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 
Development of Health Mask Identification Using YOLOv5 Architecture Fauzi, Ahmad; Ajie, Prasetyo; Nur Masruriyah, Anis Fitri; Wahiddin, Deden; Hikmayanti, Hanny; Hananto, April Lia
International Journal of Artificial Intelligence Research Vol 6, No 1.1 (2022)
Publisher : STMIK Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v6i1.1.573

Abstract

Coronavirus Disease 2019 (COVID-19) causes the state to suffer losses, especially in the health sector. WHO calls for controlling COVID-19 with health protocols that must be obeyed, one of which is wearing a mask. The use of masks can reduce the transmission of COVID-19. But there are still many people who ignore the protocol to use masks properly. So a system was created to detect the use of masks properly using the YOLOv5 architecture. Aiming to help regulate the use of masks in public areas or open places. The process of this research begins with data collection in the form of images. The collected image data will later be used as a dataset and model training will be carried out using the YOLOv5s model. The accuracy results obtained from this study reached 90.37%
Analisis Sentimen Pada Komentar Instagram Provider By.U Menggunakan Metode K-Nearest Neighbors (KNN) Alvionika, Nindy; Faisal, Sutan; Rahmat, Rahmat; Masruriyah, Anis Fitri Nur
Jurnal Algoritma Vol 21 No 2 (2024): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.21-2.1672

Abstract

Kehadiran internet dari berbagai penyedia layanan menjadi semakin beragam, menuntut kualitas unggul untuk memenuhi kebutuhan pengguna. Salah satu penyedia layanan internet terkemuka dan terbesar di Indonesia yaitu Telkomsel, yang kini memiliki sub-brand bernama By.U. By.U resmi diperkenalkan pada 10 Oktober 2019 dan merupakan salah satu ISP (Internet Service Provider) pertama di Indonesia yang menawarkan pengalaman digital secara (E2E) End-To-End pada seluruh aspek kebutuhan telekomunikasi. Pengalaman digital (E2E) pada By.U memudahkan pengguna untuk memilih metode pengiriman kartu perdana hingga menentukan nomor telepon By.U, membeli paket data, dan menyelesaikan proses pembayaran. Menganalisis sentimen dapat mengidentifikasi representasi opini pengguna berdasarkan pengalaman pengguna By.U. Metode K-Nearest Neighbors yang akan digunakan dalam penelitian ini. Berdasarkan penelitian yang telah dilakukan, hasil akurasi menggunakan algoritma K-Nearest Neighbors sebesar 73 persen. Hasil pada topic modelling yang dilakukan menggunakan Latent Dirichlet Allocation diketahui tema yang dibahas pada topik 1 yaitu menggambarkan mengenai information data telekomunikasi, pada topik 2 mengenai pendaftaran sim card, topik 3 mencakup berbagai masalah yang berkaitan dengan paket internet, aplikasi, dan transaksi. Hasil analisis sentimen menunjukkan bahwa penelitian ini mengalami kesulitan dalam memprediksi sentimen, tidak ada prediksi yang akurat untuk kelas positif, netral dan negatif. Hal ini menunjukkan bahwa penelitian harus ditingkatkan dan dilatih dengan menggunakan sampel yang lebih besar untuk prediksi sentimen.
Refining Diabetes Diagnosis Models: The Impact of SMOTE on SVM, Logistic Regression, and Naïve Bayes Wibowo, Arief; Masruriyah, Anis Fitri Nur; Rahmawati, Selly
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 7 No 1 (2025): January
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v7i1.596

Abstract

Accurate diabetes classification is a significant challenge in medical diagnostics, especially in imbalanced datasets. This study addresses this issue by introducing A New Modified Weighted SMOTE (ANMWS), integrated with Priority of Attribute by Expert Judgement (PAEJ) framework, to enhance the performance of machine learning models for imbalanced data. PAEJ categorizes attributes into three levels—high, medium and low priority—based on expert knowledge, while ANMWS applies weighted oversampling using these priority levels to generate synthetic data more representative of real-world cases. The proposed method was evaluated using three algorithms: Support Vector Machine (SVM), Logistic Regression, and Naïve Bayes. Results indicate that applying ANMWS algorithm with PAEJ framework significantly improved predictive performance, with AUC values increasing to 0.995 for SVM, 0.993 for Logistic Regression, and 0.990 for Naïve Bayes, compared to 0.980, 0.978, and 0.975, respectively, using standard SMOTE. Additionally, precision and recall for SVM improved by 5% and 7%, respectively. These findings demonstrate the critical role of ANMWS algorithm and PAEJ framework in addressing class imbalance, providing a reliable method for early diabetes diagnosis and informed clinical decision-making.
Deteksi Penggunaan Masker Menggunakan Algoritma CNN dengan Arsitektur YOLOv5 Prasetyo Ajie; Ahmad Fauzi; Anis Fitri Nur Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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

