Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal Jurnal Informatika Polinema (JIP)
Annisa Taufika Firdausi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

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

Found 7 Documents
Search

 1 
Implementasi GraphQL Untuk Mengatasi Under-Fetching pada Pengembangan Sistem Informasi Pelacakan Alumni Politeknik Negeri Annisa Taufika Firdausi; Dhebys Suryani Hormansyah; Fany Ervansyah
Jurnal Informatika Polinema Vol. 7 No. 4 (2021): Vol 7 No 4 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i4.775

Abstract

Pendistribusian data pada sistem informasi memiliki berbagai macam cara yang digunakan. Diantaranya adalah dengan menggunakan metode REST API. Namun, terdapat beberapa kekurangan yang menjadi masalah pada REST API. Salahsatunya adalah masalah under-fetching, yaitu masalah dimana bagian frontend harus melakukan lebih dari 1 kali request untuk memenuhi kebutuhan data yang diperlukan. Masalah ini dapat diselesaikan dengan menerapkan GraphQL sebagai metode pendistribusian data. Tujuan dari penelitian kali ini adalah untuk membandingkan performa antara sistem informasi dengan REST API dan sistem informasi dengan GraphQL. Studi kasus pada penelitian ini adalah pada pengembangan sistem informasi pelacakan alumni Politeknik Negeri Malang. Hasil penelitian ini berupa perbandingan performa antara sistem informasi dengan metode pendistribusian data REST API dan sistem informasi dengan metode pendistribusian data GraphQL. GraphQL menunjukkan performa yang baik pada jumlah data yang besar dan kompleks, serta ketika terdapat banyak pengguna yang mengakses data dalam waktu yang bersamaan. Sedangkan untuk data yang sederhana dan sistem informasi yang tidak memiliki banyak pengguna yang akan mengakses data secara bersamaan, maka REST API masih lebih unggul.
Penentuan Bahan Makanan Untuk Itik Petelur Menggunakan Algoritma Genetika Imam Fahrur Rozi; Annisa Taufika Firdausi; Tahta Reza Rahmadhany
Jurnal Informatika Polinema Vol. 7 No. 2 (2021): Vol 7 No 2 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i2.514

Abstract

Itik berperan sebagai penghasil telur dan daging. Tingkat produktivitas itik lokal Indonesia baik telur maupun daging masih rendah dan berpeluang untuk ditingkatkan. Produktivitas ternak dipengaruhi oleh faktor pakan, manajemen dan pembibitan. Permasalahan yang sering dihadapi peternak adalah ketersediaan pakan, pakan yang diberikan memiliki kandungan nutrisi rendah. Jika penentuan pakan yang diberikan tidak sesuai dengan standarisasi kebutuhan itik maka yang terjadi adalah itik petelur tidak mencapai kondisi yang optimal seperti kurangnya nafsu makan, mudah terserang penyakit, dan tidak lincah. Bahkan yang lebih fatal bisa mengakibatkan kematian pada itik. Dari ulasan tersebut dapat diketahui pembuatan pakan itik dengan memperhatikan nutrisi perlu dilakukan. Permasalahan penentuan bahan pakan ternak itik petelur dapat diselesaikan dengan algoritma genetika, dikarenakan algoritma genetika memiliki kelebihan dalam menghasilkan output dengan tetap memperhatikan faktor nutrisi. Nutrisi pada itik petelur yang harus dipenuhi antara lain protein kasar, energi, metionin, lisin, kalsium, dan fosfor yang memiliki masing-masing nilai standarnya. Proses algoritma genetika dimulai dengan inisialisasi populasi, menghitung fitness, seleksi, crossover, mutasi, dan evaluasi. Berdasarkan penelitian yang telah dilakukan, untuk mengukur kualitas solusi pada permasalahan penentuan bahan makanan untuk itik petelur yaitu dengan melihat nilai fitness. Parameter algoritma genetika memiliki pengaruh terhadap nilai fitness yang dihasilkan. Pengujian parameter algoritma genetika dilakukan dengan mengkombinasikan cr dan mr, yang terbaik terdapat pada kombinasi cr 0,7 dan mr 0,2 dengan rata-rata nilai fitness 2,960. Ukuran populasi yang baik adalah 35 dengan nilai fitness 2,706. Pengujian jumlah generasi dihasilkan fitness terbaik 2,804 terdapat pada generasi 20.
Analisis Sentimen Pada Twitter Mengenai Pasca Bencana Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram Imam Fahrur Rozi; Annisa Taufika Firdausi; Khalimatul Islamiyah
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.316

