Article Per Year (5 Year)
p-Index From 2020 - 2025
4.492
P-Index
This Author published in this journals
All Journal Jurnal Sosio Ekonomika Bisnis Syntax Jurnal Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Conference on Innovation and Application of Science and Technology (CIASTECH) MIND (Multimedia Artificial Intelligent Networking Database) Journal Jambura Journal of Informatics Journal of Electronics, Electromedical Engineering, and Medical Informatics BRITech : Jurnal Ilmiah Ilmu Komputer, Sains dan Teknologi Terapan Abdi Kami : Jurnal Pengabdian Kepada Masyarakat Infotech: Jurnal Informatika & Teknologi Computer Science (CO-SCIENCE) Scientific Student Journal for Information, Technology and Science Jurnal Algoritma International Journal of Management Research and Economics
Fitri Nur Masruriyah, Anis
Universitas Buana Perjuangan Karawang
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
Penerapan Algoritma K-Nearest Neighbors untuk Analisis Sentimen pada Buletin APTIKOM Yogi Alfiansah; Amril Siregar; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Membaca menjadi salah satu hal mendasar yang cukup penting dalam pembelajaran dan untuk menambah pengetahuan. Berbagai ilmu pengetahuan bisa didapatkan dengan membaca dan membaca juga dapat mengantarkan pada kesuksesan. Permasalahan yang pada saat ini yaitu masih kurangnya minat daya tarik dalam membaca, maka dari itu APTIKOM membuat sebuah media cetak dan daring yang dapat menarik minat baca yaitu Buletin. Namun, belum dapat dipastikan sentimen penulisan dari buletin apakah banyak mengandung kalimat positif atau negatif. Maka dari itu, dibutuhkan sebuah metode khusus untuk mengkategorikan secara otomatis isi dari Buletin tersebut banyak mengandung kalimat positif atau negatif. Data yang diperoleh dari Buletin merupakan sebuah data berbentuk teks atau kalimat yang akan diklasifikasi menggunakan algoritma K-Nearest Neighbors. Untuk mendapat hasil analisis sentimen, dokumen Buletin APTIKOM di filtering terlebih dahulu melalui tahapan text preprocessing. Setelah melalui tahapan text preprocessing, data tersebut diolah analisis sentimennya dan mendapatkan sebanyak lebih dari 150 kalimat yang mengandung sentimen positif dan tidak lebih dari 50 kalimat yang mengandung sentimen negatif dan netral. Hasil pengklasifikasian dengan algoritma K-Nearest Neighbors yaitu mendapatkan nilai K yang optimal berdasarkan nilai akurasi yaitu K=5 dan di evaluasi dengan Confusion Matrix sehingga mendapatkan nilai Accuracy 86.2%.
Implementasi Algoritma Certainty Factor pada sistem pakar untuk Mendeteksi Kecanduan Online Games Tri Denda; Deden Wahiddin; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Online game (OG) dapat dimainkan dengan perangkat komputer atau gawai yang terhubung dengan koneksi internet. Bermain OG secara umum berdampak baik bagi para pemain, OG dapat dijadikan terapi untuk meningkatkan kemampuan kognitif. Tetapi, bermain OG juga dapat berdampak buruk tergantung kondisi pengguna serta durasi bermain pengguna memainkan OG. Para pengguna masih kurang sadar dengan dampak buruk yang ditimbulkan dari bermain OG seperti gangguan mental hingga kecemasan. Pada penelitian ini akan membuat sebuah sistem berbasis Android untuk mendeteksi kecanduan bermain OG dengan metode certainty factor (CF). Ada 9 gejala yang ditimbulkan dari bermain OG yaitu terobsesi, penarikan, toleransi, sulit dikontrol, kehilangan gairah melakukan aktivitas lain, tidak acuh, berbohong, pelarian, dan tidak produktif. Setiap gejala memiliki nilai CF masing-masing, nilai CF terbagi dua jenis yaitu CF pakar dan CF pengguna. Nilai CF pakar ditentukan oleh seorang pakar psikolog, sedangkan CF pengguna ditentukan oleh seorang pengguna yang telah menjawab pertanyaan dari sistem. Nilai CF pakar dan CF pengguna menentukan tingkat kecanduan, tingkat kecanduan terdiri dari tiga yaitu ringan, sedang, dan berat. Hasil pengujian akurasi berdasarkan 18 sampel data acak yaitu menunjukkan nilai 83%.
