Article Per Year (5 Year)
p-Index From 2021 - 2026
1.288
P-Index
This Author published in this journals
All Journal Gammath : Jurnal Ilmiah Program Studi Pendidikan Matematika Laplace : Jurnal Pendidikan Matematika Jurnal Pengabdian Masyarakat IPTEKS JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Computer Science and Information Technology (CoSciTech) JIWAKERTA: Jurnal Ilmiah Wawasan Kuliah Kerja Nyata Jurnal Aplikasi Sistem Informasi dan Elektronika
Qurrota A’yun
Universitas Muhammadiyah Jember
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Education Mathematics Public Health Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Pengaruh Pemanfaatan E-learning Terhadap Motivasi Belajar Mahasiswa Dimas Anditha Cahyo Sujiwo; Qurrota A'yun
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 5, No 2 (2020): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v5i2.3469

Abstract

E-learning merupakan peroses pembelajaran yang memanfaatkan kecanggihan suatu teknologi yang mana dalam proses pembelajarannya dilakukan secara online. pembelajan online terdapat tools yang dapat dimanfaatkan oleh mahasiswa maupun Dosen dalam kegiatan Pembelajaran seperti kegiatan komunikasi dan interaksi, melakukan kegiatan pemberiaan pertanyaan, bertanya kepada Dosen atau sebaliknya, dan menanggapi pernyataan dari teman-temannya. Dengan adanya tools yang lengkap ini akan memberi kenyamanan kepada Dosen dan mahasiswa dalam pembealajran. Kegiatan yang dilakukan tentunya dapat mengurangi rasa jenuh bagi mahasiswa sehingga motivasi belajarnya meningkat. Berdasarkan hasil penelitian menunjukkan terdapat pengaruh pembelajaran e-learning terhadap motivasi belajar mahasiswa. Hal tersebut ditunjukkan dengan nilai signifikansi sebesar 0,000 yang kurang dari 0,05 dan nilai t-hitung yang lebih besar dari t-tabel sebesar 11,737 2.02439. berdasarkan R Square menunjukkan bahwa motivasi belajar mahasiswa dipengaruhi sebesar 77,3% dalam penelitian ini dan sebesar 22,7% dipengaruhi oleh variabel dari luar penelitian. Kata Kunci: E-learning, Motivasi Belajar. Abstract E-learning is a learning process that utilizes the sophistication of a technology which in the learning process is done online. Online learning there are tools that can be used by students and lecturers in learning activities such as communication and interaction activities, conducting questions, asking lecturers or vice versa, and responding to statements  from friends. With this complate tools, it will provide comfort for students and lecturers in the teaching and learning process. The activities carried out certainly can reduce boredom for students so that their motivation to learn increases. Based on the results of the study indicate there is an influence of e-learning on student motivation. This is indicated by the significance value of 0,000 which is less than 0,05 and the t-test value greather than t-table of 11, 737 2,02439. Based on R Square shows that student motivation is influenced by 77,3% in this study and 22,7% is influenced by variables from outside the study. Keywords: E-learning, Learning Motivation
Optimalisasi Jangkauan Sinyal Wireless Fidelity Menggunakan Mi WiFi Range Extender Pro Miftahur Rahman; Muhammad Rivansyah; Rega Sukmawati; Henny Wahyu Sulistyo; Daryanto; Hardian Oktavianto; Qurrota A’yun
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4630

Abstract

Wifi merupakan koneksi internet yang paling digemari oleh masyarakat karena dapat digunakan untuk mengakses internet secara wireless. Namun, terdapat suatu masalah yang disebabkan oleh jangkauan sinyal wifi. Permasalahan tersebut juga terjadi di Desa Kemiri yang memiliki jaringan internet dengan bandwidth 50 mbps. Sedangkan di sekitar area taman tidak terjangkau oleh sinyal wifi, sehingga ketika berada di area tersebut sinyal akan terputus. Untuk mengatasi masalah tersebut peneliti menambahkan perangkat penguat sinyal yaitu Mi Wi-Fi Range Extender Pro yang berguna untuk meningkatkan jangkauan sinyal wifi. Metode yang digunakan pada penelitian ini dimulai dengan tahapan analisis, desain, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa optimalisasi jangkauan sinyal di Desa Kemiri menggunakan Mi Wifi Range Extender Pro berhasil dilakukan, terbukti sebelumnya bahwa area yang tidak terjangkau oleh sinyal wifi utama, dengan pemasangan perangkat wifi extender saat ini sudah terjangkau dan bisa mengakses jaringan internet. Namun, saat pengujian dengan menggunakan speed test, bandwidth yang diterima tidak sama, di area wifi utama menerima bandwidth untuk download 28 mbps dan uploud 6.6 mbps, sedangkan di area taman menerima bandwidth untuk download 6.8 mbps dan uploud 4.0 mbps. Hal ini disebabkan terjadi perebutan bandwidth. Oleh karena itu, rencana kedepan perlu dilakukan manajemen bandwidth.
IMPLEMENTASI CONVOLUTION NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PADA CITRA IKAN CUPANG HIAS Wahyu Dwi Setyawan; Agung Nilogiri; Qurrota A’yun
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v7i1.45

