Article Per Year (5 Year)
p-Index From 2021 - 2026
2.743
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JMM (Jurnal Masyarakat Mandiri) JURNAL PENDIDIKAN TAMBUSAI Brilliance: Research of Artificial Intelligence Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Nautical: Jurnal Ilmiah Multidisiplin Indonesia Jurnal Pengabdian Mandiri Proceeding International Pelita Bangsa Jurnal Pelita Pengabdian
Amali, Amali
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
TRANSFORMASI DIGITAL PEMUDA MELALUI EDUKASI PEMANFAATAN TEKNOLOGI DASAR REKAYASA PERANGKAT Amali, Amali; Kamalia, Antika Zahrotul; Ismamudi, Ismamudi; Imawan, Alifia Putri; Septianto, Riski
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 2 (2025): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i2.29637

Abstract

Abstrak: Program edukasi transformasi digital ini sangat penting dilaksanakan untuk mempersiapkan generasi muda menghadapi tantangan era digital yang terus berkembang dan program ini bertujuan untuk meningkatkan pemahaman dan keterampilan siswa dalam rekayasa perangkat lunak, sekaligus mengembangkan soft skill dan hard skill pada siswa SMKN 1 Cikarang Selatan yang berjumlah 35 siswa. . Metode yang digunakan dalam program ini mencakup ceramah interaktif, pelatihan langsung, dan simulasi pembuatan aplikasi serta situs web sederhana, yang tidak hanya mengajarkan teori tetapi juga penerapan praktis melalui simulasi proyek. Hasil evaluasi dengan observasi dengan pengaplikasian materi yang diberikan ke dalam diskusi dan koloborasi praktik menunjukkan peningkatan yang signifikan di berbagai indikator. Pemahaman dasar rekayasa perangkat lunak meningkat dari 70% menjadi 90%, sementara pemahaman dasar pemrograman meningkat dari 75% menjadi 85%. Penguasaan alat pengembangan perangkat lunak juga mengalami peningkatan dari 70% menjadi 80%. Selain itu, pemahaman algoritma dan struktur data meningkat dari 70% menjadi 85%, serta pemanfaatan teknologi dalam kehidupan sehari-hari meningkat dari 75% menjadi 82%. Hasil penelitian ini menunjukkan bahwa edukasi berbasis transformasi digital berperan penting dalam membekali generasi muda dengan keterampilan yang relevan untuk menghadapi tantangan Revolusi Industri 4.0.Abstract: This digital transformation education program is crucial to prepare the younger generation to face the challenges of the ever-evolving digital era. The program aims to enhance students' understanding and skills in software engineering, while also developing both soft and hard skills in the 35 students of SMKN 1 Cikarang Selatan. The methods used in this program include interactive lectures, hands-on training, and simulations for creating simple applications and websites, which not only teach theory but also provide practical application through project simulations. The results of the evaluation through observation, including the application of the materials into discussions and collaborative practice, show significant improvements across various indicators. Basic software engineering knowledge increased from 70% to 90%, while basic programming knowledge improved from 75% to 85%. Mastery of software development tools also rose from 70% to 80%. Additionally, understanding of algorithms and data structures increased from 70% to 85%, and the use of technology in daily life grew from 75% to 82%. This study indicates that digital transformation-based education plays an essential role in equipping the younger generation with the relevant skills needed to face the challenges of the Fourth Industrial Revolution.
The Sentiment Analysis of Bekasi Floods Using SVM and Naive Bayes with Advanced Feature Selection Amali, Amali; Maulana, Donny; Widodo, Edy; Firmansyah, Andri; Danny, Muhtajuddin
Brilliance: Research of Artificial Intelligence Vol. 4 No. 1 (2024): Brilliance: Research of Artificial Intelligence, Article Research May 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i1.4268