Penyiraman Air dan Nutrisi untuk Tanaman dalam Pot Secara Otomatis Menggunakan Arduino Uno dengan Algoritma Fuzzy Logic Siti Robiah; Jamaludin Indra; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pertumbuhan penduduk setiap saat semakin bertambah hal ini menyebabkan berkurangnya lahan kosong untuk dijadikan sebagai lahan pertanian. Salah satu cara untuk mengatasi permasalahan tersebut dengan melakukan penanaman tanaman di dalam pot. Faktor yang menentukan keberhasilan dalam penanaman yaitu tersedianya air dan nutrisi yang cukup dalam kondisi panas maupun hujan. Sehingga diperlukan alat penyiram tanaman otomatis untuk mengontrol kecukupan air dan nutrisi. Alat penyiraman tanaman yang dibuat menggunakan metode fuzzy logic mamdani. Sistem penyiraman ini diatur otomatis berdasarkan kondisi dari nilai sensor kelembaban tanah. Pemberian nutrisi tanaman disesuaikan dengan kebutuhan part per million (PPM) tanaman yang dikontrol oleh sensor total dissolved solid (TDS). Penelitian yang dilakukan terhadap alat penyiram otomatis ini mempunyai tingkat akurasi sistem 95.25%. Sehingga alat penyiram tanaman ini mampu diandalkan sebagai alat pengontrol kebutuhan air dan nutrisi pada tanaman yang ditanam didalam pot.
Pengembangan Sistem Kumbung Jamur Dengan Nodemcu Esp8266 Menggunakan Metode Fuzzy Logic Deny Maulana; Jamaludin Indra; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Jamur dapat diproduksi secara berkelanjutan dan merupakan salah satu produk yang menjanjikan. Karawang merupakan salah satu dari produk jamur Jawa Barat. Namun, luas panen untuk jamur telah menurun setiap tahun. Oleh sebab itu, petani jamur harus memenuhi produksinya. Memiliki beberapa faktor yang mempengaruhi seperti suhu, kelembapan dan intensitas cahaya. Oleh karena itu perlu dikembangkan teknologi sistem pemantauan berbasis IoT untuk memudahkan proses pemantauan pada pertumbuhan jamur. Alat yang digunakan adalah Nodemcu ESP8266 untuk mengkontrol sensor dan pemasangan perangkat. Sensor yangdigunakan adalah DHT22 dan LDR. Sensor digunakan sebagai masukkan pada dataset yang akan diolah dengan metode fuzzy logic. Nilai keluaran adalah nilai akhir dari perintah Driver motor L298N untuk mengkontrol Kipas, mistmaker, dan Lampu LED. Data masukkan yang dihasilakan kemudian dikirim ke database dan Web Server. Hasil yang diharapkan dapat memonitor dan menghitung menggunakan metode logika fuzzy dengan ideal. Hasil persentase eror dengan rata-rata suhu 1,61%, Kelembapan 1,64% dan Cahaya 87,65%. Hasil yang dilakukan pada kinerja kumbung jamur mencapai akurasi dengan 90% dengan rata-rata eror 10%.
Implementasi Algoritma Support Vector Machine (SVM) untuk Prediksi Penyakit Stroke dengan Atribut Berpengaruh Ulfa Amelia; Jamaludin Indra; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Strok menjadi penyakit yang menduduki peringkat ketiga di Indonesia setelah jantung dan kanker. Seringkali manusia lengah dalam menyadari adanya penyakit Strok. Kurangnya tenaga medis di Indonesia membuat masyarakat sulit untuk mendeteksi dini penyakit strok. Oleh karena itu penelitian ini dilakukan untuk memprediksi adanya penyakit Strok menggunakan Algoritma Support Vector Machine (SVM) untuk klasifikasi himpunan data yang menggunakan Metode Confusion Matrix. Pengujian algoritma SVM menggunakan Kernel Linear untuk mendapatkan hasil terbaik. Penelitian menggunakan algoritma Support Vector Machine (SVM) dengan Relief-f. Data yang menggunakan 3426 Baris dan lima kolom. Hasil pengujian menghasilkan akurasi data sebesar 100%.
Analisis sentimen ulasan pada e-commerce shopee menggunakan algoritma naive bayes dan support vector machine Tania Puspa Rahayu Sanjaya; Ahmad Fauzi; Anis Fitri Nur Masruriyah
INFOTECH : Jurnal Informatika & Teknologi Vol 4 No 1 (2023): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Sekolah Tinggi Teknologi Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v4i1.422