Abstract

Ikan cupang adalah salah satu jenis ikan air tawar yang habitatnya tersebar disebagain negara Asia Tenggara. Ikan cupang memiliki nilai ekonomis tinggi, di masa pandemi bisnis ikan cupang hias biasa dilakukan secara online shop melalui Facebook, Instagram. Bagi orang yang masih awam dengan ikan cupang tentunya akan sulit untuk mengenali ciri bentuk fisik dari jenis ikan cupang, karena pada dasarnya jenis-jenis ikan cupang hias memiliki kemiripan pada struktur tubuh, srip dan ekornya. Oleh karena itu, dibutuhkan sebuah sistem untuk membantu orang awam dalam mengenali jenis ikan cupang hias. Pada penelitian ini dibangun sebuah sistem untuk mengklasifikasikan jenis ikan cupang hias, yaitu: Plakat, Crowntail, Halfmoon, Double tail dan Halfmoon plakat(HMPK) jantan dan betina dengan memanfaatkan pemodelan Convolutional Neural Network (CNN). CNN merupakan algoritma yang dikembangkan dari MultiLayer Perceptron yang dapat mengekstraksi citra dengan detail. Model CNN dirancang menggunakan arsitektur VGG16 yang dimodifikasi pada bagian Fully-connected layers. Berdasarkan dari hasil pengujian model CNN menggunakan data test sebanyak 180 citra mendapatkan akurasi sebesar 78,33%.
ANALISIS SENTIMEN PASCA PERTANDINGAN SEPAK BOLA INDONESIA MELAWAN ARGENTINA PADA UNGGAHAN MEDIA SOSIAL TWITTER MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES DAN GAUSSIAN NAÏVE BAYES Moh Machrus Alfani; Qurrota Ayun
IPTEQ Vol 5, No 2 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i2.22315

Abstract

Timnas Indonesia baru saja menjadi tuan rumah pertandingan persahabatan melawan Argentina yang digelar di Gelora Bung Karno Jakarta yang menjadi perbincangan hangat masyarakat terutama di twitter. Pada penelitian ini akan dilakukan analisis sentimen pasca pertandingan sepak bola Indonesia melawan Argentina pada twitter dengan sejumlah 700 tweet data. Metode yang digunakan adalah Multinomial Naïve bayes dan gaussian Naïve Bayes. Namun dalam proses klasifikasi, seringkali terdapat masalah yang ditemukan oleh peneliti yaitu ketidakseimbangan data. Maka dari itu, pada penelitian ini menambahkan teknik balancing data, Random Oversampling, Undersampling dan SMOTE. Teknik balancing diharapkan dapat meningkatkan hasil pada klasifikasi. Seluruh data akan diproses menggunakan metode K-Fold Cross Validation dengan variasi nilai K 2, 5, 7 dan 10. Hasil pengujian metode Multinomial Naïve bayes tanpa menggunakan teknik balancing mendapatkan nilai akurasi tertinggi sebesar 69%, presisi 69% dan recall 69%. Metode gaussian Naïve Bayes tanpa teknik balancing mendapatkan nilai akurasi tertinggi sebesar 58%, presisi 58% dan recall 57%. Sedangkan hasil uji menggunakan metode Multinomial Naïve bayes dengan menambahkan teknik balancing dapat diketahui jika menggunakan Random Oversampling mendapatkan nilai akurasi tertinggi sebesar 80%, presisi 81% dan recall 80%. Untuk metode gaussian Naïve Bayes dengan menambahkan teknik balancing dapat diketahui jika menggunakan SMOTE mendapatkan nilai akurasi tertinggi sebesar 79%, presisi 79% dan recall 79%. Dapat disimpulkan bahwa metode Multinomial Naïve bayes pada penelitian ini lebih efektif dibandingkan dengan Gaussian Naïve Bayes.The Indonesian national football team recently hosted a friendly match against Argentina at Gelora Bung Karno Stadium in Jakarta, sparking widespread discussions, especially on Twitter. This research focuses on sentiment analysis post the Indonesia vs. Argentina football match on Twitter, utilizing a dataset of 700 tweets. The methods employed include Multinomial Baive Bayes and Gaussian Naive Bayes. However, during the classification process, researchers encountered data imbalance issues. Therefore, this study incorporates data balancing techniques such as Random Oversampling, Undersampling, and SMOTE to enhance classification results. The entire dataset will be processed using K-Fold Cross Validation with varying K values of 2, 5, 7, and 10. Testing the Multinomial Naive Bayes method without balancing techniques yielded the highest accuracy of 69%, precision of 69%, and recall of 69%. The Gaussian Naive Bayes method without balancing techniques achieved the highest accuracy of 58%, precision of 58%, and recall of 57%. In contrast, testing the Multinomial Naive Bayes method with the addition of balancing techniques revealed that using Random Oversampling resulted in the highest accuracy of 80%, precision of 81%, and recall of 80%. For the Gaussian Naive Bayes method with balancing techniques, using SMOTE achieved the highest accuracy of 79%, precision of 79%, and recall of 79%. In conclusion, the Multinomial Naive Bayes method in this study proved to be more effective than the Gaussian Naive Bayes method.
Co-Authors Agung Nilogiri Aldi Saputro1 Alvan Maulana Azzzayni Anggar Wahyu Hidayatullah Arifianto, Deni Aurelie Arda Faradhi Daryanto Dimas Anditha Cahyo Sujiwo Hidayatullah, Anggar Wahyu Indah Safitri Moh Machrus Alfani Muhammad Rivansyah Murwanti, Retno Nita Ayuningtyas Oktavianto, Hardian Putra Ageng Nirwana Rahman, Miftahur Rega Sukmawati Sindy Arindra Mahbubah Sulistyo, Henny Wahyu Umilasari, Reni Wahyu Dwi Setyawan