Article Per Year (5 Year)
p-Index From 2020 - 2025
1.619
P-Index
This Author published in this journals
All Journal Jurnal Simetris E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal DISPROTEK Indonesian Journal of Community Services Jurnal Informatika dan Rekayasa Perangkat Lunak JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Abdi Kami : Jurnal Pengabdian Kepada Masyarakat
Maori, Nadia Annisa
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities 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 Library & Information Science Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
PENERAPAN GAME EDUKASI TATA SURYA BERBASIS ANDROID UNTUK SISWA Wibowo, Gentur Wahyu Nyipto; Minardi, Joko; Maori, Nadia Annisa
ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat Vol 6 No 2 (2023): (Oktober 2023)
Publisher : LPPM Institut Agama Islam (IAI) Ibrahimy Genteng Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69552/abdi_kami.v6i2.2176

Abstract

In the teaching and learning process, the creativity of the teaching staff is needed, one of the teaching methods is to use learning media. Moreover, it is supported by the development of information technology which is very advanced and rapidly developing as it is today. This community service activity discusses the application of android-based solar system educational games for elementary school students. The purpose of this activity is to introduce an innovative approach to solar system learning that involves technology. This activity includes a description of the development and application of android-based educational games specifically designed for students of SDN 4 Plajan, Jepara Regency. The method of implementing this activity begins with a survey of the needs of the students, activity planning, activity implementation and activity evaluation. The results of this activity open up new opportunities in education by providing learning methods that are interesting, effective, and stimulate student interest in exploring solar system science.
Metode Elbow dalam Optimasi Jumlah Cluster pada K-Means Clustering Maori, Nadia Annisa; Evanita, Evanita
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 14, No 2 (2023): JURNAL SIMETRIS VOLUME 14 NO 2 TAHUN 2023
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v14i2.9630

Abstract

K-Means clustering merupakan salah satu strategi yang digunakan dalam analisis data dan machine learning untuk mengelompokkan data menjadi beberapa kelompok (cluster) berdasarkan kemiripan fitur atau atributnya. Metode ini bertujuan untuk meminimalkan jarak antara data dalam satu kelompok dan memaksimalkan jarak antara kelompok yang berbeda. Metode elbow merupakan sebuah metode yang diterapkan pada k-means clustering untuk menentukan jumlah optimal dari cluster yang akan dibentuk. Metode elbow membantu dalam menentukan jumlah cluster yang tepat untuk data tertentu. Data yang digunakan dalam penelitian ini adalah data penerima PKH di wilayah Kabupaten Jepara tahun 2022. Tujuan penelitian ini adalah untuk mendapatkan jumlah cluster optimal dalam melakukan pengelompokkan penerima PKH, sehingga dapat mengetahui desa yang paling banyak dijumpai pada penerima PKH di Kabupaten Jepara, agar penerima PKH yang mendapatkan lebih optimal dan tepat sasaran. Hasil penelitian setelah dilakukan pengujian dari jumlah k=2 sampai dengan k=6, didapatkan jumlah cluster terbaik menggunakan optimasi metode elbow terdapat pada jumlah cluster sebanyak 3 (k=3) dan didukung dengan nilai Davies Bouldin Index (DBI) sebesar 0.554. Pada cluster_0 terdapat 63 desa, cluster_1 terdapat 127 desa, dan cluster­_2 terdapat 5 desa yang memiliki penerima PKH lebih dari 900 rumah tangga dan lansia menjadi komponen penerima PKH Kabupaten Jepara yang paling dominan. Hasil pengelompokkan ini diharapkan dapat memudahkan dalam menentukan penerima PKH yang tepat sasaran.
Peningkatan Kualitas Pembelajaran melalui Sosialisasi Teknologi Game di SD Al-Islam Pengkol Jepara Maori, Nadia Annisa; Wakit, Ahmat; Hidayati, Nor; Taqwimi, Muhammad Ahsani Nur; Andriansyach, Dimas Jordy
Indonesian Journal of Community Services Vol 6, No 2 (2024): November 2024
Publisher : LPPM Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ijocs.6.2.119-124