Abstract

Flood management in Bekasi City poses significant challenges, necessitating strategies grounded in an understanding of community sentiment. This study aims to develop and optimize sentiment analysis of social media data related to flooding using Support Vector Machine (SVM) and advanced feature selection techniques. The primary goal is to enhance the accuracy of classifying public sentiment toward flood management efforts in Bekasi City. Data is collected from various social media platforms, preprocessed, and analyzed using SVM with feature selection techniques like Information Gain and Analysis of Variance (ANOVA). (Thoriq et al., 2023) Our findings indicate that using SVM with advanced feature selection significantly improves sentiment classification accuracy compared to standard methods. These results offer insights into public perceptions, helping policymakers improve management strategies and communication for flood events. This method assists in understanding community responses and pinpointing critical areas needing attention. Moreover, this study contributes to disaster management in urban flood-prone areas by presenting a methodological approach applicable to other disaster contexts. Integrating social media sentiment analysis with advanced machine learning techniques offers a robust framework for real-time public sentiment assessment, enhancing disaster response strategies. Furthermore, these techniques help create a more resilient urban environment by improving the efficiency and effectiveness of flood management practices. This comprehensive tool is essential for better preparedness, response, and recovery from flood events, ultimately enhancing community resilience and safety in Bekasi City. This research is part of machine learning in disaster management and a valuable asset for city planners and disaster professionals around the world.
Klasifikasi Tingkat Stress Pada Manusia Dengan Menggunakan Algoritma Naive Bayes Pada Rapidminer Andriano, Choky; Pratama, Alvian Saputra; Ramadan, Fadli; Amali, Amali
Jurnal SIGMA Vol 15 No 2 (2024): September 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i2.4312

Abstract

Stress is a state of anxiety or mental tension caused by a difficult situation. There are different levels of stress, which indicate how severe and strong the impact is on the body and mind. By recognizing and understanding the level of stress we experience, we can be wiser in distinguishing the type of stress that we are experiencing. The study aims to determine whether classification techniques with the application of the Naïve Bayes algorithm can be used to predict stress levels in humans, as well as to obtain information about accuracy, precision, and recall obtained when conducting patient data testing using Naïva Bayes. The study uses classification and phase-stage techniques in data mining to classify patient data for human stress detection with Naïv Bayes' algorithm using the RapidMiner tool. Using the Naïve Bayes algorithm method for human stress level datasets has been proven to be very effective, producing an accuracy rate of 99.17%. Precision for pred. is low (96.77%, precision for pred . is normal (100.00%, and precision for pred. is high (100.00%. Recall for low 100.00%, recall for normal 97.98%, and recall for high 100.00%. The stress level is determined by humidity, step count, and temperature, thus producing the data.
Prediksi Sentiment Analysis Dalam Membahas Produk Di E-Commerce Dengan Algoritma Naive Bayes Kurniasih, Nabila; Sunge, Aswan Supriyadi; Amali, Amali; Priyo, Basuki Edi; Trialfhianty, Tyas Ismi
Jurnal SIGMA Vol 15 No 3 (2024): Desember 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i3.6043

Abstract

Analisis sentimen merupakan proses mengubah data kualitatif menjadi data kuantitatif dengan menghilangkan kata dan simbol yang tidak relevan, guna mengidentifikasi opini positif dan negatif dalam ulasan pengguna. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pada ulasan pengguna aplikasi Shopee menggunakan metode Naive Bayes. Data diperoleh dari dataset sekunder melalui GitHub dan diolah menggunakan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) untuk ekstraksi fitur. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa mayoritas ulasan bersentimen positif, dengan akurasi model sebesar 84%, presisi negatif 89% dan positif 81%, recall negatif 76% dan positif 91%, serta F1-Score negatif 82% dan positif 85%, sehingga membuktikan bahwa metode Naive Bayes efektif dalam klasifikasi sentimen ulasan e-commerce.
Penerapan Kecerdasan Buatan (AI) dalam Simulasi Sistem Industri untuk Optimalisasi Manajemen Produksi Budiman, Banyu Sugara; Amali, Amali; Suryadi, Suryadi; Listyanto, Rudy Effendy
Jurnal Pendidikan Tambusai Vol. 8 No. 3 (2024)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

