Article Per Year (5 Year)
p-Index From 2020 - 2025
5.401
P-Index
This Author published in this journals
All Journal Jurnal Teknologi JTT (Jurnal Teknologi Terpadu) SAMARAH: Jurnal Hukum Keluarga dan Hukum Islam BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Masyarakat Merdeka (JMM) Jurnal Perspektif JRTI (Jurnal Riset Tindakan Indonesia) Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Soft Computing Exploration Jurnal Ilmiah Wahana Pendidikan Djtechno: Jurnal Teknologi Informasi Edumatika Jurnal Ilmiah Mahasiswa Fakultas Hukum Universitas Malikussaleh EduMatika: Jurnal MIPA Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Pengabdian Mandiri Southeast Asian Journal of Technology and Science Technologica Prosiding Seminar Nasional Pendidikan Matematika, Universitas Mulawarman QISTINA: Jurnal Multidisiplin Indonesia Journal of Informatics and Data Science (J-IDS) Jurnal Malikussaleh Mengabdi Krigan: Journal of Management and Sharia Business International Journal of Computer Science and Information Technology
Arnita Arnita
Universitas Bung Hatta
Religion Arts Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Social Sciences Transportation Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Analisis Perbandingan Performa Kinerja Metode Huffman Coding Dan Metode Elias Omega Coding Pada Kompresi File Teks Kuraini, Atifa Nuzulul; Arnita, Arnita; Simamora, Elmanani; Al Idrus, Said Iskandar; Taufik, Insan
Jurnal Teknologi Terpadu Vol 13, No 1 (2025): JTT (Jurnal Terpadu Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v13i1.2455

Abstract

Penelitian ini menganalisis kinerja kinerja antara metode Huffman Coding dan Elias Omega Coding dalam konteks kompresi file teks. Studi ini mencakup pengujian terhadap berbagai jenis file teks untuk kompresi, kecepatan proses, dan penggunaan rasio memori dari kedua metode. Tujuan Penelitian ini melakukan simulasi pada kompresi dan dekompresi teks dengan metode Huffman Coding dan Elias Omega Coding serta menunjukkan hasil perhitungan efektifitas kinerja mana yang lebih baik. Hasil penelitian menunjukkan bahwa algoritma Huffman Code lebih baik dalam melakukan kompresi dan dekompresi terhadap file corpus dengan rata-rata rasio kompresi sebesar 1,625, rasio kompresi sebesar 0,607, space saving sebesar 39,3%, waktu kompresi sebesar 499,547 ms, dan waktu dekompresi sebesar 9.384,501 ms. Sedangkan, algoritma Elias Omega Code memiliki rata-rata rasio kompresi sebesar 0,917, rasio kompresi sebesar 1,099, space saving sebesar -9,9%, waktu kompresi sebesar 2.937,606 ms, dan waktu dekompresi sebesar 10.539,144 ms.
Comparison Of Inquiry And Problem Solving Approaches Towards Improving Students' Mathematical Reasoning Ability And Self Confidence High School Students Hutasuhut, Addiestya Rosa; Surya, Edy; Arnita, Arnita
Jurnal Perspektif Vol 8 No 1 (2024): Jurnal Perspektif: Volume 8 Nomor 1 Tahun 2024
Publisher : UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/jp.v8i1.284

Abstract

The study aims to identify differences between improved mathematical reasoning skills of students taught with inquiry approaches and mathematics problem solving education approaches; to determine differences in improved self-confidence of teaching students with inquisition approaches, and in mathematically solving educational approaches. This research is categorized into quasy experimental research. This research is being carried out at one of the Higher Secondary Schools in Labuhan Batu regency in the academic year 2023/2024, with the timetable for the conduct of research coordinated according to the school's activities. The subject of this study is a total of 72 high school X-grade students. The results of this survey show that; there is a difference between improved mathematical reasoning skills of students with inquiry approaches and problem solving approaches; there are differences in improved self-confidence students with Inquiry and Problem Solving Approaches; There is a distinction between inquery and problem-solving mathematics education approaches to enhanced mathematic reasoning ability and self confidence
Analisis Klaster Persebaran COVID-19 di Sumatera Utara Menggunakan Metode K-Means dengan Visualisasi Berbasis Google Colab Rumahorbo, Daniel; Parapat, Gerhard Hasangapon; Tampubolon, Josua Deo; Nasuiton, Aurella; Ramdhani, Fanny; Arnita, Arnita
QISTINA: Jurnal Multidisiplin Indonesia Vol 4, No 1 (2025): June 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/qistina.v4i1.6389