Abstract

Penggunaan teknologi dalam pendidikan telah menjadi kebutuhan penting dalam menciptakan lingkungan belajar yang dinamis dan interaktif. Salah satu pendekatan inovatif adalah pemanfaatan teknologi game sebagai media pembelajaran, khususnya dalam mata pelajaran yang sering dianggap sulit, seperti matematika. Program pengabdian ini dilaksanakan di SD Al-Islam Pengkol Jepara dengan tujuan meningkatkan kualitas pembelajaran melalui sosialisasi dan pelatihan penggunaan game edukasi berbasis mobile, yaitu Game Aritmatika Dungeon. Kegiatan ini melibatkan 16 guru kelas dan berlangsung selama dua hari, mencakup sosialisasi konsep, manfaat, serta pelatihan teknis penggunaan game dalam pembelajaran. Hasil dari program ini menunjukkan bahwa para guru merasa lebih percaya diri dan terampil dalam mengintegrasikan game sebagai media pembelajaran, yang berdampak positif terhadap motivasi dan hasil belajar siswa. Dengan demikian, teknologi game memiliki potensi besar untuk diterapkan lebih luas dalam pendidikan dasar, khususnya dalam mata pelajaran matematika.The use of technology in education has become an important need in creating a dynamic and interactive learning environment. One innovative approach is the use of game technology as a learning medium, especially in subjects that are often considered difficult, such as mathematics. This community service program was implemented at SD Al-Islam Pengkol Jepara with the aim of improving the quality of learning through socialization and training in the use of mobile-based educational games, namely the Arithmetic Dungeon Game. This activity involved 16 class teachers and lasted for two days, including socialization of concepts, benefits, and technical training in the use of games in learning. The results of this program showed that teachers felt more confident and skilled in integrating games as a learning medium, which had a positive impact on student motivation and learning outcomes. Thus, game technology has great potential to be applied more widely in elementary education, especially in mathematics subjects.
Metode Single Linkage pada Agglomerative Hierarchical Clustering dalam Penentuan Tingkat Kepuasan Mahasiswa terhadap Layanan Akademik Maori, Nadia Annisa; Mulyo, Harminto
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 2 (2024): JURNAL SIMETRIS VOLUME 15 NO 2 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i2.12788

Abstract

Dalam era pendidikan modern, penting bagi institusi akademik untuk memahami dan meningkatkan kepuasan mahasiswa terhadap layanan akademik yang diberikan. Tingkat kepuasan ini berperan penting dalam menilai kualitas pendidikan, pengalaman belajar, serta reputasi dan daya saing institusi. Dengan kemajuan teknologi dan peningkatan pengumpulan data, analisis data menjadi krusial untuk memahami persepsi dan kebutuhan mahasiswa. Penelitian ini menggunakan teknik Agglomerative Hierarchical Clustering (AHC) dengan metode Single Linkage untuk mengelompokkan data survei kepuasan mahasiswa terhadap layanan akademik di Program Studi Teknik Informatika UNISNU Jepara. Metode ini dipilih karena tidak memerlukan penentuan jumlah klaster sebelumnya dan cocok untuk data dengan struktur yang tidak teratur.Hasil penelitian menunjukkan bahwa AHC dengan Single Linkage efektif dalam mengidentifikasi dua kelompok mahasiswa berdasarkan tingkat kepuasan mereka, yaitu puas dan tidak puas. Evaluasi menggunakan Silhouette Coefficient menunjukkan nilai tertinggi 0.80 untuk dua klaster mengindikasikan bahwa pengelompokan ini cukup baik. Visualisasi dendrogram memberikan wawasan tambahan tentang struktur klaster dan hubungan antar data. Penelitian ini memberikan kontribusi penting untuk pemahaman tentang kepuasan mahasiswa dan dasar untuk pengembangan strategi peningkatan kualitas layanan akademik di masa depan. Metode AHC dengan pendekatan Single Linkage terbukti efisien dalam mengelompokkan data berdasarkan jarak terdekat antar objek dalam klaster, meskipun sensitif terhadap outlier dan efek chaining.
Penerapan Recursive Feature Elimination (RFE) Pada Tree-Based Classifier Untuk Identifikasi Risiko Diabetes Maori, Nadia Annisa; Azizah, Noor
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.11283