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

Abstract

Dalam era globalisasi persaingan dalam industri semakin pesat. Seluruh industri diberbagai bidang terus menerus berinovasi untuk menciptakan produksi yang baru dan lebih efisien. Kecerdasan buata (AI) menjadi salah satu inovasi yang bisa dikembangkan untuk membantu proses produksi menjadi lebih baik, dengan banyaknya anlaisa yang bisa diselasaikan dengan cepat dan teapat maka AI bisa digunakan dalam memecahkan masalah dalam simulasi industri. Melalui AI maka industri dapat bersaiang dengan mudah dalam industri 4.0. diharapkan dengan AI maka proses untuk melakukan estimasi produksi atau prediksi untuk melakukan jumlah produksi dapat dianalisa dengan baik yang akan memudahkan dalam system manajemen produksi dalam perusahaan tersebut.
Penerapan Decision Tree dalam Mendeteksi Pola Tingkat Stress Manusia Berdasarkan Pola Tidur Menggunakan Rapid Miner Anshory, Ahmad Shofwan; Amali, Amali; Pratama, Fauzhan Qhof; Pikriyansyah, Ridho
Jurnal Pelita Teknologi Vol 18 No 2 (2023): September 2023
Publisher : Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/pelitatekno.v18i2.4011

Abstract

According to data from the Health Service Monitor in 2023, stress is one of the most worrying health problems for 30% of respondents. Stress is often associated with sleep patterns. This study aims to identify the relationship between sleep patterns and stress levels in humans using 10 levels: 1-2 (normal), 3-4 (mild), 5-6 (moderate), 7-8 (high), 9-10 (very high). The model used in this study is decision tree, with data covering gender, age, occupation, sleep quality, physical activity level, BMI (Body Mass Index) category, blood pressure, heart rate, daily activities, and sleep disorders. This study is expected to provide valuable information on the relationship between sleep patterns and stress, so that strategies can be developed to improve sleep quality and reduce stress. Based on the data analysis, there are several factors that cause increased stress levels, namely blood pressure, sleep quality, body weight, gender, and daily activities. This can have a significant impact on sleep quality.
Optimasi Strategi Penjualan Berbasis Segementasi Pelanggan dengan Metode K-Means Clustering di PT. Sansyu Precision Indonesia Saniyah, Luzzatus; Wiyanto, Wiyanto; Amali, Amali; Rachman, Taufiq; Satpatmantyo, Kurbandi
Jurnal SIGMA Vol 16 No 1 (2025): Juni 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i1.6049

Abstract

Segmentasi pelanggan merupakan strategi penting dalam penjualan untuk memahami kebutuhan dan preferensi pelanggan secara lebih spesifik. PT. Sansyu Precision Indonesia, sebuah perusahaan manufaktur, merencanakan pengadaan material dan jadwal produksi berdasarkan data estimasi yang diberikan oleh pelanggan. Namun, analisis data penjualan yang besar dan beragam membutuhkan waktu yang lama serta metode yang kompleks, sehingga sulit untuk menghasilkan informasi secara tepat waktu. Penelitian ini bertujuan untuk mengoptimalkan strategi pemasaran di PT. Sansyu Precision Indonesia dengan menggunakan metode clustering K-Means. Teknik data mining ini diterapkan pada data penjualan untuk mengidentifikasi rekomendasi produk slow moving, yang mendorong pelanggan untuk mengambil produk yang telah diproduksi berdasarkan estimasi data material. Studi ini menggunakan data riwayat pelanggan yang dikumpulkan dan dianalisis menggunakan algoritma K-Means untuk mengidentifikasi segmen pelanggan yang berbeda berdasarkan karakteristik tertentu. Setelah segmentasi dilakukan, strategi pemasaran yang disesuaikan diusulkan untuk setiap segmen guna meningkatkan hubungan dengan pelanggan dan meningkatkan penjualan. Hasil segmentasi ini juga dapat menjadi acuan bagi departemen PPIC (Production Planning and Inventory Control) untuk menyesuaikan volume produksi dan menentukan persentase stok aman di gudang berdasarkan tingkat frekuensi pembelian. Selain itu, hasil ini juga mendukung departemen Pengadaan dalam pembelian material produksi secara efisien. Temuan dari penelitian ini menekankan pentingnya analisis segmentasi pelanggan dalam mengarahkan strategi penjualan yang lebih terarah dan efektif di PT. Sansyu Precision Indonesia.
Implementasi media sosial sebagai sarana pembelajaran pendidikan agama islam di era digitalisasi Wibowo, Mohamad Hegar Sukmana; Amali, Amali; Al Ayubi, Muhammad Din; Permana, Yudi
Nautical : Jurnal Ilmiah Multidisiplin Indonesia Vol. 3 No. 2 (2024): Nautical: Jurnal Ilmiah Multidisiplin Indonesia
Publisher : ARKA INSTITUTE

