Article Per Year (5 Year)
p-Index From 2021 - 2026
1.434
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Jurnal Ilmu Komputer dan Agri-Informatika Jurnal Pengabdian UntukMu NegeRI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Sisfokom (Sistem Informasi dan Komputer) SEINASI-KESI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) ABDIKOM
Nurul Chamidah
UPN Veteran Jakarta
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : SEINASI-KESI

 1 
Keterkaitan Antara Variabel dan Prediksi Nilai Indeks Pembangunan Manusia (IPM) di Indonesia Menggunakan Regresi Linier Putra, Nanda Cahaya; Yunizar, Ikram; Laksono, Ndaru Aji; Chamidah, Nurul
SEINASI-KESI Vol 1, No 1 (2018): Seinasi-Kesi 2018
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (289.812 KB)

Abstract

Penelitian ini bertujuan untuk membuat pemodelan yang dapat digunakan untuk memprediksi nilai IPM serta variabel apa yang mempengaruhi nilai dari IndeksPembangunan Manusia (IPM). Dalam penelitian ini menguji variabel terikat dengan beberapa variabel bebas yang memiliki kerterkaitan dengan Indeks PembangunanManusia (IPM) dengan menggunakan dua buah skenario. Dataset yang dipakai dalam penelitian ini merupakan beberapa data yang memiliki keterkaitan terhadap IndeksPembangunan Manusia (IPM) dengan periode 2010 – 2017 .Penelitian menggunakan metode regresi linier untuk menentukan model. Penelitian menggunakan dua skenariodalam membagi data menjadi data uji dan data latih yang memiliki jumlah record data uji dan data latih yang berbeda. Hasil dari penelitian ini menunjukan bahwapemodelan dengan metode regresi dapat diterapkan pada data yang dipakai dan mendapatkan hasil yang baik. Pemodelan tersebut kemudian di evaluasi menggunakanR-Square dan Root Mean Square Error (RMSE) untuk mengetahui seberapa besar pengaruh variabel terkait terhadap Indeks Pembangunan Manusia (IPM).
Deteksi Hipertensi Dengan Metode Artificial Neural Network Matondang, Nurhafifah; Santoni, Mayanda Mega; Chamidah, Nurul
SEINASI-KESI Vol 2, No 1 (2019): Seinasi-Kesi 2019
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (479.692 KB)

