Article Per Year (5 Year)
p-Index From 2020 - 2025
1.853
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer JATI (Jurnal Mahasiswa Teknik Informatika)
Nur Padilah, Tesa
Unknown Affiliation
Computer Science & IT Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PENERAPAN ALGORITME K-MEANS DALAM SEGMENTASI DAERAH RAWAN KEKERASAN ANAK DI JAWA BARAT Sa'diah, Halimatu; Enri, Ultach; Nur Padilah, Tesa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6838

Abstract

Kekerasan pada anak merupakan segala bentuk perbuatan atau tindakan yang menimbulkan penderitaan baik secara fisik atau emosional, seksual, eksploitasi, penelantaran yang berdampak kerugian pada keberlangsungan hidup anak. Tingkat kekerasan anak di dunia mencapai 1 miliar anak dalam kurun waktu 1 tahun. Di Indonesia sendiri terjadi peningkatan jumlah korban setiap tahunnya. Hal ini tidak terlepas dari jumlah kasus yang terjadi di setiap kabupaten/kota pada setiap provinsi. Jawa Barat merupakan salah satu dari tiga provinsi dengan korban kekerasan terbanyak di Indonesia. Dalam membantu upaya penyelesaian kasus yang lebih terstruktur dibutuhkan pengendalian dan penekanan kasus kekerasan terhadap anak menggunakan segmentasi wilayah agar dapat membantu pemerintah dalam menentukan daerah prioritas penanganan. Penelitian ini memanfaatkan data dalam rentang tahun 2017-2021. Algoritme yang diterapkan adalah algoritme K-Means menggunakan metodologi KDD yaitu data selection, data prepoccesing, transformation, data mining, dan interpretation/evaluation. Terbentuk 3 cluster dengan 4 daerah rawan, 1 sangat rawan, dan 22 tidak rawan. Cluster menghasilkan 0.36 dengan silhouette coefficient 0.76 (strong structure). Interpretasi divisualisasikan menggunakan QGIS.
PENGARUH PEMBOBOTAN EMOJI TERHADAP EVALUASI ALGORITME NAÏVE BAYES PADA KOMENTAR PELECEHAN SEKSUAL Damayanti, Ismi; Nur Padilah, Tesa; Enri, Ultach
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6868

Abstract

Sebuah akun dengan usename @kuydotid mengunggah video tentang berita kasus pelecehan seksual Universitas Gunadarma. Dengan munculnya banyak komentar dari pengguna Tiktok tentang kejadian tersebut, maka pendapat-pendapat tersebut perlu dianalisis untuk mengklasifikasikan sentimen yang terkandung di dalamnya. Penelitian ini menambahkan pembobotan opini non-tekstual berupa emoji untuk menguji pengaruh terhadap hasil akurasi. Penambahan pembobotan emoji ini dilakukan guna menghindari makna ambigu pada sebuah komentar.Untuk penelitian ini, objek yang akan diteliti adalah komentar pengguna dari sosial media Tiktok pada unggahan @kuydotid tentang kasus pelecehan seksual di Universitas Gunadarma. Data tersebut berisi teks dan emoji (non-tekstual) untuk dianalisis sentimen. Pada penelitian ini, metodologi yang digunakan adalah Knowledge Discovery in Database (KDD)Pada penelitian ini evaluasi data mining menggunakan confussion matrix yang menghasilkan nilai accuracy, precision dan recall. Penggunaan pembobotan emoji telah terbukti memiliki pengaruh positif terhadap pengklasifikasian dan akurasi sistem. Hal ini dapat dilihat dari peningkatan nilai evaluasi.
IMPLEMENTASI ALGORITMA MULTINOMIAL NAIVE BAYES PADA ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI BRIMO Fibriyanti Arminda, Nanda; Sulistiyowati, Nina; Nur Padilah, Tesa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.7012