Abstract

Pandemi COVID-19 telah memberikan dampak signifikan terhadap berbagai sektor, termasuk kesehatan, sosial, dan ekonomi. Provinsi Sumatera Utara sebagai salah satu daerah yang cukup padat penduduk menghadapi tantangan besar dalam menangani persebaran kasus COVID-19 yang tidak merata di setiap kabupaten/kota. Penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan tingkat risiko penyebaran COVID-19 menggunakan metode K-Means Clustering dengan variabel: jumlah penduduk, kepadatan penduduk, jumlah kasus positif, sembuh, meninggal, dan jumlah rumah sakit umum. Data diperoleh dari Badan Pusat Statistik dan Kementerian Kesehatan Republik Indonesia. Hasil analisis menghasilkan yaitu Zona Hijau (C1), Zona Kuning (C2), Zona Oranye (C3), dan Zona Merah (C4). Pengelompokan ini memberikan gambaran strategis terhadap distribusi layanan kesehatan dan perencanaan intervensi kebijakan di tiap wilayah. Visualisasi dilakukan menggunakan Google Colab untuk menampilkan peta klasterisasi kabupaten/kota. Penelitian ini diharapkan dapat menjadi dasar pertimbangan dalam perencanaan kebijakan penanganan pandemi di masa mendatang. 
Analysis of the Most Dominant Causing Factors of Divorce in 34 Provinces in Indonesia Using the XGBoost Algorithm Amalia, Seila; Banjarnahor, Riski Melanton; Hutapea, Risca Octaviyani; Sitorus, Gabriel Fernando; Domini, Gracia; Arnita, Arnita
EduMatika: Jurnal MIPA Vol. 5 No. 2 (2025): EduMatika: Jurnal MIPA
Publisher : Lembaga Riset Mutiara Akbar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56495/emju.v5i2.1135

Abstract

Divorce in Indonesia shows a significant increasing trend and has a broad social impact. This study aims to identify the most dominant causes of divorce in 34 provinces in Indonesia using the Extreme Gradient Boosting (XGBoost) machine learning algorithm. Secondary quantitative data from the Central Bureau of Statistics in 2024 were analyzed by pre-processing, data sharing, model training, and performance evaluation. The results showed that constant disputes and quarrels were the main causes of divorce, followed by substance abuse and forced marriage. The developed XGBoost model achieved 75% accuracy in classifying the level of divorce risk. These findings provide new insights into understanding the social factors that influence divorce and can be the basis for designing more effective prevention strategies.
Sosialisai Robot Berkaki dan Robot Beroda pada Siswa MAN II Solok untuk Menghadapi Lomba Robot Madrasah Nasional Zoni, Mirza; Nisja, Indra; Arnita, Arnita; Ridal, Yani
JMM - Jurnal Masyarakat Merdeka Vol 2, No 2 (2019): NOVEMBER
Publisher : Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (630.648 KB) | DOI: 10.51213/jmm.v2i2.19

Abstract

Sejak tahun 2015 Depertemen Agama Republik Indonesia memberikan stimulasi pada Siswa Madrasah untuk meningkatkan kreatifitasnya. Salah satu bentuk kegiatan adalah Kompetisi Robot Madrasah Indonesia. Kompetisi ini melombakan Robot Berkaki dan Robat Beroda hasil karya siswa madrasah seluruh Indonesia sesuai dengan tema yang relevan setiap tahunnya. Sampai tahun 2018 ini sudah diselenggarakan 4 kali ajang Kompetisi Robot Madrasah Indonesia. Universitas Bung Hatta mempunyai Unit Kegiatan Mahasiswa Information Communication and Technology (UKMICT). Salah satu kegiatan UKM-ICT adalah kelompok Robot yang pusatnya adalah di Fakultas Teknologi Industri. Sampai saat ini UKM-ICT Robotik termasuk salah satu UKM yang aktif di tingkat Fakultasi (FTI).  Dengan kegiatan Pengabdian Kepada Masyarakat (PKM) dan tim UKM-ICT Robotik dapat mensosialisasikan keberadaannya Madrasah Aliyah. Pada kegiatan PKM ini dilakukan sosialisasi dasar-dasar robotik, komponen dasar pembuatan robot, programmer, dan demonstrasi robot beroda   Kata Kunici : konter robot, robot beroda, programmer, sosialisasi
PENERAPAN METODE UNDERSAMPLING CLUSTER CENTROIDS PADA ALGORITMA RANDOM FOREST UNTUK PREDIKSI KEBANGKRUTAN PERUSAHAAN Wahyu Pratama, Rangga; John Pardamean Hutabarat, Felix; Abadi Simanullang, Paskah; Tymoty Hutabarat, Peter; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13810

