Claim Missing Document
Check
Articles

Found 32 Documents
Search

K-NN Klasifikasi Kematangan Buah Mangga Manalagi Menggunakan L*A*B dan Fitur Statistik Nafi'iyah, Nur; Sri Pamungkas, Arif Patriot; Nawafilah, Nur Qomariyah
Jurnal Ilmu Komputer dan Desain Komunikasi Visual Vol 4, No 1 (2019): Jurnal Ilmu Komputer dan Desain Komunikasi Visual
Publisher : Universitas Nahdlatul Ulama Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (526.703 KB)

Abstract

Buah-buahan merupakan bahan pangan sumber vitamin. Buah cepat sekali rusak oleh pengaruh mekanik, kimia dan mikrobiologi sehingga mudah menjadi busuk. Klasifikasi dilakukan pada sekelompok buah mangga yang berbeda-beda jenis kematangannya. Ciri pembeda yang digunakan adalah fitur warna L*A*B. Tujuan penelitian ini yaitu memberikan hasil output klasifikasi kematangan buah mangga manalagi berdasarkan fitur warna menggunakan aplikasi Matlab. Pada penelitian ini akan diusulkan metode GLCM untuk ekstraksi fitur pada buah mangga. Dengan menggunakan K-Nearest Neighboor (KNN) untuk menentukan tingkat kematangan buah mangga. Dataset yang digunakan berjumlah 130 data, terdiri dari 65 data untuk mentah, 15 untuk setengah matang dan 50 untuk matang. Hasil Klasifikasi KNN dengan menggunakan metode GLCM dan L*A*B untuk ekstraksi fitur mendapatkan nilai akurasi sebesar 62.5% pada data uji. Kata kunci: Matlab, Mangga Manalagi, KNN, Lab, GLCM. Fruits are a food source of vitamins. The fruit is quickly damaged by mechanical, chemical and microbiological influences, making it easy to rot. Classification is carried out on a group of mangoes which differ in type of maturity. The distinguishing feature was used is the L*A*B color feature. The purpose of this researchgave the output of the maturity classification ofManalagi mangoes based on color features using the Matlab application. In this research the GLCM method will be proposed for feature extraction in mangoes. By using K-Nearest Neighboor (KNN) to determine the maturity level of the Mango fruit. The dataset used is 130 data, consisting of 65 data for raw, 15 for half-cooked and 50 for mature. The KNN Classification results using the GLCM and L*A*B methods for Feature Extraction get an accuracy value of 62.5% in the test data.Keywords : Matlab, Manalagi Mango, KNN, Lab, GLCM.
K-NN Klasifikasi Kematangan Buah Mangga Manalagi Menggunakan L*A*B dan Fitur Statistik Arif Patriot Sri Pamungkas; Nur Nafi’iyah; Nur Qomariyah Nawafilah
Jurnal Ilmu Komputer dan Desain Komunikasi Visual Vol 4 No 1 (2019): Jurnal Ilmu Komputer dan Desain Komunikasi Visual (JIKDISKOMVIS)
Publisher : Fakultas Ilmu Komputer Universitas Nahdlatul Ulama Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fruits are a food source of vitamins. The fruit is quickly damaged by mechanical, chemical and microbiological influences, making it easy to rot. Classification is carried out on a group of mangoes which differ in type of maturity. The distinguishing feature was used is the L*A*B color feature. The purpose of this researchgave the output of the maturity classification ofManalagi mangoes based on color features using the Matlab application. In this research the GLCM method will be proposed for feature extraction in mangoes. By using K-Nearest Neighboor (KNN) to determine the maturity level of the Mango fruit. The dataset used is 130 data, consisting of 65 data for raw, 15 for half-cooked and 50 for mature. The KNN Classification results using the GLCM and L*A*B methods for Feature Extraction get an accuracy value of 62.5% in the test data. Keywords— Matlab, Manalagi Mango, KNN, Lab, GLCM.
Analisis Kesulitan Belajar Mahasiswa Teknik Informatika Pada Mata Kuliah Aljabar Linier Ayu Ismi Hanifah; Nur Qomariyah Nawafilah
J-PiMat : Jurnal Pendidikan Matematika Vol 3, No 1 (2021): J-PiMat
Publisher : Prodi Pendidikan Matematika STKIP Persada Khatu;istiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/j-pimat.v3i1.1182