Abstract

Bencana alam sering terjadi di wilayah Indonesia, pemberian bantuan yang efisien dan sesuai kebutuhan sangat berpengaruh terhadap proses pemulihan pasca bencana alam. Melalui twitter masyarakat banyak memberikan respon mengenai bencana alam, akan tetapi respon tersebut belum terklasifikasikan. Oleh karenanya, diperlukan klasifikasi respon masyarakat mengenai bencana alam. Dalam penilitian ini, dilakukan analisis sentimen terhadap tweet dengan mengklasifikasikan kedalam kategori positif atau negatif menggunakan algoritma Naïve Bayes Classifier. Dari hasil klasifikasi tersebut kita dapat memprioritaskan bantuan dengan mengkategorikan setiap hasil klasifikasi. Dari hasil klasifikasi tersebut positif diartikan bantuan berdasarkan kategori tersebut telah terpenuhi sedangkan negatif berarti bantuan tersebut kurang atau dibutuhkan. Penelitian ini juga akan menggunakan fitur N-Gram yaitu unigram dan bigram. Pada pengujian penelitian ini dilakukan empat kali pengujian. Setiap pengujian, presentase data training nya berbeda karena jumlah data training juga berpengaruh terhadap peningkatan nilai akurasi. Hasil dari pengujian tersebut diperoleh nilai akurasi untuk unigram sebesar 76.67%, 84.44%, 90.00% dan 93.33%. Nilai akurasi untuk bigram sebesar 64.17%, 68.89 %, 75.00%, 86.67%. Dari empat pengujian didapatkan hasil akurasi tertinggi pada unigram yaitu sebesar 93.33% dan bigram sebesar 86.67%. Jadi untuk nilai akurasi unigram lebih tinggi daripada bigram.
APLIKASI PENGHITUNG KOLONI BAKTERI BERBASIS ANDROID Putra Prima Arhandi; Annisa Taufika Firdausi; Dicky Pradana
Jurnal Informatika Polinema Vol. 6 No. 1 (2019): Vol 6 No 1 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i1.288

Abstract

Bakeri adalah cabang dari ilmu mikro-biologi yang selalu berkelompok (berkoloni) untuk melakukan perkembang biakan dan bertahan hidup karena katergantungan satu sama lain. Koloni bakteri sering di temukan di media-media sumber kehidupan seperti makanan, air, dan media lainnya, namun dengan adanya alat-alat penelitian yang terdapat di laboratorium menghambat proses penelitian, analisa dan perhitungan terhadap koloni bakteri bagi para peneliti atau praktisi mahasiswa yang sedang melakukan praktikum. Dengan demikian sangat penting untuk melakukan analisa bagi seorang peneliti dalam melakukan penelitian dengan mikro biologi yang akan di teliti. Untuk mengatasi masalah ini dikembangkan sebuah aplikasi penghitung koloni bakteri yang akan membantu para peneliti untuk melakukan analisa perhitungan jumlah koloni bakteri yang sedang di teleti. Sistem ini berbasis android dan menggunakan pengolahan citra digital dengan pemotretan citra dari koloni bakteri yang akan di hitung dan openCV sebagai alat bantu yang digunakan untuk mendukung proses pengolahan citra pada android
PENGEMBANGAN SISTEM ANALISA KEBERPIHAKAN MEDIA ONLINE BERDASARKAN TREND WAKTU MENGGUNAKAN NAIVE BAYES CLASSIFIER Faisal Rahutomo; Annisa Taufika Firdausi; Nur Rochmanshah
Jurnal Informatika Polinema Vol. 6 No. 1 (2019): Vol 6 No 1 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i1.293

Abstract

Media online menjadi salah satu media yang paling penting dalam menyajikan informasi kepada para pembaca. Media online dapat menyajikan informasi kepada pembaca dengan cepat, gratis, dan praktis. Salah satu topik yang menjadi perhatian dari masyarakat Indonesia, khususnya di tahun 2019 adalah topik yang berkaitan dengan pemilihan Presiden dan Wakil Presiden. Banyak media online dalam penyajian berita di setiap hari, secara terang-terangan maupun tidak, berpihak kepada salah satu Pasangan Presiden dan Wakil Presiden. Penyajian Media Online yang tidak netral ataupun tidak objektif tidak hanya merugikan bagi pihak Pasangan Presiden dan Wakil Presiden, tetapi juga mampu memberikan perspektif berbeda bagi pembaca atau masyarakat kepada pasangan Presiden dan Wakil Presiden terkait. Salah satu cara untuk menentukan atau mengetahui keberpihakan media kepada pasangan Presiden dan Wakil Presiden adalah dengan membuat sistem yang secara otomatis dapat mengklasifikasikan berita-berita yang ada pada suatu media di setiap hari atau waktu tertentu menjadi kategori yang telah ditentukan. Hasil pengklasifikasian kemudian diolah dan disajikan dalam bentuk grafik serta dihitung nilai keberpihakannya. Salah satu metode pengklasifikasian adalah dengan menggunakan metode Naive Bayes Classifier (NBC). NBC adalah klasifikasi statistik yang bisa memprediksi probabilitas sebuah kelas, dan kelebihan dari metode ini adalah tingkat akurasi yang tinggi juga waktu komputasi yang lebih cepat.
PENGEMBANGAN WEBSITE PENDUKUNG MASTERY BASED LEARNING UNTUK PEMBELAJARAN MAHASISWA Putra Prima Arhandi; Sofyan Noor Arief; Annisa Taufika Firdausi
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.966