Abstract

Kemajuan teknologi informasi telah mendorong pengembangan model prediksi dalam sektor finansial, termasuk prediksi kebangkrutan perusahaan. Prediksi ini sangat penting bagi pemodal dan investor dalam pengambilan keputusan strategis. Namun, tantangan utama dalam prediksi kebangkrutan adalah ketidakseimbangan kelas, di mana jumlah perusahaan bangkrut jauh lebih sedikit dibandingkan perusahaan yang tidak bangkrut. Penelitian ini bertujuan untuk mengembangkan model klasifikasi yang lebih akurat dalam memprediksi risiko kebangkrutan dengan mengatasi ketidakseimbangan data menggunakan pendekatan yang berbeda dari penelitian sebelumnya. Jika penelitian sebelumnya menggunakan oversampling SMOTE, penelitian ini berkontribusi dengan menerapkan undersampling Cluster Centroid untuk menyeimbangkan distribusi data dari (2834:165) menjadi (165:165). Model dikembangkan menggunakan Random Forest Classifier, dengan evaluasi melalui cross-validation dan hyperparameter tuning untuk meningkatkan performa prediksi. Hasil pengujian menunjukkan bahwa model Random Forest Biasa memiliki akurasi 94,44%, tetapi dengan recall hanya 18,00%, menunjukkan ketidakefektifan dalam mendeteksi perusahaan bangkrut. Setelah menerapkan undersampling Cluster Centroid, akurasi menurun menjadi 63,64%, tetapi recall meningkat signifikan menjadi 89,80%, dengan F1-score 70,97%. Learning curve menunjukkan bahwa model mampu menggeneralisasi data dengan baik tanpa mengalami overfitting yang signifikan. Penelitian ini adalah menunjukkan bahwa Cluster Centroid sebagai metode undersampling dapat meningkatkan kemampuan model dalam mendeteksi kelas minoritas secara lebih efektif dibandingkan oversampling SMOTE, meskipun dengan kompromi pada akurasi keseluruhan. Hasil ini membuka peluang eksplorasi lebih lanjut dalam penggunaan teknik undersampling untuk meningkatkan prediksi kebangkrutan perusahaan.
ANALISIS POPULARITAS GENRE FILM DI INDONESIA MENGGUNAKAN ALGORITMA DECISION TREE Dobry Sianipar, Freyro; Irya Shakila Syukron, Ananda; Defiyanti, Aqilah; Hafiz, Alfin; Dly, Revidamurti; Ramadhani, Fanny; Arnita, Arnita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13841

Abstract

Industri perfilman di Indonesia mengalami pertumbuhan pesat dengan semakin beragamnya genre yang diminati oleh penonton. Namun, pola popularitas genre film masih menjadi tantangan dalam pengambilan keputusan industri. Penelitian ini bertujuan untuk menganalisis faktor yang memengaruhi popularitas genre film di Indonesia dengan menerapkan algoritma Decision Tree. Data yang digunakan berasal dari The Movie Database (TMDb) mencakup 3.000 film dari tahun 2015 hingga 2024, dengan variabel utama berupa jumlah penonton dan rating. Proses analisis mencakup tahapan preprocessing data, transformasi data, serta penyeimbangan kelas menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa rating merupakan faktor dominan dalam menentukan popularitas genre film, diikuti oleh genre Romance, Drama, dan Horror. Model Decision Tree yang diterapkan memiliki akurasi sebesar 72,98% dalam mengklasifikasikan film populer dan tidak populer. Temuan ini memberikan kontribusi terhadap pemahaman preferensi penonton di Indonesia dan dapat menjadi acuan bagi industri perfilman dalam menyusun strategi produksi dan pemasaran yang lebih efektif. Berbeda dengan penelitian sebelumnya yang berfokus pada sistem rekomendasi atau analisis faktor individu, penelitian ini menawarkan pendekatan klasifikasi genre film berdasarkan kombinasi jumlah penonton dan rating, sehingga memberikan perspektif yang lebih komprehensif dalam mengidentifikasi tren popularitas film di Indonesia.
PENERAPAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN NETIZEN TERHADAP PROGRAM MAKAN SIANG GRATIS PADA MEDIA SOCIAL X Amelia Br Siregar, Ririn; Ramadhan Manik, Albert; Syahri, Alfin; Budi Akbar, Muhammad; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13870