Abstract

Abstrak. Aljabar Linier merupakan mata kuliah yang harus diambil oleh mahasiswa Teknik Informatika. Aljabar Linier mempunyai peran penting dalam memberikan kompetensi berupa pengetahuan dan kemampuan dasar guna memformulasikan permasalahan-permasalahan dalam bentuk matematis yang akan diselesaikan dengan menggunakan komputasi. Penelitian ini bertujuan untuk mendeskripsikan faktor penyebab kesulitan belajar mahasiswa Teknik Informatika pada mata kuliah Aljabar Linier. Penelitian ini merupakan penelitian deskriptif kualitatif dengan upaya mendeskripsikan faktor-faktor penyebab kesulitan mahasiswa dalam menyelesaikan persoalan Aljabar Linier. Sumber data dalam penelitian ini berupa data hasil penyelesaian empat persoalan Aljabar Linier dan data wawancara. Sampel diambil dari mahasiswa yang mengalami kesalahan dalam menyelesaikan soal. Hasil penelitian ini menunjukkan bahwa faktor yang menyebabkan mahasiswa mengalami kesulitan belajar ketika mengikuti mata kuliah Aljabar Linier adalah kurangnya minat belajar mahasiswa pada materi Aljabar Linier, kemampuan dasar Aljabar Linier yang rendah, dan kurangnya kemampuan dalam mengaplikasikan konsep Aljabar Linier dalam menyelesaikan soal. Berikut indikator kesalahan yang mempengaruhi kesulitan belajar mahasiswa dalam mengikuti mata kuliah Aljabar Linier dalam menyelesaikan soal, diantaranya: (1) kurang teliti dalam memahami persoalan Aljabar Linier, (2) kurang teliti dalam pengoperasian bilangan aljabar maupun bilangan bulat, (3) kurang mampu dalam konsep operasi bilangan elementer, dan (4) kurangnya kemampuan logika mahasiswa dalam menyusun cara penyelesaian soal.Kata Kunci: Aljabar Linier, kesulitan belajar, matrik
Algoritma Backpropagation untuk Memprediksi Korban Bencana Alam Nur Nafi'iyah; Ahmad Ahmad Salaffudin1; Nur Qomariyah Nawafilah
SMATIKA JURNAL Vol 9 No 02 (2019): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v9i02.400

Abstract

Indonesia is a country prone to natural disasters. Because Indonesia is a maritime country and its geographical area is Mount Merapi. In order to reduce victims of natural disasters or other disasters, we conducted research related to predictions of victims of natural disasters. The purpose of this study is to help the team or related parties in preparing themselves to deal with the victims of a growing natural disaster. The algorithm used in predicting victims of natural disasters is backpropagation. The data used in this study is the DIBI dataset taken from the Google dataset. The predicted impact was 5128 lines, 524 missing victims, 2653 injured, 941 lines dead. Each dataset with each category of disaster impacts, missing victims, injured victims, and death victims was made of 2 input variables. Input variables from each category are district code, and year and the output variable is the number of disaster victims. Neural network structure and architecture of this study, namely 2 input layer nodes, 2 hidden layer nodes, and 1 output layer node. From the architecture, training and testing were carried out, where the results of testing disaster impact data were 110 lines of MSE value of 0.0371, testing results of wounded victims data as much as 53 lines of MSE value of 0.0256, results of testing of missing victims as much as the 24 lines of the MSE value are 0.041, and the results of testing of the dead are 41 lines of the MSE value of 0.029.
Sistem Pakar Diagnosa Penyakit Kolesterol pada Remaja dengan Metode Certainty Factor Muhammad Busthomi; Nur Nafi'iyah; Nur Qomariyah Nawafilah
Jurnal Processor Vol 15 No 1 (2020): Processor
Publisher : LPPM STIKOM Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (492.833 KB) | DOI: 10.33998/processor.2020.15.1.670