Abstract

Diabetes mellitus adalah penyakit kronis yang umum dengan dampak global yang signifikan. Identifikasi dini individu berisiko tinggi terkena diabetes sangat penting untuk pencegahan dan manajemen penyakit ini. Penelitian ini mengeksplorasi penggunaan Recursive Feature Elimination (RFE) pada classifier berbasis pohon keputusan (tree-based classifiers) untuk meningkatkan akurasi prediksi risiko diabetes. Hasil penelitian menunjukkan bahwa penerapan RFE meningkatkan akurasi model, dengan Random Forest dan Gradient Boosting mencapai akurasi tertinggi sebesar 77.27%. RFE juga berhasil mengidentifikasi fitur-fitur yang paling relevan, mengurangi risiko overfitting, dan meningkatkan interpretasi model. Penelitian ini memberikan dasar kuat untuk pengembangan alat prediksi yang lebih efektif dalam manajemen dan pencegahan diabetes. Penelitian selanjutnya disarankan untuk menguji generalisasi pendekatan ini pada dataset yang lebih luas dan dalam berbagai konteks klinis.
Penerapan Recursive Feature Elimination (RFE) pada Tree-Based Classifier untuk Identifikasi Risiko Diabetes Maori, Nadia Annisa; Azizah, Noor
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol. 6 No. 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes mellitus is a common chronic disease with significant global impact. Early identification of individuals at high risk of developing diabetes is critical for the prevention and management of the disease. This study explores the use of Recursive Feature Elimination (RFE) in decision tree-based classifiers to improve the accuracy of diabetes risk prediction. The Pima Indians Diabetes Database (PIDD) dataset was used as the database, and algorithms such as Decision Tree, Random Forest, Gradient Boosting, and Xtreme Gradient Boosting were tested. The results showed that the application of RFE improved the model accuracy, with Random Forest and Gradient Boosting achieving the highest accuracy of 77.27%. RFE also successfully identified the most relevant features, reduced the risk of overfitting, and improved model interpretability. This study provides a strong foundation for the development of more effective predictive tools in diabetes management and prevention. Future studies are recommended to test the generalizability of this approach to a wider dataset and in various clinical contexts.
Optimasi Algoritma K-Nearest Neighbors Menggunakan Teknik Bayesian Optimization Untuk Klasifikasi Diabetes Sowabi, Nur Kholis; Widiastuti, Nur Aeni; Maori, Nadia Annisa
Journal of Information System Research (JOSH) Vol 6 No 1 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i1.5975

Abstract

Diabetes is one of the chronic diseases that affects millions of people worldwide. Early diagnosis is crucial to prevent long-term complications, but the main challenges lie in the complexity of medical data and selecting optimal parameters for classification algorithms. This research aims to optimize the K-Nearest Neighbors (KNN) algorithm using Bayesian Optimization to improve accuracy in diabetes classification. The dataset used is the "Early-stage Diabetes Risk Prediction" from the UCI Machine Learning Repository, preprocessed through normalization and categorical feature encoding. Bayesian Optimization was applied to find the optimal parameters, such as the number of neighbors (k) and the best distance metric. The results show that the optimized KNN achieved 91.34% accuracy, 100% precision, and a 93.23% F1-Score, demonstrating a significant improvement over the standard KNN model. In conclusion, KNN optimization with Bayesian Optimization proves effective in enhancing diabetes classification performance and can contribute significantly to early detection and disease management.
Analisis Sentimen Evaluasi Mahasiswa terhadap Layanan di UNISNU Jepara menggunakan Algoritma Support Vector Machine Azizah, Noor; Wibowo, Adi; Warsito, Budi; Maori, Nadia Annisa
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 16, No 1 (2025): JURNAL SIMETRIS VOLUME 16 NO 1 TAHUN 2025
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v16i1.14540

Abstract

Peningkatan kualitas layanan di perguruan tinggi menjadi salah satu fokus utama dalam dunia pendidikan. Evaluasi layanan oleh mahasiswa sering kali mencakup komentar dalam bentuk teks bebas, sehingga memerlukan pendekatan berbasis kecerdasan buatan untuk mengolah data secara efisien dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap tiga layanan utama di UNISNU Jepara, yaitu layanan akademik, beasiswa, dan perpustakaan, menggunakan algoritma Support Vector Machine (SVM).Penelitian ini mengikuti tahapan metodologi CRISP-DM, meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, serta penarikan kesimpulan. Data yang digunakan berasal dari hasil evaluasi berbentuk komentar terbuka yang dikumpulkan melalui sistem SIAKAD. Data tersebut diproses melalui tahapan text preprocessing sebelum diterapkan algoritma SVM untuk klasifikasi sentimen.Hasil penelitian menunjukkan bahwa algoritma SVM mampu memberikan tingkat akurasi tinggi pada analisis sentimen terhadap ketiga jenis layanan, yaitu 95,8% untuk layanan akademik, 95,7% untuk layanan beasiswa, dan 98,4% untuk layanan perpustakaan. Temuan ini mengindikasikan bahwa algoritma SVM merupakan metode yang efektif untuk analisis sentimen dalam konteks data tidak terstruktur, serta memberikan wawasan strategis yang dapat membantu perguruan tinggi meningkatkan kualitas layanan mereka..
PENINGKATAN AKURASI PREDIKSI PEMILIHAN PROGRAM STUDI CALON MAHASISWA BARU MELALUI OPTIMASI ALGORITMA DECISION TREE DENGAN TEKNIK PRUNING DAN ENSEMBLE Mulyo, Harminto; Maori, Nadia Annisa
Jurnal Disprotek Vol 15, No 1 (2024)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdpt.v15i1.5585