Abstract

Mobile banking merupakan salah satu produk perbankan yang dapat memberikan kemudahan bagi nasabah. Salah satu mobile banking populer adalah BRImo. Ulasan pengguna menjadi sumber informasi penting bagi developer untuk memahami keluhan pengguna serta meningkatkan pengembangan aplikasi. Namun tidak semua ulasan mewakili pendapat tentang aplikasi tersebut. Penelitian ini bertujuan untuk melakukan analisis sentimen guna mengekstrak informasi dan mengklasifikasikan data ulasan ke dalam sentimen positif dan negatif dengan mengimplementasikan algoritma Naïve Bayes dalam proses klasifikasi dan menggunakan K-Fold Cross Validation sebagai metode pembagian data dan metode validasi hasil evaluasi, serta digunakan teknik TF-IDF untuk melakukan transformasi data dan pembobotan kata. Metode penelitian dilakukan dengan menerapkan tahapan metode KDD (Knowledge Discovery in Database) dengan tahapan data cleaning, data selection, data transformation, data mining, pattern evaluation, dan knowledge presentation. Hasil analisis sentimen ulasan pengguna BRImo dari total dataset yang berjumlah 1011 data terdapat 670 data yang diklasifikasikan sebagai sentimen negatif dan 341 data yang diklasifikasikan sebagai sentimen positif, sehingga dapat disimpulkan bahwa hasil sentimen dari ulasan pengguna terhadap aplikasi BRImo didominasi oleh sentimen negatif, dengan hasil evaluasi dari algoritma Naïve bayes dalam mengklasifikasikan sentimen ulasan pengguna BRImo mendapatkan hasil terbaik pada fold-2 dengan nilai akurasi 98,02%, presisi 97,06%, recall 97,06%, dan f1-score 97,06%.
ANALISIS SENTIMEN FENOMENA FOMO PADA KONSER K-POP DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE Maria, Giovanny; Garno, Garno; Nur Padilah, Tesa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7104

Abstract

Fear Of Missing Out atau FOMO saat ini sedang menjadi topik yang diperdebatkan oleh masyarakat khususnya kaum muda. Fenomena FOMO semakin meningkat terjadi berhubungan dengan banyaknya konser K-Pop yang di hadiri oleh non-fans yang berperilaku tidak wajar selama konser berlangsung dan hal tersebut memicu reaksi masyarakat terhadap adanya fenomena FOMO dalam konser K-Pop yang dituangkan di media sosial twitter. Analisis sentimen menjadi solusi dalam mengekstrak informasi dan mengklasifikasikan data opini sesuai sentimen (positif dan negatif) dengan memanfaatkan algoritma data mining. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen mengenai adanya fenomena Fear Of Missing Out (FOMO) menggunakan algoritma Support Vector Machine. Penelitian ini, menggunakan Metode KDD (Knowledge Discovery in Database) yang terdiri dari tahapan data selection, preprocessing, data transformation, data mining dan evaluation. Untuk mendapatkan nilai yang lebih akurat maka dibantu dengan Information gain sebagai seleksi fitur dan Grid search sebagai penentu parameter terbaik. Hasil penelitian menunjukkan bahwa performa algoritma Support Vector Machine dalam mengklasifikasikan sentimen adanya fenomena FOMO pada konser K-Pop di Indonesia Indonesia dengan nilai akurasi sebesar 90% dengan preporsisi pembagian data sebanyak 60 data training dan 40 data testing. Sentimen pada opini adanya fenomena FOMO pada konser K-Pop di Indonesia ini diketahui lebih banyak mengandung sentimen negatif berdasarkan pelabelan manual. Hal ini terlihat bahwa banyak penonton konser K-Pop ini mengeluhkan tentang adanya fenomena FOMO. Dalam hal ini para penggelar acara khususnya acara konser K-Pop dapat menjadikan penelitian ini sebagai acuan untuk terus menerus melakukan perbaikan terhadap pelayanan yang diberikan.
PENGELOMPOKAN DAERAH RAWAN BENCANA ALAM DI JAWA BARAT MENGGUNAKAN ALGORITMA FUZZY C-MEANS Nabilla Audy, Ide; Nur Padilah, Tesa; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7205