Abstract

Sistem Pakar adalah suatu sistem yang dapat menikuran keahlian pakar tertentu ke dalam komputer. Sistem pakar sering digunakan untuk mendiagnosa penyakit. Di mana penyakit yang didiagnosa hanya satu penyakit dengan beberapa jenis gejala. Alasan dibuat suatu sistem pakar untuk mendiagnosa penyakit salah satunya membantu pihak dokter yang masih belum mempunyai pengalaman kerja yang banyak, serta mengurangi tingkat kesalahan manusia. Dalam penelitian ini akan membuat suatu sistem untuk mendiagnosa penyakit kolesterol dengan 3 jenis penyakit, dan 8 gejala. Tujuan penelitian ini adalah membuat suatu aplikasi berbasis web untuk mendiagnosa penyakit kolesterol dengan menggunakan perhitungan nilai ketidakpastian (certainty factor). Jenis penyakit kolesterol yang didiagnosa terdapat 3, yaitu kolesterol LDL, kolesterol HDL, dan Disiplidemia. Dari masing-masing penyakit mempunyai gejala dan nilai CF. Sistem ini mempunyai gejala 8, yaitu sakit dan pegal di kepala, mudah mengantuk, pegal sampai pundak, mudah capek, kadar kolesterol di bawah 90 Mg/dl, kadar kolesterol di atas 120 Mg/dl, nyeri dada, kram kaki. Masing-masing gejala terhadap penyakit mempunyai nilai CF. Di mana nilai CF masing-masing gejala terhadap penyakit menggunakan nilai MB MD. Dan nilai MB MD didapatkan dari pakar dokter penyakit dalam. Hasil dari penelitian ini, yaitu aplikasi dapat digunakan untuk mendiagnosa penyakit kolesterol dengan nilai CF tertinggi. Kata Kunci: certainty factor, MB MD, kolesterol.
STRATEGI PENERAPAN MODEL PEMBELAJARAN KOOPERATIF TIPE JIGSAW PADA MATA KULIAH METODE NUMERIK Nur Qomariyah Nawafilah; Masruroh Masruroh
JURNAL MATHEMATIC PAEDAGOGIC Vol 2, No 2 (2018): Maret 2018
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (530.985 KB) | DOI: 10.36294/jmp.v2i2.214

Abstract

AbstrakPenelitian ini bertujuan untuk mengetahui strategi penerapan model pembelajaran kooperatif tipe jigsaw di universitas sehingga dapat meningkatkan aktivitas dan hasil belajar mahasiswa pada mata kuliah metode numerik. Penelitian menggunakan jenis penelitian tindakan kelasdengan 2 siklus. Setiap siklus dilakukan dalam dua kali pertemuan. Subjek penelitian adalah mahasiswa kelas 3C Teknik Informatika Universitas Islam Lamongan yang berjumlah 24. Hasil penelitian menunjukkan bahwa penerapan pembelajaran kooperatif tipe jigsaw di universitas memerlukan persiapan dan strategi yang matang. Strategi-strategi yang dilakukan antara lain pemilihan materi yang cocok untuk model jigsaw, pembentukan kelompok asal yang homogen agar terbentuk kelompok ahli yang heterogen, pemahaman karakteristik mahasiswa, pendampingan selama proses diskusi di kelompok asal dan ahli, dan tambahan sumber belajar. Penerapan strategi pembelajaran kooperatif tipe jigsaw yang tepat dapat meningkatkan aktivitas dan hasil belajar siswa. Kata Kunci: Strategi,Pembelajaran Kooperatif Tipe Jigsaw 
GESTURE MAHASISWA SELAMA PROSES DISKUSI DALAM MEMPERBAIKI KESALAHAN KONSEP PEMECAHAN MASALAH KALKULUS Nur Qomariyah Nawafilah; Ayu Ismi Hanifah
JURNAL MATHEMATIC PAEDAGOGIC Vol 5, No 1 (2020): September 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jmp.v5i1.1450