Coronavirus Disease 2019 (COVID-19) menyebabkan berbagai negara mengalami kerugian, terutama di sektor kesehatan. WHO menghimbau untuk mengendalikan COVID-19 dengan menerapkan protokol kesehatan, salah satunya adalah penggunaan masker. Masker dapat mengurangi risiko penularan COVID-19, namun masih banyak masyarakat yang mengabaikan protokol tersebut. Oleh karena itu, dibuat sebuah sistem untuk mendeteksi penggunaan masker dengan tepat menggunakan arsitektur YOLOv5. Sistem ini bertujuan untuk membantu mengatur penggunaan masker di area umum atau tempat terbuka. Penelitian ini dimulai dengan pengumpulan data berupa citra, yang kemudian dijadikan dataset untuk proses pelatihan model menggunakan YOLOv5s. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi sebesar 90,37%.
Aplikasi Berbasis Android untuk Mendeteksi Kulit Kucing Berdasarkan Model CNN Riyandi Aditya Fitrah; Anis Fitri Nur Masruriyah; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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

Penyakit kulit pada kucing dapat memberikan dampak negatif baik bagi pemilik kucing maupun hewan tersebut. Penyakit kulit seperti scabies atau kudis, serta ringworm, bersifat menular melalui sentuhan langsung dengan kucing yang terjangkit penyakit tersebut. Tungau telinga pada kucing umumnya berada di bawah rongga telinga. Kucing yang terjangkit penyakit kulit dapat mengalami kerusakan pada tubuhnya. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile berbasis Android yang dapat mendeteksi penyakit kulit pada kucing. Aplikasi ini dirancang untuk mengenali jenis penyakit kulit yang dialami kucing, seperti kudis, ringworm, dan tungau. Dalam penelitian ini, digunakan model deteksi objek berbasis deep learning dengan algoritma Convolutional Neural Network (CNN) dan TensorFlow Lite. Arsitektur yang digunakan adalah MobileNetV2 FPN Lite untuk memproses pelatihan model deteksi objek menggunakan dataset yang besar, sehingga model dapat diterapkan pada aplikasi mobile berbasis Android. Hasil penelitian menunjukkan bahwa model yang dirancang menghasilkan nilai mean Average Precision (mAP) sebesar 42% dan mean Average Recall (mAR) sebesar 23%. Evaluasi sistem dan validasi dari para ahli menghasilkan nilai sebesar 73%, menunjukkan bahwa aplikasi ini memiliki potensi untuk mendeteksi penyakit kulit pada kucing dengan akurasi yang cukup baik.
Klasifikasi Penggunaan Masker selama Pandemik Menggunakan Algoritma CNN dengan Notifikasi Suara Ryan Gusti Nugraha; Ahmad Fauzi; Anis Fitri Nur Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): 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

Berbagai teknologi diciptakan untuk pencegahan ancaman virus Covid-19 yang telah menyebar di banyak negara, termasuk Indonesia. Salah satunya adalah penggunaan masker di tempat publik. Penelitian ini bertujuan untuk melakukan deteksi terhadap objek wajah dalam rangka memverifikasi penggunaan masker. Berdasarkan dataset dari Kaggle, objek yang digunakan untuk penelitian adalah wajah manusia dalam bentuk 2D. Penelitian ini terdiri dari dua tahapan: pertama, membuat dan menguji model deteksi. Model ini dirancang untuk mengidentifikasi dan mengklasifikasikan wajah dengan masker, masker yang tidak tepat, dan tanpa masker. Kemudian, model diuji untuk mengukur tingkat akurasinya. Hasil dari tiga puluh kali percobaan menunjukkan bahwa model memiliki akurasi sebesar 99%, yang diuji menggunakan webcam secara real-time. Model ini juga dilengkapi dengan indikator suara yang memberikan notifikasi setiap kali wajah terdeteksi, menggunakan metode algoritma Convolutional Neural Network (CNN).
Evaluasi Kinerja Algoritma AdaBoost dan XGBoost Menggunakan Dataset Penyakit Obesitas Pada Populasi Dewasa Sukmawati, Cici Emilia; Nur Masruriyah, Anis Fitri; Juwita, Ayu Ratna; Tejayanda, Rigger Damaiarta; Nurmayanti, Trisya
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.27342

Abstract

Penelitian ini membahas terkait evaluasi kinerja AdaBoost dan XGBoost pada penyakit obesitas . Penelitian tersebut menggunakan dataset yang diperoleh dari sumber kaggle dengan jumlah data 2111 dengan 17 atribut. Selanjutnya, data tersebut dilakukkan preprocessing data sehingga berkurang menjadi 591 data. Kemudian, data tersebut dilakukan split data dengan perbandingan 70:30 dengan rincian data uji 119 dan data training sebanyak 472. Pengujian dilakukan menggunakan accuracy, precision dan recall. Berdasarkan hasil penelitian yang telah dilakukan, bahwa metode XGBoost terbukti lebih unggul dibandingkan dengan AdaBoost. Adapun accuracy, precision dan recall sebesar 92%. Sedangkan untuk accuracy dan recall untuk metode AdaBoost sebesar 40% sertaa precision 39%.
Pendekatan Unsupervised learning dalam Segmentasi Kesehatan: Perbandingan K-Means dan DBSCAN MASRURIYAH, ANIS FITRI NUR; MARDIAH, MARDIAH; ANANDA, MUHAMMAD DWI; MALIK, KARENINA NURMELITA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 10, No 1 (2025): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v10i1.99-113