Abstract

Hipertensi atau tekanan darah tinggi merupakan salah satu penyakit yang menjadi penyebab kematian di Indonesia. Penelitian ini menggunakan motode Artificial Neural Network (ANN) Feed Forward Backpropagation untuk mendeteksi hipertensi berdasarkan ciri-ciri dan atau kebiasaan seseorang. Data hipertensi diperoleh dengan kuesioner kemudian dipraproses dengan melakukan imputasi pada missing value serta transformasi data untuk mengubah data pada range yang sama. hasi praproses digunakan untuk melatih model ANN dengan 25 input, 3 hidden neuron serta 1 output. Dengan leraning rate 0.25 serta epoch sebanyak 1000, hasil percobaan menunjukkan akurasi hingga 96% dengan pembagian data latih sebesar 80% dan data uji sebesar 20%.  
Implementasi Market Basket Analysis Untuk Menentukan Product Bundling Menggunakan Algoritma FP-Growth Sabrina, Rifa; Ernawati, Iin; Chamidah, Nurul
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Pada era globalisasi saat ini para pemilik bisnis dituntut agar dapat melakukan pengembangan bisnis secara efektif dan efisien serta dibutuhkannya strategi pemasaran yang baik agar mencapai target penjualan. Bumi Flora merupakan salah satu toko tanaman hias yang berlokasi di Tangerang. Pola pembelian konsumen yang acak menyulitkan Toko Bumi Flora untuk menentukan strategi pemasaran barang yang sesuai. Pola pembelian konsumen dapat diketahui dengan metode asosiasi pada data mining untuk mencari pola hubungan antar satu item dengan item lainnya. Untuk itu diperlukan analisis terhadap pola pembelian tanaman hias untuk memaksimalkan pemasaran dengan strategi product bundling. Data transaksi penjualan item yang digunakan untuk mencari keterkaitan antar item dengan algoritma fp-growth. Penelitian ini menghasilkan tujuh aturan yang ideal dengan percobaan nilai minimum support 3% dan nilai minimum confidence 25% dan setiap aturan yang dihasilkan memiliki nilai lift ratio lebih dari satu
Memprediksi Serangan Pada SIM (Security Information Management) Dengan Menggunakan Algoritma Hidden Markov Model Andreas, Rico; Seta, Henki Bayu; Chamidah, Nurul
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Website merupakan suatu aplikasi yang mudah diakses, dalam kemudahan tersebut terdapat serangan yang dilakukan pada website. Serangan-serangan tersebut memiliki ancaman yang terdata di OWASP (Open Web Application Security Project) pada tahun 2017 sehingga menciptakan informasi yang ada pada OWASP Top 10 Security – 2017 yang khusus pada aplikasi web. Dengan ancaman tersebut penelitian ini dilakukan untuk membuat sistem yang dapat mendeteksi suatu serangan yang terjadi pada website dan dapat menampilkan informasi kegiatan yang ada pada website dengan client. Security Information Management (SIM) akan membaca data access log dan error log yang telah dicatat oleh web server lalu data tersebut akan dilakukan training dan testing dengan menggunakan algoritma Hidden Markov Model sehingga mendapatkan model bagi sistem untuk mendeteksi sebuah serangan, serta log akan diterjemahkan menjadi suatu informasi yang mudah dibaca oleh sysadmin kedalam suatu dashboard. Penelitian ini diharapkan dapat menghasilkan suatu model yang dapat mendeteksi sekaligus memantau kegiatan website dalam sebuah serangan.
IMPLEMENTASI CHURN PREDICTION DI INDUSTRI TELEKOMUNIKASI DENGAN METODE LOGISTIC REGRESSION DAN CORRELATION-BASED FEATURE SELECTION Prianto, Dhea Laksmi -; ernawati, iin; Chamidah, Nurul
SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Industri telekomunikasi menjadi salah satu industri yang semakin kompetitif dan telah menumbuhkan ketertarikan akan prediksi churn untuk pelanggan. Prediksi churn tentang bagaimana mendeteksi pelanggan yang memiliki kecenderungan untuk meninggalkan layanan. Prediksi ini merupakan salah satu upaya perusahaan untuk mempertahankan pelanggan didalam Customer Relationship Management (CRM). Beberapa penulis mengemukakan bahwa metode logistic regression memiliki pemodelan dan hasil performa yang bagus untuk diaplikasikan untuk data prediktif. Dataset diambil dari salah satu perusahaan telekomunikasi di Amerika bernama Orange yang tersedia di situs Kaggle yang kemudian diolah untuk menganalisis performa prediksi churn menggunakan data mining dengan teknik pemilihan correlation-based feature selection forward selection serta algoritma machine learning logistic regression. Kata kunci:  Prediksi churn, logistic regression, data mining, correlation-based feature selection, forward selection
Co-Authors Bayu Permana Sukma Desta Sandya Prasvita Desta Sandya Prasvita Erisa Rizkyani Ernawati, Iin Helena Nurramdhani Irmanda Helena Nurramdhani Irmanda Henki Bayu Seta Iin Ernawati Laksono, Ndaru Aji Matondang, Nurhafifah Prianto, Dhea Laksmi - Putra, Nanda Cahaya Reza Amarta Prayoga Reza Amarta Prayoga Ria Astriratma Ria Astriratma Rico Andreas, Rico Sabrina, Rifa Santoni, Mayanda Mega Yulnelly Yulnelly Yunizar, Ikram