Abstract

Saat ini banyak pelaku bisnis, baik skala besar maupun ritel, yang melakukan transisi atau pengembangan bisnisnya ke digital, terutama dalam bentuk e-commerce. Salah satu aplikasi e-commercece yang paling sering digunakan oleh masyarakata yaitu Shopee. Analisis sentimen digunakan untuk mengklasifikasi analasis sentimen terhadap Shopee menggunakan algoritma Naive Bayes dan Support Vector Machine. Pada pengujian ini menggunakan 2000 data terdiri dari 80% data training dan 20% data testing. Hasil pengujian akurasi, penelitian ini menggunakan confusion matrix, dalam penelitian ini algoritma Naive Bayes dapat melakukan klasifikasi yang lebih baik akurasi yang di dapatkan untuk algoritma Naive Bayes menghasilkan nilai accuracy 85%. Metode Naive Bayes menghasilkan hasil akurasi dan AUC yang lebih baik dari algoritma Support Vector Machine. Algoritma Support Vector Machine mendapatkan nilai akurasi 81%.
Evaluasi Algoritma Pembelajaran Terbimbing terhadap Dataset Penyakit Jantung yang telah Dilakukan Oversampling MASRURIYAH, ANIS FITRI NUR; NOVITA, HILDA YULIA; SUKMAWATI, CICI EMILIA; ARIF, SITI NOVIANTI NURAINI; RAMADHAN, ANGGA RAMDA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.242-253

Abstract

AbstrakPenyakit jantung mengalami peningkatan setiap tahunnya dan menjadi penyebab kematian tertinggi di Indonesia, terutama pada usia produktif. Pola makan yang tidak seimbang dan gaya hidup tidak sehat menjadi faktor penyebab prevalensi penyakit jantung yang tinggi. Bidang ilmu kedokteran mulai beradaptasi dan mengandalkan model prediksi otomatis berbasis komputer untuk diagnosis secara tepat dan akurat. Data tentang penyakit jantung seringkali memiliki ketidakseimbangan, yaitu jumlah data pada kelas minoritas lebih kecil daripada kelas mayoritas. Oleh karena itu, teknik oversampling seperti SMOTE dan ADASYN digunakan untuk menangani masalah ini. Hasil dari penelitian ini Algoritma Random Forest Classifier menjadi model perbandingan terbaik dengan akurasi sekitar 90,71%. Penerapan teknik oversampling SMOTE + Random Forest, akurasi dapat meningkat hingga sekitar 94,54% dengan kurva ROC sebesar 98,4%. Model diagnosa yang akurat dapat menjadi media bagi tenaga medis untuk mengambil langkah pencegahan yang tepat dan meningkatkan kualitas perawatan pasien.Kata kunci: ADASYN, Klasifikasi, Pohon Keputusan, Regresi, SMOTEAbstractHeart disease is rapidly increasing in Indonesia and has become the primary cause of death, particularly among those in their productive years. The prevalence of heart disease is due to unhealthy lifestyle choices and an imbalanced diet. The medical field is relying more heavily on computer-based automatic prediction models to ensure precise and accurate diagnoses. However, data on heart disease is frequently imbalanced, with fewer cases in the minority class. To resolve this issue, oversampling techniques such as SMOTE and ADASYN have been implemented. The study demonstrates that the Random Forest Classifier Algorithm is the most effective comparison model, with an accuracy rate of approximately 90.71%. By implementing the SMOTE + Random Forest oversampling technique, the accuracy rate increased to around 94.54%, with a ROC curve of 98.4%. A highly accurate diagnostic model is essential for enabling medical personnel to take appropriate preventive measures and enhance the quality of patient care.Keywords: ADASYN, Classification, Decision Tree, Regresi, SMOTE
Prediksi Penyakit Blas Pada Tanaman Padi dengan Model Spatial Multi-Criteria Evaluation (SMCE) Berbasis Mobile Emilia Sukmawati, Cici Emilia Sukmawati; Risky Pratama, Adi; Fitri Nur Masruriyah, Anis
SYNTAX Jurnal Informatika Vol 12 No 02 (2023): Oktober 2023
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/syji.v12i02.9945

