Article Per Year (5 Year)
p-Index From 2021 - 2026
2.63
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer 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 Jurnal Informatika Universitas Pamulang MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Antivirus : Jurnal Ilmiah Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Computer Science (CO-SCIENCE) Conten : Computer and Network Technology Jurnal Teknik Informatika Journal of Artificial Intelligence and Digital Business
Hiya Nalatissifa
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Prediksi Harga Properti Di Indonesia Menggunakan Algoritma Random Forest Fauzi, Ahmad; Maulidah, Nurlaelatul; Supriyadi, Riki; Nalatissifa, Hiya; Diantika, Sri
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 1 (2025): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i1.367

Abstract

Harga properti merupakan aspek yang dipengaruhi oleh berbagai faktor, seperti lokasi, luas tanah, jumlah kamar, aksesibilitas, serta kondisi ekonomi di suatu wilayah. Prediksi harga properti yang akurat sangat penting bagi pengembang, investor, dan calon pembeli dalam mengambil keputusan yang tepat. Penelitian ini menerapkan algoritma Random Forest untuk memprediksi harga properti berdasarkan dataset sintetis yang mencakup 10.000 sampel properti dari berbagai kota di Indonesia. Data dianalisis dengan mempertimbangkan faktor utama yang memengaruhi harga, seperti luas tanah, luas bangunan, jumlah kamar tidur, jarak ke pusat kota, serta fasilitas terdekat. Model dievaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE), dengan hasil MAE sebesar Rp2,48 miliar dan RMSE sebesar Rp2,89 miliar, yang menunjukkan tingkat akurasi yang cukup baik. Analisis lebih lanjut mengungkap bahwa faktor jarak ke pusat kota merupakan variabel paling berpengaruh terhadap harga properti, diikuti oleh luas tanah dan luas bangunan. Hasil penelitian ini menunjukkan bahwa algoritma Random Forest dapat digunakan sebagai alat bantu dalam menentukan harga properti dengan akurasi yang lebih baik dibandingkan metode tradisional. Studi ini juga mengusulkan pengembangan lebih lanjut dengan mempertimbangkan faktor tambahan, seperti indeks pembangunan wilayah dan tren harga historis, untuk meningkatkan ketepatan prediksi.
IMPLEMENTASI STACKING ENSEMBLE UNTUK PREDIKSI PRODUKTIVITAS TENAGA KERJA PADA INDUSTRI GARMEN Nalatissifa, Hiya
CONTEN : Computer and Network Technology Vol. 5 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/vcysz361

Abstract

Produktivitas tenaga kerja merupakan indikator penting dalam menentukan efisiensi dan keberlanjutan operasional di industri garmen. Penelitian ini bertujuan untuk membangun model klasifikasi produktivitas pekerja dengan pendekatan Stacking Ensemble, yang menggabungkan tiga algoritma pembelajaran mesin unggulan seperti XGBoost, Random Forest, dan LightGBM. Dataset yang digunakan diperoleh dari Kaggle dengan 1.197 data observasi, yang mencakup berbagai atribut seperti departemen, waktu kerja, lembur, insentif, dan produktivitas aktual. Proses prapemrosesan mencakup encoding data kategorikal, rekayasa fitur, dan penanganan ketidakseimbangan kelas menggunakan teknik SMOTE. Model Stacking Ensemble dilatih menggunakan teknik validasi silang dan dievaluasi menggunakan metrik klasifikasi seperti akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model yang diusulkan mampu mencapai akurasi 99,58%, presisi 100%, dan recall 99,29%, yang secara signifikan lebih tinggi dibandingkan penelitian sebelumnya, seperti Random Forest (94,36%) dan Classification C50 (79,10%). penelitian ini menegaskan keunggulan metode ensemble dalam meningkatkan performa klasifikasi, serta potensinya sebagai alat bantu dalam pengambilan keputusan manajerial terkait peningkatan produktivitas tenaga kerja di sektor tekstil dan garmen berbasis data.
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
Sistem Penunjang Keputusan Menggunakan Metode Topsis untuk Menentukan Kelayakan Bantuan Rumah Tidak Layak Huni (RTLH): Pada Desa Sumbaga Hiya Nalatissifa; Yudi Ramdhani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 19 No. 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v19i2.638

Abstract

Memiliki rumah yang layak untuk dihuni merupakan keinginan setiap manusia, kemiskinan merupakan faktor utama seseorang tidak dapat memenuhi kebutuhan primer maupun sekundernya. Upaya pemerintah untuk meningkatkan kesejahteraan rakyat adalah dengan mengadakan berbagai program penanggulangan kemiskinan, salah satunya pemberian dana Rumah Tidak Layak Huni (RTLH) yang harus tepat sasaran kepada penduduk yang tidak mampu. Akan tetapi dalam pelaksanaannya petugas mengalami kesulitan dalam pengolahan data, sehingga diperlukan suatu Sistem Penunjang Keputusan (SPK) yang dapat membantu dalam menentukan penerima bantuan RTLH. Salah satu metode SPK adalah metode TOPSIS yang merupakan sebuah metode yang mampu membantu proses pengambilan keputusan yang optimal/praktis dengan konsep yang sederhana/mudah dipahami. Desa Sumbaga merupakan salah satu desa yang membutuhkan sebuah SPK dalam menentukan masyarakat yang berhak menerima bantuan dana RTLH. Pihak desa mengalami kesulitan dalam hal penetapan penerima bantuan karena banyaknya data calon penerima dan kriteria-kriteria yang harus dipertimbangkan dalam pengolahan datanya, pengambilan keputusan dilakukan secara subyektif atau mengandalkan perkiraan/prediksi, sehingga masih terdapat penyaluran bantuan yang tidak tepat sasaran. Hasil dari penelitian ini adalah sistem pendukung keputusan kelayakan bantuan rumah tidak layak huni (RTLH) dengan menggunakan metode TOPSIS yang dibangun sebagai alat bantu untuk penentuan kelayakan bantuan RTLH.
Co-Authors AA Sudharmawan, AA Agus Subekti Ahmad Fauzi Ahmad Fauzi Akrom, Akrom Angga Ardianysah Diantika, Sri Diantika, Sri Diantika Dzulchan Abror Fauzi Ahmad Muda Gata, Windu Husni Mubarok Luthfiah Alya Choirunnisa Mareanus Lase Mawadatul Maulidah Nurlaelatul Maulidah Riki Supriyadi Riza Arby Khoerus Shidiq Rousyati Rousyati Supriyadi , Riki Tri Ayuningsih Dewi Indahrini Warjiyono Warjiyono Yudi Ramdhani