Article Per Year (5 Year)
p-Index From 2021 - 2026
1.363
P-Index
This Author published in this journals
All Journal Jurnal Media Informatika Scientific Student Journal for Information, Technology and Science Jurnal Pengabdian Masyarakat Nasional ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat
Hilda Yulia Novita
Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
SOSIALISASI HASIL PENELITIAN APLIKASI SISTEM PAKAR DIAGNOSA KECANDUAN GAME ONLINE MENGGUNAKAN METODE CERTAINTY FACTOR Elsa Elvira Awal; Deden Wahiddin; Anis Fitri Nur Masruriyah; Hilda Yulia Novita
Jurnal Pengabdian Masyarakat Nasional Vol 3, No 1 (2023)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/pemanas.v3i1.19974

Abstract

Semenjak pandemi Covid-19 masuk di Indonesia, hampir semua kegiatan dilakukan secara daring, termasuk pembelajaran dari tingkat sekolah dasar sampai universitas. Dampak dari pembelajaran daring adalah kebosanan pada peserta didik, oleh sebab itu peserta didik banyak yang melakukan kegiatan lain untuk menghilangkan kebosanan dengan bermain game online. Kondisi mental pada peserta didik rata-rata masih labil sehingga mudah lepas kontrol ketika sedang bermain game online, sehingga banyak peserta didik yang kecanduan game online. Adapun bentuk kegiatan sosialisasi ini dilakukan melalui pengarahan tentang pengetahuan dasar mengenai game, di antaranya dampak positif dan negatif game online. Maka pada kegiatan pengabdian kepada masyarajat ini akan dilakukan sosialisasi aplikasi deteksi kecanduan game online dengan menggunakan metode certainty factor. Hasil dari sosialisasi yang dilakukan pada SMK N 1 Klari adalah memberikan pemahaman terhadap siswa/siswi tentang game online serta memahami dampak berbahaya jika tidak disikapi dengan bijak. Dengan aplikasi yang kamu berikan diharapkan para siswa/siswi mampu menggunakan game dengan sewajarnya.
SOSIALISASI APLIKASI UNTUK MELAKUKAN DETEKSI DINI KECANDUAN PERMAINAN ONLINE PADA SISWA SMK N 1 KLARI KARAWANG Anis Fitri Nur Masruriyah; Deden Wahiddin; Hilda Yulia Novita; Elsa Elvira Awal
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.
Penerapan Algoritma Support Vector Machine (SVM) untuk Klasifikasi Keluarga Sejahtera Dwi Tian Tonara; Ahmad Fauzi; Hilda Yulia Novita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): 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

Setiap keluarga menginginkan kehidupan yang sejahtera serta mampu memenuhi kebutuhan, baik primer maupun sekunder. Kartu Keluarga Sejahtera merupakan salah satu program pemerintah yang bertujuan untuk menanggulangi kemiskinan. Penentuan penerima bantuan pemerintah agar tepat sasaran dapat dilakukan melalui klasifikasi keluarga yang layak dan tidak layak menerima bantuan. Data yang digunakan dalam penelitian ini diperoleh dari Pemerintah Desa Mekarmaya sebanyak 432 data, yang terdiri atas 25 data keluarga layak dan 407 data keluarga tidak layak. Data tersebut kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM). Pengujian dilakukan menggunakan Orange dan bahasa pemrograman Python, dengan hasil klasifikasi berupa 7 data keluarga layak dan 80 data keluarga tidak layak, serta tingkat akurasi sebesar 94%.
Studi Komparatif Kinerja Arsitektur MobileNetV2 dan EfficientNet-B6 dalam Identifikasi Penyakit Daun Padi Bayu Kerta Sukma Gandara; Tohirin Al Mudzakir; Hilda Yulia Novita; Ahmad Fauzi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): 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