Abstract

ENHACING PREDICTION ACCURACY OF NEW STUDENT PROGRAM SELECTION THROUGH DECISION TREE ALGORITHM OPTIMIZATION WITH PRUNING TECHNIQUE AND ENSEMBLEIn the current era of reform and globalization, the complexity of choosing the right study program is increasing with the many choices available. One of the challenges faced by the Nahdlatul Ulama Islamic University (UNISNU) Jepara is the increase in students with non-active status which can have an impact on the reputation of the university. One of the factors that can influence is the inaccuracy of students in choosing a study program, so that they are reluctant to continue because they are not enthusiastic about continuing their studies. The solution provided is to predict the selection of the right study program for prospective new students by utilizing the Decision Tree algorithm which is optimized with pruning and ensemble techniques with Random Forest which can help overcome overfitting in the decision tree. The data used is UNISNU student data from 2013 to 2023 with a total of 15,289 records and 52 attributes. The results showed that the Decision Tree and Random Forest models provided the highest accuracy, namely 0.88 with a max_depth value of 20 and succeeded in overcoming the problem of overfitting the decision tree. This model can then be used as a recommendation in predicting the selection of study programs for prospective new students at UNISNU Jepara.Dalam era reformasi dan globalisasi saat ini, kompleksitas dalam memilih program studi yang sesuai semakin meningkat dengan banyaknya pilihan yang tersedia. Salah satu tantangan yang dihadapi oleh Universitas Islam Nahdlatul Ulama (UNISNU) Jepara adalah meningkatnya mahasiswa dengan status non-aktif yang dapat berdampak pada reputasi universitas. Salah satu faktor yang dapat mempengaruhi adalah ketidaktepatan mahasiswa dalam memilih program studi, sehingga enggan untuk meneruskan karena tidak bersemangat dalam melanjutkan perkuliahan. Solusi yang diberikan adalah dengan melakukan prediksi pemilihan program studi bagi yang tepat bagi calon mahasiswa baru dengan memanfaatkan algoritma Decision Tree yang dioptimalkan dengan teknik pruning dan ensemble dengan Random Forest yang dapat membantu mengatasi overfitting pada decision tree. Data yang digunakan adalah data mahasiswa UNISNU dari tahun 2013 sampai dengan 2023 dengan jumlah 15.289 record dan 52 atribut. Hasil penelitian menunjukkan model Decision Tree dan Random Forest memberikan akurasi tertinggi, yaitu 0.88 dengan nilai max_depth sebesar 20 dan berhasil mengatasi masalah overfitting pada decision tree. Model ini selanjutnya dapat menjadi rekomendasi dalam prediksi pemilihan program studi bagi calon mahasiswa baru di UNISNU Jepara.
Optimalisasi Produktivitas Tenun Troso Melalui Transfer Teknologi dan Pemasaran Digital Hidayati, Nor; Maori, Nadia Annisa; Azzat, Noor Nailie
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 16, No 1 (2025): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v16i1.20278

Abstract

Troso weaving is a distinctive craft product from Troso Village Pecangaan District, Jepara Regency that contributes significantly to the local economy. This weaving is traditionally made on a wooden loom and the manufacturing process required a high level of skill from the operator making it a creative and potentially profitable home industry for community benefit. This community service focuses on the Troso Agung Berkah Weaving Communityt. The old wooden loom as call as the gedokan had a daily production capacity of 2-3 pieces of fabric and a monthly production capacity of approximately 60-70 pieces of fabric that still away to fulfill the demand. This community service aims to increase production capacity through technological advancements by modifying the gedokan wooden loom with transfer technology using dynamo and additional wheels to allow the machine to operate automatically and also to improve competitiveness through digital marketing training based on e-commerce platform as marketing strategy. The first result of this community service is fourfold increase in production capacity with the modified gedokan wooden loom compared to the previous manual gedokan wooden loom and strengthen the skills of partners to implement digital marketing based on e-commerce by utiizing website thus supporting the sustainability of the Troso weaving industry amid global competition. 
Co-Authors Adi Wibowo Ahmat Wakit Andriansyach, Dimas Jordy Budi Warsito Evanita Evanita, Evanita Joko Minardi, Joko Mulyo, Harminto Noor Azizah Noor Nailie Azzat Nur Aeni Widiastuti Sowabi, Nur Kholis Taqwimi, Muhammad Ahsani Nur Wibowo, Gentur Wahyu Nyipto