Abstract

AbstrakSegmentasi kesehatan berbasis data pemeriksaan medis penting untuk mendukung strategi pencegahan penyakit. Penelitian ini membandingkan metode clustering K-Means dan DBSCAN menggunakan Silhouette Score dan Davies-Bouldin Index. Hasil menunjukkan bahwa K-Means dengan 8 cluster memberikan performa terbaik dengan Silhouette Score 0.2972 dan Davies-Bouldin Index 1.2934, dibandingkan konfigurasi lainnya. DBSCAN memperoleh Silhouette Score 0.2837, menunjukkan pendekatan berbasis densitas juga efektif dalam pengelompokan data. Dengan hasil ini, K-Means dengan 8 cluster dipilih sebagai metode terbaik untuk segmentasi kesehatan dalam penelitian ini. Temuan ini dapat mendukung analisis data medis untuk pencegahan penyakit yang lebih efektif dan personal.Kata kunci: Segmentasi Kesehatan, Clustering, K-Means, DBSCAN, Silhouette Score, Davies-Bouldin IndexAbstractHealth segmentation based on medical examination data plays a crucial role in supporting disease prevention strategies. This study compares K-Means and DBSCAN clustering methods, evaluated using Silhouette Score and Davies-Bouldin Index, to identify the most effective segmentation approach. Experimental results indicate that K-Means with 8 clusters achieves the best performance, yielding a Silhouette Score of 0.2972 and a Davies-Bouldin Index of 1.2934, outperforming other configurations. Meanwhile, DBSCAN attains a Silhouette Score of 0.2837, demonstrating the efficacy of density-based clustering in handling medical data. Based on these findings, K-Means with 8 clusters emerges as the most optimal method for health segmentation in this study. These insights contribute to the advancement of data-driven disease prevention strategies and personalized healthcare management..Keywords: Health Segmentation, Clustering, K-Means, DBSCAN, Silhouette Score, Davies-Bouldin Index
Studi Komparatif Algoritma K-Means dan K-Medoids untuk Segmentasi Informasi Kesehatan Ananda, Muhammad Dwi; Malik, Karenina Nurmelita; Masruriyah, Anis Fitri Nur; Mardiah, Mardiah
Computer Science (CO-SCIENCE) Vol. 5 No. 2 (2025): Juli 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v5i2.9207

Abstract

In analyzing medical data to support clinical decisions, segmentation of health information plays a crucial role. This study presents a comparative analysis of K-Means and K-Medoids algorithms in clustering Medical Examination data. This evaluation is conducted using two main internal approaches, namely Silhouette Score and Davies-Bouldin Index in measuring the quality of separation as well as cohesion between clusters. The experiment involved varying the number of clusters to determine the optimal configuration of each algorithm. The results show that K-Means provides representative performance and is more stable against data complexity, compared to the K-Medoids algorithm which is only optimal in a small number of clusters. Statistical analysis using one-way ANOVA was applied to test the significance of performance differences between algorithms based on the average Silhouette Score value, yielding an F-value of 4.8594 with a P-value of 0.0447. This indicates that the performance difference between the two algorithms is statistically significant at 5% significance rate. This research confirms the K-Means algorithm for segmenting health data with diverse distributions and is expected to serve as a foundation for the development of more efficient health data classification systems in the future.
Impact of Digital Marketing Features on Consumer's Purchase Decision in High End Brand "ButtonScarves": Brand Image as a Mediator Dexi Triadinda; Anis Fitri Nur Masruriyah
International Journal of Management Research and Economics Vol. 2 No. 1 (2024): February : International Journal of Management Research and Economics
Publisher : Institut Teknologi dan Bisnis (ITB) Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54066/ijmre-itb.v2i1.1477

Abstract

The main objective of this research is to determine the influence of digital marketing on purchasing decisions. This research also aims to determine whether brand image mediates the relationship between digital marketing and purchasing decisions. The required data was obtained from a questionnaire via an online survey on Google Form. After going through responses from 45 respondents using Buttonscarves products who had made purchases on the Buttonscarves website, the data was analyzed using SEM PLS 3.0. The result is that there is a direct influence of digital marketing on brand image, but there is no significant influence of digital marketing on purchasing decisions. The results further state that brand image has a direct influence on purchasing decisions. Brand image is also able to mediate the indirect relationship between digital marketing and purchasing decisions. Theoretically, this research confirms that consumers do not immediately make purchasing decisions with digital marketing in a company, without knowledge about the brand image of the product they want to buy.
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