Abstract

Bencana alam adalah kejadian berbahaya yang diakibatkan oleh berbagai fenomena alam yang diakibatkan oleh alam. Jawa Barat adalah salah satu provinsi yang memiliki tingkat kejadian bencana alam tertinggi dan bisa juga disebut daerah yang rawan bencana alam. Untuk menanggulangi bencana alam dibutuhkan relawan yang banyak pada daerah yang termasuk rawan bencana. Maka dari itu, untuk mengetahui jumlah relawan yang dibutuhkan, perlunya informasi mengenai daerah mana saja yang termasuk daerah dengan tingkat bencana alam yang tinggi. Tujuan dari penelitian ini untuk mengelompokan kabupaten/kota yang rawan bencana alam, sehingga dapat menjadi fokus bagi pemerintah dalam penanggulangan bencana alam. Dengan metode Clustering Fuzzy C-Means dipakai untuk mengelompokan kabupaten/kota yang rawan dan tidak rawan. Hasil clustering yang paling optimal yaitu pada c = 2 dengan hasil evaluasi memiliki struktur yang baik yang dilihat dari hasil evaluasi dengan metode Silhouette Coefficient, Partition Entropy (PE), dan Partition Coefficient (PC).
PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA PENGELOMPOKAN DAERAH PENYEBARARAN DIARE DI PROVINSI JAWA BARAT Maesaroh, Maya; Nur Padilah, Tesa; Haerul Jaman, Jajam
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7208

Abstract

Penyakit diare adalah suatu gangguan pada saluran pencernaan yakni tinja ataupun feses berubah menjadi cair serta berlangsung 3 kali ataupun lebih dengan kurun waktu 24 jam dan bisa dibarengi muntah-muntah, sehingga penderita mengalami dehidrasi dan apabila tidak segera ditangani akan dapat menyebabkan kematian. Permasalahan diare tidak bisa dibiarkan dan harus ditangani karena diare dapat menimbulkan dampak negatif bagi kesehatan. Perlu dilakukan pengelompokan daerah dengan tujuan agar pemerintah Jawa Barat dapat melakukan pengambilan keputusan terhadap permasalahan diare di Provinsi Jawa Barat, seperti daerah mana saja yang perlu perhatian secara khusus. Algoritma yang digunakan adalah algoritma k-means clustering dengan beberapa langkah yaitu seleksi data, pre-processing data, transformasi data, data mining, dan interpretasi/evaluasi. Pengelompokan daerah penyebaran diare dengan bantuan dari metode elbow sebagai penentuan jumlah cluster terbaik dengan hasil cluster terbaik pada 4 (empat) cluster dalam setiap dataset pertahun dan hasil clustering dibuat visualisasi pemetaan menggunakan tools Quantum GIS (QGIS). Hasil evaluasi model pengelompokan tersebut dengan menggunakan silhouette coefficient pada tahun 2020 mendapatkan index nilai sebesar 0,62 dan index nilai sebesar 0,55 pada tahun 2021, hasil tersebut menunjukkan bahwa kriteria yang diterapkan merupakan struktur yang baik (medium structure).
IMPLEMENTASI DATA MINING MENGGUNAKAN METODE REGRESI DATA PANEL UNTUK MEMPREDIKSI CAPAIAN INDEKS PEMBANGUNAN MANUSIA: STUDI KASUS: PROVINSI JAWA BARAT Khaerunisa, Salsa; Nur Padilah, Tesa; Haerul Jaman, Jajam
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i5.7260