Padi merupakan komoditas pangan utama di Indonesia, namun tingkat produktivitasnya sering mengalami penurunan akibat serangan berbagai penyakit daun. Oleh karena itu, deteksi dini terhadap penyakit daun padi menjadi langkah penting untuk mengurangi risiko kerugian hasil panen. Penelitian ini dilakukan untuk menganalisis serta membandingkan performa dua arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2 dan EfficientNet-B6, dalam mengidentifikasi jenis penyakit pada daun padi. Dataset penelitian terdiri dari citra daun padi yang terbagi dalam beberapa kategori, yaitu Bacterial Blight, Blast, Brown Spot, dan daun sehat. Pelatihan model dilakukan dengan metode transfer learning serta penerapan augmentasi data untuk meningkatkan kemampuan generalisasi. Evaluasi performa model dilakukan menggunakan metrik akurasi, presisi, dan F1-score. Berdasarkan uraian tersebut, penelitian ini diarahkan untuk membandingkan kinerja arsitektur MobileNetV2 dan EfficientNet-B6 dalam proses klasifikasi penyakit daun padi melalui pendekatan transfer learning serta penerapan teknik augmentasi data. Penelitian ini diharapkan mampu memberikan kontribusi dalam pengembangan sistem pendeteksian penyakit secara otomatis yang lebih efektif dan akurat, sehingga dapat mendukung peningkatan ketahanan pangan nasional.
Klasifikasi Penyakit Daun Padi Menggunakan Fitur Tekstur GLCM dan HOG dengan Algoritma Random Forest Firmansyah; Tohirin Al Mudzakir; Hilda Yulia Novita; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): 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

Tanaman padi sangat rentan terhadap penyakit daun, seperti Leaf Smut, Brown Spot, dan Bacterial Leaf Blight, yang dapat menurunkan produktivitas apabila tidak terdeteksi sejak dini. Identifikasi manual melalui inspeksi visual sering kali tidak dapat diandalkan karena adanya kemiripan gejala antarpenyakit. Penelitian ini menyajikan pendekatan klasifikasi yang mengintegrasikan fitur tekstur dari Gray Level Co-occurrence Matrix (GLCM), fitur bentuk yang diekstraksi menggunakan Histogram of Oriented Gradients (HOG), serta informasi warna dari histogram warna. Dataset terdiri atas 720 citra hasil augmentasi yang diproses menjadi vektor fitur berdimensi 21.720. Algoritma Random Forest digunakan sebagai model klasifikasi, sedangkan optimasi hiperparameter dilakukan menggunakan GridSearchCV untuk memperoleh performa terbaik. Hasil evaluasi terhadap 144 citra uji menunjukkan akurasi sebesar 90,28%. Confusion matrix dan classification report menunjukkan bahwa model mampu membedakan tiga jenis penyakit daun padi secara efektif, meskipun masih terdapat beberapa kesalahan klasifikasi pada kelas yang memiliki karakteristik visual serupa. Hasil penelitian ini menunjukkan bahwa kombinasi fitur tekstur, bentuk, dan warna merupakan pendekatan yang efisien serta mudah diinterpretasikan untuk klasifikasi penyakit daun padi.
Penerapan Algoritma Decision Tree dan Random Forest untuk Analisis Sentimen Politik Indonesia Pascapemilu Iqbal Tawakkal; Tohirin Al Mudzakir; Hilda Yulia Novita; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): 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

Penelitian ini bertujuan mengklasifikasikan sentimen politik Indonesia pascapemilu dengan menerapkan teknik text mining untuk mengidentifikasi berbagai isu politik. Data diperoleh dari komentar masyarakat pada media sosial Instagram, YouTube, dan TikTok yang membahas Presiden dan Prabowo, dengan jumlah dataset sebanyak 8.532 data. Pengolahan data dilakukan menggunakan bahasa pemrograman Python pada platform Google Colaboratory. Tahap preprocessing meliputi text cleaning untuk menghapus angka, simbol, dan tautan URL, kemudian dilanjutkan dengan stemming, tokenization, stopword removal, pelabelan, dan pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Pendekatan supervised learning diterapkan menggunakan algoritma Decision Tree dan Random Forest. Dataset dibagi menjadi 70% data latih dan 30% data uji sebelum dilakukan pembangunan model klasifikasi. Evaluasi menggunakan Confusion Matrix menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 71,02%, sedangkan algoritma Random Forest memperoleh akurasi sebesar 75,30%. Hasil tersebut menunjukkan bahwa kedua algoritma mampu mengklasifikasikan data berdasarkan pola fitur teks yang diekstraksi, dengan Random Forest menghasilkan kinerja yang lebih baik dibandingkan Decision Tree.
Identifikasi Faktor Penyebab Stres pada Manusia Menggunakan Algoritma Random Forest Muhammad Ihsan; Tatang Rohana; Hilda Yulia Novita; Sutan Faisal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): 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