Abstract

Dampak wabah COVID-19 sangat berpengaruh pada sektor pendidikan, salah satunya pada mahasiswa Jurusan Teknologi Informasi di Politeknik Negeri Malang. Alur pembelajaran daring yang berjalan saat ini kurang efektif, sehingga mengakibatkan pembelajaran mahasiswa menjadi kurang maksimal. Oleh karena itu, diperlukan metode pembelajaran yang lebih efektif untuk diterapkan pada masa pembelajaran daring saat ini, salah satunya dengan menggunakan metode Mastery Based Learning (pembelajaran tuntas), di mana metode tersebut menargetkan mahasiswa untuk memahami suatu standar kompetensi secara tuntas dengan waktu yang bisa disesuaikan masing-masing mahasiswa. Pada pengembangan website ini, pengembang merancang suatu sistem pembelajaran daring yang menerapkan metode Mastery Based Learning untuk menunjang pembelajaran mahasiswa Jurusan Teknologi Informasi. Dengan menerapkan metode ini, mahasiswa yang memiliki pemahaman di bawah rata-rata tetap dapat mengikuti materi. Hasil dari pengujian sistem pembelajaran daring ini mendapatkan respon positif dari para mahasiswa. Dari 22 responden, semua setuju bahwa fitur-fitur yang tersedia dapat membuat pembelajaran mereka terbantu, yang artinya website pendukung metode Mastery Based Learning yang dibuat dapat diterima oleh mahasiswa sebagai alat bantu pembelajaran yang efektif untuk diterapkan.
ANALISIS SENTIMEN KEBIJAKAN PEMBELAJARAN TATAP MUKA SELAMA PANDEMI COVID-19 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Candra Bella Vista; Osa Mahanani Sihono; Annisa Taufika Firdausi
Jurnal Informatika Polinema Vol. 9 No. 3 (2023): Vol 9 No 3 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i3.1273

Abstract

Sebagai upaya memulihkan pembelajaran setelah pandemi covid-19, Kemendikbudristek mengeluarkan kebijakan memperbolehkan pembelajaran secara tatap muka di semester genap tahun ajaran 2022 secara terbatas. Keadaan tersebut tidak bertahan lama karena setelah kegiatan pembelajaran tatap muka dilaksanakan, angka covid naik kembali. Sehingga banyak opini pro dan kontra terkait pembelajaran tatap muka di tengah kenaikan kasus covid dan kemunculan berbagai varian virus covid. Twitter sebagai salah satu media sosial yang paling banyak digunakan oleh masyarakat Indonesia untuk menyampaikan opini. Opini mengenai pembelajaran tatap muka selama pandemi covid-19, sempat menduduki trending topic di Indonesia dalam beberapa waktu. Hal ini membuka peluang untuk dilakukan analisis sentimen terkait pembelajaran tatap muka (ptm). Pada penelitian ini penulis melakukan analisis sentimen pada data Twitter terkait pembelajaran tatap muka (ptm) menggunakan metode Support Vector Machine (SVM) dan fitur TF-IDF untuk mengekstraksi sebuah data opini untuk melihat kencondongan kalimat tersebut bernilai positif, negatif, atau netral. Penerapan tahap preprosesing menggunakan cleaning, case folding, tokenzing, dan stopword removal. Pengujian dilakukan untuk mencari nilai akurasi, precision, recall, dan, f-measure berdasarkan rasio data latih dan data. Rasio yang digunakan sebagai perbandingan adalah 60:40, 70:30, 80:20, dan 90:10. Hasil pengujian menunjukkan bahwa menggunakan perbandingan data latih dan data uji 90:10 mendapatkan akurasi tertinggi sebesar 73%.
Co-Authors Candra Bella Vista Dhebys Suryani Hormansyah Dicky Pradana Faisal Rahutomo Fany Ervansyah Imam Fahrur Rozi Khalimatul Islamiyah Nur Rochmanshah Osa Mahanani Sihono Putra Prima Arhandi, Putra Prima Sofyan Noor Arief Tahta Reza Rahmadhany