Abstract

Pada tahun 2022, capaian IPM di 19 dari 27 kabupaten/kota Provinsi Jawa Barat tidak sesuai dengan target yang ditetapkan dalam Rencana Pembangunan Jangka Menengah Daerah (RPJMD). Fakta tersebut menunjukkan bahwa hanya 30% kabupaten/kota di Provinsi Jawa Barat yang berhasil mencapai target IPM yang diamanatkan, sementara 70% wilayah lainnya masih belum mencapai sasaran. Dari permasalahan tersebut, maka perlu dilakukan prediksi capaian IPM agar diketahui nilai prediksi IPM di masa mendatang sehingga pemerintah memiliki referensi dan acuan dalam membuat langkah-langkah strategis ataupun berbagai kebijakan terkait peningkatan IPM kabupaten/kota di Provinsi Jawa Barat. Penelitian ini menggunakan metode regresi data panel untuk memprediksi capaian IPM kabupaten/kota di Provinsi Jawa Barat tahun 2023. Data yang digunakan terdiri dari data capaian IPM, usia harapan hidup, harapan lama sekolah, rata-rata lama sekolah, dan pendapatan perkapita disesuaikan tahun 2010-2022 dari 27 kabupaten dan kota yang ada di Provinsi Jawa Barat. Hasil prediksi menunjukkan bahwa pada tahun 2023, 11 kabupaten/kota diprediksi mampu mencapai target IPM dan 16 kabupaten/kota lainnya diprediksi belum mampu mencapai target IPM sesuai dengan target RPJMD. Adapun hasil evaluasi menunjukkan model prediksi menggunakan metode regresi data panel layak digunakan untuk memprediksi capaian IPM dengan nilai MAPE sebesar 0,87%, MAD sebesar 0,56, dan MSD sebesar 0,76.
ANALISIS SENTIMEN PENERAPAN SISTEM PEMBAYARAN TOL MULTI LANE FREE FLOW MENGGUNAKAN NAÏVE BAYES CLASSIFIER Aulia Kusnadi, Putri; Nur Padilah, Tesa; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10232

Abstract

Perkembangan ilmu pengetahuan dan teknologi saat ini sedang dikembangkan alat transaksi yang disebut Multi Lane Free Flow (MLFF). MLFF merupakan cara pembayaran tol tanpa perlu berhenti di gerbang tol. Uji coba MLFF telah dilakukan di Tol Bali Mandara terdapat video dokumentasi uji coba sistem pembayaran tol MLFF telah disiarkan di berbagai stasiun televisi kemudian tersebar di media sosial dan menjadi topik pembicaraan di kalangan masyarakat karena terlihat beberapa kendaraan terkena palang saat hendak melewati gerbang tol. Penelitian ini bertujuan untuk menganalisis sentimen terhadap penerapan sistem pembayaran tol Multi Lane Free Flow dengan mengimplementasikan algoritma Naïve Bayes. Data tweet dihasilkan melalui teknik Crawling data dari media sosial Twitter sebanyak 1153 tweet dan diolah menggunakan metodologi Knowledge Discovery in Database (KDD) ke dalam tiga kelas yaitu positif, negatif dan netral. Dataset dilabelkan menggunakan lexicon mendapatkan hasil 194 label positif, 159 label negatif, dan 707 label netral. Kemudian pada tahap data mining dibagi menjadi data latih dan data uji dengan empat skenario (90:10, 80:20, 70:30, dan 60:40). Hasil penerapan algoritma Naïve Bayes dievaluasi menggunakan Confusion Matrix mendapatkan hasil skenario terbaik pada model 90:10 dengan nilai accuracy 67%, nilai precision 88%, dan nilai recall 45%. Analisis sentimen penerapan sistem pembayaran tol multi lane free flow telah memberikan gambaran tentang opini publik yang netral terhadap penerapan MLFF Indonesia.
EVALUASI AUGMENTASI DATA PADA DETEKSI PENYAKIT DAUN TEBU DENGAN YOLOV8 Topan Adib Amrulloh, Ibnu; Nurina Sari, Betha; Nur Padilah, Tesa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10267