Stres merupakan salah satu permasalahan kesehatan mental yang semakin mendapat perhatian seiring meningkatnya berbagai tekanan dari lingkungan sosial dan keluarga. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor penyebab stres pada manusia menggunakan algoritma Random Forest. Data yang digunakan berasal dari dataset Kaggle yang berjumlah 1.100 data dan memuat berbagai faktor yang berkaitan dengan kondisi psikologis, kesehatan, dan lingkungan. Penelitian ini meliputi tahapan pengumpulan data, data preprocessing, penerapan algoritma Random Forest, serta evaluasi model. Hasil penelitian menunjukkan bahwa berdasarkan analisis feature importance, faktor yang paling berpengaruh terhadap tingkat stres adalah blood_pressure dengan kontribusi lebih dari 19%, diikuti oleh sleep_quality sebesar 11,05%, safety sebesar 10,29%, dan bullying sebesar 10,28%. Selain itu, model Random Forest mampu mengklasifikasikan tingkat stres (stres ringan, stres sedang, dan stres berat) dengan akurasi sebesar 87,7%. Berdasarkan hasil analisis tersebut, tekanan darah, kualitas tidur, rasa aman, dan pengalaman mengalami bullying merupakan faktor utama yang memengaruhi tingkat stres pada manusia. Hasil penelitian ini diharapkan dapat menjadi referensi dalam pemanfaatan machine learning untuk membantu upaya pencegahan dan penanganan stres secara lebih efektif.
Pemodelan Prediksi Ekspor Kopi Indonesia Berbasis Algoritma Machine learning Hilda Yulia Novita; Tatang Rohana; Euis Nurlaelasari; Elsa Elvira Awal
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7097

Abstract

Penelitian ini bertujuan untuk membangun model prediksi ekspor kopi di Indonesia dengan menggunakan tiga algoritma machine learning, yaitu regresi inier, neural networks, dan gradient boosting. Data yang digunakan berasal dari data historis ekspor kopi Indonesia. Penelitian dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi kinerja masing-masing algoritma. Hasil penelitian menunjukkan bahwa ketiga algoritma mampu memprediksi ekspor kopi dengan performa yang cukup baik. Algoritma Linear Regression memberikan hasil terbaik dengan nilai mean squared error (MSE) sebesar 0.0000867, mean absolute error (MAE) sebesar 0.00766, dan skor R² sebesar 95%. neural networks menghasilkan MSE sebesar 0.000171, MAE sebesar 0.01196, dan skor R² sebesar 91%. Sementara itu, gradient boosting menunjukkan performa terendah dengan MSE sebesar 0.01918 dan skor R² sebesar 74%. Temuan ini menunjukkan bahwa pendekatan machine learning dapat digunakan sebagai alat bantu dalam memprediksi tren ekspor komoditas secara akurat.
Co-Authors Adi Rizky Pratama Ahmad Fauzi Anis Fitri Nur Masruriyah Baihaqi, Kiki Ahmad Bayu Kerta Sukma Gandara Deden Wahiddin Dwi Tian Tonara Elsa Elvira Awal Euis Nurlaelasari Firmansyah Iqbal Tawakkal Mudzakir, Tohirin Al Muhammad Ihsan Sutan Faisal Tatang Rohana