Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal JSI: Jurnal Sistem Informasi (E-Journal) SISFOTENIKA Technologia: Jurnal Ilmiah Jurnal Infortech Jurnal Pengabdian Kreatif Cemerlang Indonesia
Nurul Khasanah
UNIVERSITAS NUSA MANDIRI
Computer Science & IT Decision Sciences, Operations Research & Management Education Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Skin Cancer Classification Using Random Forest Algorithm Nurul Khasanah; Rachman Komarudin; Nurul Afni; Yana Iqbal Maulana; Agus Salim
SISFOTENIKA Vol 11, No 2 (2021): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/jst.v11i2.1122

Abstract

Skin cancer is an excessive lump of skin tissue that affects the skin, has an irregular structure with cell differentiation at various levels in chromatin, nucleus and cytoplasm, is expansive, infiltrative to damage the surrounding tissue, and metastasizes through blood vessels and lymph vessels. Diagnosis of skin cancer by biopsy process is considered less effective because it costs a lot and can injure human skin as a sample. For that, we need a system for classification of skin cancer types that are effective and accurate. The application of machine learning has been widely used in the health sector. One of the machine learning methods is Random Forest. In this study, the histogram color feature extraction will be carried out, the hue moment shape extraction, and the haralick texture extraction. Furthermore, the image will be classified using the Random Forest algorithm. The best accuracy value obtained from the histogram feature extraction process and classification with Random Forest is 0.850822. The novelty of this research is the use of more diverse feature extraction and better accuracy results than previous studies. Future research is expected to use deep learning algorithms with CNN (Convolutional Neural Network) architecture to get better accuracy results and add application designs for the application of models that have been formed in the study so that they can be directly applied by the medical team.
Komparasi Arsitektur Resnet50 dan Vgg16 untuk Klasifikasi Citra Tanda Tangan nurul khasanah
Jurnal Sistem Informasi Vol 14, No 1 (2022)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (409.773 KB) | DOI: 10.36706/jsi.v14i1.16576

Abstract

Tanda tangan merupakan salah satu biometric yang dimiliki manusia. Manusia sering kali berubah-ubah dalam membuat tanda tangan. Hal itu disebabkan oleh beberapa faktor yakni usia, suasana hati, lingkungan, dan lain-lain. Di sisi lain, tanda tangan adalah biometric manusia yang mudah ditiru karena faktor kemudahan dalam duplikat. Beberapa kasus mengenai pemalsuan tanda tangan membuat tanda tangan memerlukan sebuah sistem verifikasi untuk mengklasifikasi keaslian tanda tangan pemilik. Salah satu metode penelitian yang bisa digunakan dalam membangun sebuah sistem tersebut adalah deep learning. Untuk itu, penulis akan melakukan eksperimen mengenai klasifikasi tanda tangan menggunakan algoritma ResNet50 dan VGG16. Dataset yang digunakan adalah data signature offline dengan jumlah 2640 data yang terdiri dari label forged dan genuine. Selanjutnya, dilakukan preprocessing dengan resize citra. Terakhir, citra diklasifikasi dan diprediksi menggunakan architecture VGG16 dan ResNet50. Hasil eksperimen terbaik dalam klasifikasi kanker kulit adalah architecture ResNet50 dengan epoch 10 yang menghasilkan nilai akurasi 0.99 dan nilai loss terkecil yaitu 0.01 dengan waktu komputasi selama 15836 detik. Novelty dari penelitian yang penulis lakukan yaitu menggunakan 2 algoritma deep learning yang telah dilakukan modifikasi architecture dan hyperparameternya. Selain itu dataset yang digunakan lebih banyak dan hasil akurasi lebih baik dari penelitian sebelumnya. Hasil eksperimen ini diharapkan dapat diterapkan pada sistem klasifikasi signature, sehingga dapat memaksimalkan fungsi biometrik dengan akurat dan mengurangi angka pemalsuan tanda tangan.
PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYES nurul khasanah; Agus Salim; Nurul Afni; Rachman Komarudin; Yana Iqbal Maulana
Technologia : Jurnal Ilmiah Vol 13, No 3 (2022): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v13i3.7312