Abstract

Program Makan Siang Gratis yang diperkenalkan dalam Pemilihan Presiden 2024 menjadi perhatian publik dan menuai berbagai tanggapan, baik positif maupun negatif. Persepsi masyarakat terhadap program ini penting untuk diketahui guna mengevaluasi keberhasilan implementasi kebijakan. Penelitian ini bertujuan untuk menganalisis sentimen netizen di media sosial X terhadap program tersebut menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui proses crawling dengan Twitter API, kemudian dilakukan preprocessing, ekstraksi fitur menggunakan TF-IDF, dan klasifikasi sentimen ke dalam tiga kategori: positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa model Naïve Bayes yang digunakan memiliki akurasi sebesar 65%, presisi 71%, recall 65%, dan F1-score 62%. Analisis menunjukkan bahwa sentimen negatif mendominasi, disusul oleh sentimen netral, sementara sentimen positif hanya sedikit. Temuan ini mengindikasikan adanya kekhawatiran masyarakat terhadap efektivitas dan transparansi program. Hasil penelitian ini dapat menjadi bahan pertimbangan bagi pemerintah dalam meningkatkan sosialisasi dan implementasi program agar lebih diterima oleh masyarakat.
ANALISIS FAKTOR KEPUTUSAN NASABAH BERLANGGANAN TERM DEPOSIT: PERBANDINGAN RANDOM FOREST DAN XGBOOST Wahyudi, Rizky; Impana Manik, Kristin; Alfin, Muhammad; Bush Henrydunan, John; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13881

Abstract

Pemasaran produk perbankan seperti term deposit memerlukan strategi yang tepat untuk meningkatkan tingkat langganan nasabah. Berbagai faktor yang memengaruhi keputusan nasabah menjadi tantangan bagi bank dalam menargetkan calon pelanggan potensial. Penelitian ini membandingkan performa Random Forest dan XGBoost dalam memprediksi keputusan nasabah menggunakan dataset Bank Marketing dari UCI Machine Learning Repository. Tahapan preprocessing mencakup pemeriksaan nilai hilang, penanganan outlier dengan IQR, transformasi fitur kategorikal menggunakan label encoding, dan oversampling dengan SMOTE. Evaluasi model dilakukan dengan accuracy, F1-Score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa XGBoost lebih unggul dibandingkan Random Forest, dengan accuracy 95,30%, F1-score 95,40%, dan ROC-AUC 95,29% pada rasio 80:20. Komunikasi dan durasi interaksi dalam pemasaran produk term deposit menjadi faktor paling signifikan dalam memengaruhi keputusan nasabah. Kesimpulan umum dari penelitian ini adalah XGBoost menjadi algoritma yang lebih efektif untuk prediksi keputusan nasabah berlangganan term deposit daripada Random Forest terutama dalam menangani data tidak seimbang dan hubungan non-linear.
ANALISIS SENTIMEN MASYARAKAT TERHADAP LARANGAN PENGECER MENJUAL LPG 3 KG BERSUBSIDI MENGGUNAKAN ALGORITMA NAÏVE BAYES Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Amanah, Fadilla; Aulia, Windy; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13883