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55904/nautical.v3i2.1163

Abstract

Penelitian ini mengkaji implementasi media sosial sebagai sarana pembelajaran Pendidikan Agama Islam (PAI) di era digitalisasi. Metode yang digunakan melibatkan observasi partisipatif dan wawancara mendalam dengan guru dan siswa di beberapa sekolah menengah. Dalam studi ini, ditemukan bahwa penggunaan media sosial seperti YouTube, Instagram, dan WhatsApp telah meningkatkan aksesibilitas dan interaktivitas dalam pembelajaran PAI. Hasil penelitian menunjukkan bahwa media sosial memfasilitasi penyebaran materi ajar yang lebih cepat dan memungkinkan siswa untuk berinteraksi dengan konten pembelajaran secara lebih dinamis. Selain itu, penggunaan media sosial juga mendukung pembelajaran kolaboratif di mana siswa dapat berdiskusi dan berbagi pemahaman mereka secara online. Namun, penelitian ini juga mengidentifikasi beberapa tantangan, seperti keterbatasan akses internet dan kurangnya literasi digital di kalangan beberapa siswa. Kesimpulannya, media sosial telah berkontribusi positif dalam pembelajaran PAI, namun diperlukan strategi yang lebih komprehensif untuk mengatasi tantangan yang ada dan memaksimalkan potensi pembelajaran digital.
Explainable DDoS Detection with a CNN-LSTM Hybrid Model and SHAP Interpretation Amali, Amali; Muhammad Rifa'i, Anggi; Widodo, Edy; Turmudi Zy, Ahmad; Ariatmanto, Dhani
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 6 (2025): December 2025 (in progress)
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i6.6865

Abstract

The rising frequency and complexity of Distributed Denial of Service (DDoS) attacks pose a severe threat to network security. This study aims to develop an effective and interpretable DDoS detection framework using a hybrid deep learning approach. The proposed method integrates Convolutional Neural Networks (CNN) to capture local traffic patterns and Long Short-Term Memory (LSTM) networks to model temporal dependencies. The CICIDS 2017 dataset, after preprocessing steps including data cleaning, standardization, and class balancing with SMOTE, was used to train and evaluate the model. Experimental results show that the framework achieved 99.98% accuracy and a 99.83% F1-Score, with minimal false positive and false negative rates. This study integrates SHAP to improve model interpretability, aligning feature importance with network security expertise. Future research will focus on real-time deployment, cross-dataset validation, and exploring alternative explainable AI techniques for improved scalability.
Co-Authors Al Ayubi, Muhammad Din Andri Firmansyah Andriani Andriani Andriano, Choky Angela, Devani Nadia Vita Kusuma Anshory, Ahmad Shofwan Antika Zahrotul Kamalia ARIF SUSILO Aswan Supriyadi Sunge Budiarto, Eko Budiman, Banyu Sugara Butsianto, Sufajar DHANI ARIATMANTO Edy Widodo Edy Widodo Gunawan, Achmad Rezky Hamidah, Jilan Herfiansyah, Raihan Hidayah, Aldy Imawan, Alifia Putri Ismamudi Ismamudi Ismamudi, Ismamudi Kurniasih, Nabila Kurniawan, Jidan Restu Listyanto, Rudy Effendy Maulana, Donny Muhammad Rifa'i, Anggi Muhtajuddin Danny Nawangsih, Ismasari Noor, Viyan Qomarudin Nugroho, Agung Nurhidayanti, Nisa Permana, Yudi Pikriyansyah, Ridho Pratama, Alvian Saputra Pratama, Fauzhan Qhof Priyo, Basuki Edi Putra, Maha Ramadan, Fadli Ramadhan, Arya Syah Rifa'i, Anggi Muhammad Saepul, Muhammad Saniyah, Luzzatus Satpatmantyo, Kurbandi Septianto, Riski Suryadi Suryadi Taufiq Rachman, Taufiq Tedi, Nanang Turmudi Zy, Ahmad Tyas Ismi Trialfhianty Wangsadanureja, Miftah Wibowo, Mohamad Hegar Sukmana Wiyanto -