Article Per Year (5 Year)
p-Index From 2021 - 2026
2.765
P-Index
This Author published in this journals
All Journal E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Elkom: Jurnal Elektronika dan Komputer Jurnal Informatika Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Jurnal Khatulistiwa Informatika InComTech: Jurnal Telekomunikasi dan Komputer Antivirus : Jurnal Ilmiah Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Infortech Kalbiscientia Jurnal Sains dan Teknologi Computer Science (CO-SCIENCE) Conten : Computer and Network Technology SPEED - Sentra Penelitian Engineering dan Edukasi Jurnal Teknik Informatika Journal of Artificial Intelligence and Digital Business
Nurlaelatul Maulidah
Universitas Bina Sarana Informatika
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Social Sciences

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Penerapan Teknik Random Oversampling Untuk Memprediksi Ketepatan Waktu Lulus Menggunakan Algoritma Random Forest Diantika, Sri; Nalatissifa, Hiya; Maulidah, Nurlaelatul; Supriyadi, Riki; Fauzi, Ahmad
Computer Science (CO-SCIENCE) Vol. 4 No. 1 (2024): Januari 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v4i1.1996

Abstract

Punctuality of graduation is something that students yearn for, besides being important for students, punctuality of graduation is also very important for universities, this is because the aspect of student graduation is one aspect of assessment in an institutional accreditation process of a university to show its quality. One of the obstacles faced to find out whether a student can graduate on time or not is because the study period cannot be detected early, this will have an impact on late student graduation. To analyze this, a lot of research was conducted on the accuracy of student graduation, through the cumulative grade point average (GPA) obtained by students during their studies. This research on the prediction of student graduation timeliness uses a random forest algorithm model. The data used in this research object has an unbalanced number of data classes, to overcome this, a random oversampling (ROS) resampling technique is applied and also applies Split validation or division between learning data by 50% for test data and 50%. To evaluate the model built, the author uses evaluation metrics such as accuracy, recall, and precision. The results of the study showed that the proposed model can well predict compared to other models, namely with the results precision of 87.05%, accuracy test values of 90.04%, recall of 90.04%.From these results, it can be interpreted that the random forest algorithm is considered good in predicting the timeliness of a student's graduation
Penerapan Extreme Programming dan Flutter Dalam Mobile Application Jago Masak Sebagai Sistem Pencarian Resep Masakan Nurlaelatul Maulidah; Sri Diantika; Hiya Nalatissifa; Ahmad Fauzi; Riki Supriyadi
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 2 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i2.718

Abstract

Memasak merupakan seni mengolah bahan makanan menjadi hidangan yang menggugah selera dan disajikan dengan cara menarik. Banyak aspek kehidupan sehari-hari masyarakat dipengaruhi oleh dunia kuliner. Olahan makanan yang beragam membuat masyarakat ingin memberikan makanan terbaik untuk keluarganya, Dengan menggunakan resep makanan yang tepat, pemasak dan penikmatnya akan menikmati makanan mereka.  Resep masakan adalah salah satu panduan yang memuat nama masakan, bahan, bumbu, cara membuat sampai cara menghidangkannya. Seringkali seorang pengolah makanan yang sedang mencari resep, kesulitan menentukan menu apa yang akan dibuat dari bahan yang ada di dapur. Oleh karena itu, dibuatlah aplikasi android untuk memudahkan pemilihan resep masakan. Aplikasi jago masak ini dibuat dengan menggunakan model extreme programming berbasis android, dengan menerapkan flutter. Dimana aplikasi ini dapat digunakan untuk pecinta kuliner yang ingin memasakan masakan Indonesia, western dan jepang. Aplikasi ini juga sudah dilakukan pengujian menggunakan blackbox testing. Dimana semua tombol, fitur dan lain sebagainya telah berfungsi dengan baik.
APPLICATION OF STACKING ENSEMBLE LEARNING TO IMPROVE THE ACCURACY OF PREDICTING STUDENT GRADUATION TIMES Nalatissifa, Hiya; Diantika, Sri Diantika; Supriyadi , Riki; Maulidah, Nurlaelatul; Fauzi, Ahmad
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 19 No 2 (2025): November 2025
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/e8mfgw75

Abstract

Kepastian waktu lulus mahasiswa adalah salah satu indikator krusial dalam mengevaluasi mutu pendidikan tinggi sekaligus menjadi komponen utama akreditasi program studi maupun institusi. Oleh karena itu, kemampuan untuk memprediksi kelulusan tepat waktu sangat diperlukan guna mendukung intervensi akademik yang tepat sasaran. Tujuan dari penelitian ini yaitu membangun model prediksi ketepatan waktu kelulusan mahasiswa dengan pendekatan Stacking Ensemble Learning. Model yang digunakan terdiri atas Random Forest dan XGBoost sebagai base learners, serta Logistic Regression sebagai meta learner. Dataset yang digunakan berjumlah 1.687 data mahasiswa dengan atribut nilai Indeks Prestasi (IP) dari semester 1 hingga semester 4 serta label kelulusan tepat waktu. Tahapan penelitian meliputi preprocessing data (konversi label, penambahan fitur turunan, normalisasi, dan penyeimbangan kelas dengan SMOTE), pemisahan data latih dan uji dengan rasio 70:30, serta pembangunan model stacking. Evaluasi dilakukan menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan Confusion Matrix. Hasil penelitian menunjukkan bahwa model stacking ensemble mampu mencapai akurasi sebesar 92,27%, precision 94,49%, recall 90,13%, dan F1-Score 92,26%. Hasil ini lebih tinggi dibandingkan penelitian sebelumnya yang menggunakan Random Forest dengan Random Oversampling, yang hanya memperoleh akurasi 90,04% dan F1-Score 88,38%. Dengan demikian, penelitian ini membuktikan bahwa Stacking Ensemble Learning efektif dalam meningkatkan performa prediksi ketepatan waktu kelulusan mahasiswa dan dapat dijadikan sebagai dasar pengembangan sistem pendukung keputusan akademik
Co-Authors AA Sudharmawan, AA Ade Christian Ahmad Fauzi Ahmad Fauzi Akrom, Akrom Andrian Eko Widodo Annida Purnamawati Ari Abdilah Destiana Putri Diantika, Sri Diantika, Sri Diantika Dwi Yuni Utami Elah Nurlelah Fanny Fatma Wati Fauzi Ahmad Muda Fauzi, Ahmad Fauzi-Universitas Bina Sarana Informatika, Ahmad Fuad Nur Hasan Gata, Windu Hasan, Fuad Nur Hilman F Pardede Hiya Nalatissifa Mawadatul Maulidah Oscar Oscar Rangga Pebrianto Ratna Kurnia Sari Riki Supriyadi Suleman Supriyadi , Riki Windu Gata