Abstract

Kebijakan pemerintah yang melarang pengecer untuk menjual gas LPG 3 kg bersubsidi menghasilkan berbagai komentar di media sosial, terutama YouTube, di mana banyak komentar mengungkapkan kekhawatiran tentang kesulitan akses dan dampak ekonomi terhadap masyarakat kecil. Dengan menggunakan algoritma Naive Bayes, penelitian ini mengkaji sentimen publik terhadap kebijakan tersebut. Data dikumpulkan melalui proses scraping komentar YouTube; setelah itu, IndoBERT digunakan untuk melakukan pelabelan otomatis dan pembersihan data. Teknik SMOTE digunakan untuk mengatasi ketidakseimbangan kelas dalam dataset, sedangkan metode TF-IDF digunakan untuk mengekstraksi fitur teks. Hasil analisis menunjukkan bahwa 70% komentar bersentimen negatif, dan model multinomial Naive Bayes mencapai akurasi 85,67%. Penggunaan oversampling juga terbukti meningkatkan recall untuk kelas sentimen positif dan netral. Hasilnya menunjukkan bahwa untuk membuat kebijakan yang diterapkan lebih mudah dipahami dan diterima oleh masyarakat, pemerintah harus merevisi strategi komunikasi dan distribusi LPG bersubsidi.
Co-Authors Abadi Simanullang, Paskah Advis Ambrosius Sitohang, Yuda Agus Waruwu, Stefen Ahmad Naufal, Ahmad Alfin, Muhammad Amalia, Seila Amanah, Fadilla Amelia Br Siregar, Ririn Amelia Vega S. Meliala, Ruth Ananda Hafika, Rizky Anastasya Carity S, Disty Andari, Arnis Wulan Anfadi, Farid Ariatna Asmin Asmin, Asmin Asyri, Al Aulia, Windy Banjarnahor, Riski Melanton Barus, Emya Lavigana Budi Akbar, Muhammad Budi Sunaryo, Budi Bush Henrydunan, John Chairunisah Chairunisah, Chairunisah Damayanti, Elok Defiyanti, Aqilah Dessi Mufti, Dessi Diah Retno Wahyuningrum Dian Septiana DIdi Febrian Dly, Revidamurti Dobry Sianipar, Freyro Domini, Gracia Edy Surya Effendy, Fachriz Eko Gani PG Eri Widyastuti Fitria, Amanda Hadi Iskandar Hafiz, Alfin Haikal Al Majid, Muhammad Hanafi, Revo Hasangapon Perapat, Gerhard Herinawati, Herinawati Herinawaty, Herinawaty Hidayat Hidayat Hidayatul Arifin, Muhammad Hidayatullah, Putra Hutapea, Risca Octaviyani Hutasuhut, Addiestya Rosa Illahi, Ridho Pratama Impana Manik, Kristin Insan Taufik Irya Shakila Syukron, Ananda Jamidi, Jamidi John Pardamean Hutabarat, Felix Juli Rachmadani khatulistiwa, jamrud Khoiri Nasution, Aurela Kuraini, Atifa Nuzulul MANSUR AS Manullang, Sudianto Marpaung, Faridawaty Mirzazoni, Mirzazoni Muhammad Nasir Muhibuddin Muhibuddin, Muhibuddin Muthmainnah, Inna Nabila, Rinjani Cyra Nasuiton, Aurella Nasution, Muhammad Dana Ananda Putra Nisja, Indra Niska, Debi Yandra Nulhakim, Putri Aisyah Nur Aksa, Fauzah Nuribadah, Nuribadah Parapat, Gerhard Hasangapon Payana, Sandi Dwi Prang, Amrizal J. Rahmatillah, Rahmatillah Ramadhan Manik, Albert Ramadhan, Teguh Reskya Ramadhani, Fanny Ramdhani, Fanny Ridal, Yani Rika, Rika Rinawati Riska Amelia Romi Asmara Rumahorbo, Daniel Rumapea, Kiki Nurpitasari Said . Iskandar Saragih, Vinny Ramayani Sihombing, Jeremia Jordan Silalahi, Niken Adelina Silfitri, Yunia Simamora, Elmanani Sinaga, Marlina Setia Siregar, Latifah Sitohang, Daniel Sitorus, Gabriel Fernando Sri Dewi Sri Mulyana Sriwahyuni, Yeni Sulaiman Sulaiman Suryani, Nita Syahri, Alfin Syifa Cendikia, Yolanda Tampubolon, Josua Deo Tarigan, Febry Vista Kristen Tri Widya Kurniasari tumangger, silfia Tymoty Hutabarat, Peter Wahyu Pratama, Rangga Wahyudi, Rizky Warjaya, Angga Yazid Noor, Muhammad Yulita Molliq Rangkuti Zoni, Mirza Zulfadli Zulfadli Zulfadli Zulfadli Zulfahmi Indra, Zulfahmi