Abstract

Tebu merupakan tanaman dari keluarga rumput-rumputan yang sangat terkenal di seluruh dunia karena perannya dalam menghasilkan gula dan etanol. Mengingat peran penting tebu, peningkatan produktivitas dan efisiensi pengelolaan tanaman menjadi sangat penting, Salah satu aspek yang memerlukan perhatian adalah masalah kesehatan tanaman tebu, yang dapat berdampak pada hasil panen dan kualitas tebu. Deteksi dini dan penanganan tepat menjadi kunci untuk mengambil tindakan pencegahan yang tepat. Penggunaan model deteksi objek seperti YOLOv8, yang menunjukkan performa superior dalam deteksi objek dengan kecepatan dan akurasi tinggi, menjadi solusi menjanjikan. Namun, tantangan utama dalam penggunaan YOLOv8 adalah kebutuhan data besar dan beragam untuk pelatihan. Teknik data augmentasi membantu mengatasi tantangan ini dengan memperluas dan memperkaya dataset melalui variasi data seperti horizontal flipping, jittering scale dan random brightness. Hasil penelitian menunjukkan bahwa penggunaan data augmentasi secara signifikan meningkatkan kinerja YOLOv8 dalam mendeteksi penyakit daun tebu, dengan peningkatan nilai mAP dari 40.3% menjadi 50.5%. Data augmentasi membantu model mengatasi overfitting dan meningkatkan kemampuan generalisasi. Penelitian ini memberikan kontribusi signifikan dalam bidang pertanian presisi, membantu petani mendeteksi penyakit secara lebih dini dan efektif, meningkatkan hasil panen, serta mengurangi kerugian akibat penyakit tanaman.
IDENTIFIKASI POLA BELAJAR DAN ABSENSI SISWA DENGAN TEKNIK CLUSTERING DAN ANALISIS KORELASI Renita, Cinta; Nur Padilah, Tesa; Adrian Eka Wahyu, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11057

Abstract

Penelitian ini dilakukan untuk mengidentifikasi pola belajar dan absensi siswa menggunakan teknik clustering dan analisis korelasi. Latar belakang penelitian ini berfokus pada pentingnya memahami hubungan antara waktu belajar, kehadiran, dan kinerja akademik untuk membantu pendidik merancang strategi pembelajaran yang lebih efektif. Dengan menggunakan algoritma K-Means, data mengenai waktu belajar siswa, kehadiran, dan nilai ujian diolah untuk menemukan pola tertentu. Metode siku digunakan untuk menentukan jumlah cluster yang optimal, dan ditemukan bahwa tiga cluster adalah yang paling sesuai. Hasil analisis korelasi menunjukkan bahwa terdapat korelasi lemah antara waktu belajar dan hasil ujian, sementara terdapat korelasi yang sangat kuat antara hasil ujian pertama, kedua, dan nilai akhir. Meskipun skor Silhouette menunjukkan kualitas pengelompokan yang moderat, hasil penelitian ini memberikan wawasan berharga bagi pendidik untuk merancang strategi pembelajaran yang lebih disesuaikan dengan kebutuhan siswa. Saran untuk penelitian selanjutnya termasuk penggunaan algoritma clustering lainnya dan mempertimbangkan variabel tambahan yang mungkin mempengaruhi prestasi akademik siswa.
Co-Authors Adrian Eka Wahyu, Muhammad Alfafisabil, Wahyu Aulia Kusnadi, Putri Betha Nurina Sari Budi Arif Dermawan Damayanti, Ismi Enri, Ultach Fibriyanti Arminda, Nanda garno, Garno Jaman, Jajam Haerul Khaerunisa, Salsa Maesaroh, Maya Maria, Giovanny Nabilla Audy, Ide Nina Sulistiyowati Renita, Cinta Sa'diah, Halimatu Sofi Defiyanti Topan Adib Amrulloh, Ibnu