research of Artificial Intelligence, Article Research November 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i2.4877

Abstract

This research aims to conduct sentiment analysis on user reviews of hotel booking applications such as Trivago, Tiket, Booking, Traveloka, and Agoda, collected from the Google Play Store. The dataset used consists of 5,000 user reviews, with 80% of the data allocated for training and 20% for testing. Two algorithms applied in this study are Support Vector Machine (SVM) and Random Forest, with performance evaluation based on accuracy, precision, recall, and F1-score metrics. The test results show that the Random Forest algorithm delivers the best performance on the Trivago application with 94% accuracy, 94% precision, 100% recall, and a 97% F1-score. Random Forest proves to be more effective in handling diverse review data, while the Support Vector Machine (SVM) algorithm also produces good results in sentiment classification. This research contributes to the development of sentiment analysis based on user reviews, which can be utilized by app developers and hotel management to improve service quality and user experience.
Co-Authors Ana Elvia Jakfar Ana Elvia Jakfar Anggara, Ade Arya Arisna, Puput Away, Asmaul Husna Ayu, Ratih Sari Cut Mutia, Cut Fatma Susilawati Mohamad Hayatun Maghfirah Ilham Juliwardi Juliwardi, Ilham Maghfirah, Hayatun Muhammad Ardiansyah Muhammad Ardiansyah Muhammad Walid Nasution, Bagas Ramadhan Niani, Cukri Rahmi Putri, Andriani Qaisa, Rara Syifa Rahmi, Cukri Rahmi, Pevi Alfiya Raziah, Isyatur Ridho, Abdurrahman Rizki Agam Syahputra Saifullah Saifullah Sanusi Saputra, Ulia Suhendra, Rivansyah Suryadi Suryadi Suryadi Suryadi Syahputra , Dedek Syahril, Alfis Uswatun Hasanah