Abstract

Penyakit blas pada tanaman padi merupakan permasalahan serius yang mengancam hasil panen petani. Untuk mengatasi masalah ini, penelitian ini mengembangkan model SMCE berbasis mobile. Model ini memungkinkan petani untuk melakukan prediksi potensi serangan penyakit blas pada tanaman padi dengan menggunakan smartphone atau tablet. Dengan model ini, petani dapat memasukkan data lingkungan dan informasi varietas padi, dan menerima hasil prediksi serta rekomendasi pengendalian penyakit. Hasil implementasi model ini adalah peningkatan produksi padi dan pengurangan kerugian akibat serangan penyakit blas. Konsekuensinya adalah peningkatan kesejahteraan petani dan ketahanan pangan yang lebih baik.
SOSIALISASI APLIKASI UNTUK MELAKUKAN DETEKSI DINI KECANDUAN PERMAINAN ONLINE PADA SISWA SMK N 1 KLARI KARAWANG Masruriyah, Anis Fitri Nur; Wahiddin, Deden; Novita, Hilda Yulia; Awal, Elsa Elvira
ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat Vol 5 No 2 (2022): (Oktober 2022)
Publisher : LPPM Institut Agama Islam (IAI) Ibrahimy Genteng Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69552/abdi_kami.v5i2.1470

Abstract

The global COVID-19 pandemic has an impact on people's activities in the world, including in Indonesia. The policies of each country to overcome this condition also vary, one of which is the Indonesian government which imposes limited face-to-face activities offline. Many activities must be carried out online to minimize the transmission of COVID-19. Finally, this has an impact on many people who spend time with their gadgets to play permainans with cellphones, laptops or other electronic media. Playing permainans has benefits for relaxation from the fatigue of online activities, but if this continues it will result in permainan addiction. So that community service activities for the socialization of permainan addiction detection applications are carried out, so that users are able to control the use of devices when playing permainans. So, if an addiction is detected, you can ask experts for help, for school children you can have an initial consultation with a Counseling Guidance teacher.
Improving Diabetes Prediction Accuracy in Indonesia: A Comparative Analysis of SVM, Logistic Regression, and Naive Bayes with SMOTE and ADASYN Rahmawati, Selly; Wibowo, Arief; Masruriyah, Anis Fitri Nur
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 5 (2024): October 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i5.5980

Abstract

This study aims to enhance the accuracy of diabetes prediction models in Indonesia by comparing the performance of Support Vector Machines (SVM), Logistic Regression, and Naïve Bayes algorithms, both with and without synthetic oversampling techniques such as SMOTE and ADASYN. The research addresses the issue of imbalanced datasets in medical diagnostics, specifically in predicting diabetes among Indonesian patients, where such imbalance often leads to biased predictions. A comprehensive dataset comprising 657 patient records from a Regional General Hospital in Indonesia was used, with 70% of the data allocated for training and 30% for testing. The results indicate that the SVM model combined with SMOTE achieved the highest accuracy of 95.8% and an AUC of 99.1, underscoring the effectiveness of these techniques in improving prediction performance. The findings of this study highlight the importance of selecting appropriate oversampling methods and algorithms to optimize diabetes prediction accuracy in the Indonesian context, providing valuable insights for future healthcare strategies.
Co-Authors AA Sudharmawan, AA Ahmad Fauzi Ajie, Prasetyo Alvionika, Nindy Amril Siregar ANANDA, MUHAMMAD DWI Anton Junior Anton Romadoni Junior April Lia Hananto Arief Wibowo ARIF, SITI NOVIANTI NURAINI Awal, Elsa Elvira dasmadi, dasmadi Deden Wahiddin Deny Maulana Dexi Triadinda Dwi Vina Wijaya Elsa Elvira Awal Elsa Elvira Awal Emilia Sukmawati, Cici Emilia Sukmawati Faisal, Sutan Hanny Handayani Hanny Hikmayanti Handayani Indra, Jamaludin Juwita, Ayu Ratna MALIK, KARENINA NURMELITA Mardiah Mardiah Muhammad Cesar Afriansyah Arief Novita, Hilda Yulia Nurmayanti, Trisya Permana, Tedi Prasetyo Ajie Rahmat Hidayat Rahmat Rahmat RAMADHAN, ANGGA RAMDA Risky Pratama, Adi Riyandi Aditya Fitrah Ryan Gusti Nugraha Selly Rahmawati Siregar, Amril Mutoi Siti Robiah Sukmawati, Cici Emilia Syahrul Azis Tania Puspa Rahayu Sanjaya Tejayanda, Rigger Damaiarta Tri Denda Ulfa Amelia Wahiddin, Deden Widiharto, Banani Yana Cahyana Yogi Alfiansah Yogi Firman Alfiansyah yustina Nita