Abstract

Perguruan tinggi memiliki kewajiban untuk menghasilkan lulusan yang kompeten. Hal tersebut dapat dinilai dari tingkat kelulusan mahasiswanya. Selain itu, lulus tepat waktu merupakan impian para mahasiswa. Mahasiswa tidak perlu membayar biaya kuliah lagi dan bisa bekerja lebih cepat. Tetapi kondisi di lapangan, mahasiswa belum tentu dapat menuntaskan masa studi tepat waktu. Banyak faktor yang menjadi pengaruh kelulusan mahasiswa terlambat, seperti status perkawinan mahasiswa, status mahasiswa (bekerja/tidak bekerja), tingkat pemahaman mahasiswa terhadap materi kuliah yang dapat dilihat dari IPK mahasiswa. Dari pemasalahan yang ada, perlu adanya sistem untuk memprediksi tingkat kelulusan mahasiswa berdasarkan variabel-variabel yang ada. Dengan sistem yang dibuat diharapkan perguruan tinggi bisa membuat kebijakan sehingga mahasiswa dapat lulus tepat waktu. Penelitian ini menggunakan 379 data, dengan metode Naive bayes, dengan rincian data training 303 data dan data testing 76 data. Atribut yang digunakan nama, status mahasiswa, status perkawinan, IPS, IPK, dan status kelulusan. Dengan tahapan identifikasi masalah, pengumpulan data, data cleaning, data transformation (dibagi menjadi data training dan data tesing), klasifikasi dengan KNN, validasi, evaluasi dan hasil. Hasil penelitian yang diperoleh yaitu akurasi = 88,16%, precision = 93,62% dan recall = 88%, termasuk dalam kategori good classification.
Penerapan UI/UX dengan Metode Design Thinking (Studi Kasus: Warung Makan) Faruq Aziz; Daniati Uki Eka Saputri; Nurul Khasanah; Taopik Hidayat
Jurnal Infortech Vol 5, No 1 (2023): JUNI 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v5i1.15156

Abstract

Pemesanan makanan di warung tradisional seringkali masih dilakukan secara manual. Hal ini dapat menyebabkan kesalahan dalam pemesanan sehingga dapat menurunkan tingkat kepuasan pelanggan. Penerapan User Interface (UI) dan User Experience (UX) dalam pengembangan produk digital untuk mengatasi masalah tersebut semakin penting dilakukan saat ini. Perlu dilakukan suatu desain yang tepat agar aplikasi tersebut dapat memberikan kemudahan bagi pelanggan dalam melakukan pemesanan, serta memenuhi kebutuhan warung dalam mengelola pesanan. Tujuan dari penelitian ini adalah untuk mengevaluasi dan meningkatkan pengalaman pengguna melalui penerapan metode Design Thinking pada desain aplikasi pemesanan makanan pada warung makan berbasis mobile. Metode System Usability Scale (SUS) dan User Experience Questionnaire (UEQ) digunakan untuk menguji kepuasan pengguna terhadap aplikasi yang dikembangkan dengan menggunakan metode Design Thinking. Hasil dari penelitian ini menunjukkan bahwa aplikasi yang dikembangkan dengan menggabungkan metode Design Thinking dan pengujian menggunakan metode SUS dan UEQ memiliki tingkat kepuasan yang cukup tinggi dari sisi pengguna serta dapat memberikan rekomendasi untuk pengembangan aplikasi pemesanan makanan yang dapat meningkatkan kepuasan pengguna dan meningkatkan daya saing warung.
Pelatihan Pembuatan Grafik dengan Microsoft Excel 2016 Pada Pengurus dan Staff Pengajar TPQ UPEKA VI Melan Susanti; Hendri Hendri; Andi Saryoko; Nurul Khasanah
Jurnal Pengabdian Kreatif Cemerlang Indonesia Vol 1 No 2 (2022): Periode November
Publisher : Yayasan Kreatif Cemerlang Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (570.205 KB)

Abstract

Microsoft Excel merupakan program aplikasi lembar kerja yang termasuk dalam bagian Microsoft Office seperti Word, Power Point, Access pada umumnya. Fungsi program excel untuk mengolah data secara otomatis seperti perhitungan, rumus, pemakaian fungsi, tabel, pembuatan grafik dan manajemen data. TPQ UPEKA VI merupakan salah satu wadah pendidikan yang belum memanfaatkan fasilitas pembuatan grafik dalam kegiatannya. Dalam proses pengarsipan data, Pengurus TPQ UPEKA VI mengalami beberapa kendala, yaitu: belum mengerti cara menyajikan data dalam bentuk grafik dengan Microsoft Excel 2016 dan keterbatasan pengurus TPQ UPEKA VI dalam pemanfaaatan fasilitas yang ada pada microsoft excel yaitu pembuatan grafik. Kegiatan Pengabdian masyarakat ini bertujuan untuk memberikan pelatihan pembuatan grafik yang akan digunakan untuk penyajian data dalam bentuk grafik ataupun diagram. Metode yang digunakan yaitu metode tutorial, metode tanya jawab dan metode praktik. Hasil kegiatan ini adalah adanya peningkatan kemampuan dan keterampilan pembuatan dalam pembuatan grafik sehingga bisa membantu pengurus dan staff pengajar TPQ UPEKA VI dalam menyajikan data pada Microsoft Excel.
Co-Authors Agus Salim Andi Saryoko Daniati Uki Eka Saputri Faruq Aziz Hendri Hendri Melan Susanti Nurul Afni Rachman Komarudin Taopik Hidayat Yana Iqbal Maulana