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh gesture mahasiswa selama proses diskusi dalam memperbaiki kesalahan konsep pemecahan masalah kalkulus serta untuk mengkaji jenis-jenis geture yang mereka digunakan untuk memperbaiki kesalahan konsep tersebut. Penelitian ini termasuk penelitian kualitatif dengan jenis deskriptif. Data yang diperoleh dideskripsikan berdasarkan keadaan yang sebenarnya selanjutnya dilakukan analisis data secara induktif dan dilakukan pencocokan dengan teori yang ada sehingga diperoleh karakteristik variasi gesture yang digunakan mahasiswa dan peranan gesture dalam memperbaiki kesalahan konsep matematika.  Hasil penelitian menunjukkan bahwa gesture yang digunakan oleh mahasiswa berkemampuan tinggi selama proses diskusi dapat memperbaiki kesalahan konsep pemecahan masalah kalkulus yang dilakukan oleh mahasiswa berkemampuan sedang dan rendah. Jenis-jenis gesture yang digunakan oleh mahasiswa berkemampuan tinggi dalam memperbaiki kesalahan konsep mahasiswa berkemampuan sedang dan rendah selama proses diskusi antara lain adalah: gesture menunjuk, gesture menulis, dan gesture representasional. Ketiga jenis gesture ini dapat membuat mahasiswa yang berkemampuan sedang dan rendah lebih mudah memahami bahasa dan informasi yang disampaikan.
Evaluasi Pelaksanaan Pembelajaran Online Selama Pandemi Covid-19 Berdasarkan Perspektif Dosen dan Mahasiswa Masruroh Masruroh; Nur Qomariyah Nawafilah; Erry Anggraini
Jurnal PTK dan Pendidikan Vol 7, No 1 (2021): Januari - Juni
Publisher : Fakultas Tarbiyah dan Keguruan Universitas Islam Negeri Antasari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18592/ptk.v7i1.4699

Abstract

Penelitian ini bertujuan mendeskripsikan evaluasi pelaksanaan pembelajaran online secara umum selama pandemi Covid-19 berdasarkan perspektif dosen dan mahasiswa Teknik Informatika Universitas Islam Lamongan. Penelitian ini merupakan penelitian deskriptif kuantitatif. Data dikumpulkan menggunakan kuisioner Google form yang diberikan kepada  165 responden. Evaluasi pelaksanaan pembelajaran meliputi efektivitas pelaksanaan, kemudahan dalam menyampaikan dan menerima materi, platform pembelajaran yang sering digunakan, metode yang paling efektif digunakan, serta kendala yang dialami. Hasil penelitian menunjukkan pembelajaran online sudah berjalan cukup efektif (70%), materi cukup dapat disampaikan dan diterima dengan baik (72%), platform yang paling sering digunakan adalah Google Classroom (85%), metode yang paling efektif melalui tatap muka virtual (53%), dan kendala yang paling sering dialami adalah jaringan yang tidak stabil (48%). Secara umum dapat disimpulkan pelaksanaan pembelajaran online sudah berjalan cukup baik.
Persepsi Mahasiswa Teknik Informatika Terhadap Pembelajaran Daring pada Mata Kuliah Matematika Selama Masa Pandemi Covid-19 Nur Qomariyah Nawafilah; Masruroh Masruroh
Jurnal PTK dan Pendidikan Vol 7, No 2 (2021): Juli - Desember
Publisher : Fakultas Tarbiyah dan Keguruan Universitas Islam Negeri Antasari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18592/ptk.v7i2.4704

Abstract

Penelitian ini bertujuan untuk mengetahui persepsi mahasiswa Teknik Informatika terhadap pembelajaran daring pada mata kuliah matematika (kalkulus dan statistik) selama masa pandemi Covid-19. Penilaian persepsi mahasiswa dibatasi pada tiga aspek, yakni proses belajar mengajar, kapabilitas (kompetensi dosen), dan sarana dan prasarana. Subjek pada penelitian ini adalah mahasiswa program studi Teknik Informatika Universitas Islam Lamongan yang sedang mengambil mata kuliah kalkulus dan statistik pada semester Ganjil TA 2020/2021. Penelitian ini merupakan penelitian deskriptif kualitatif. Data dikumpulkan dengan menggunakan kuesioner secara daring melalui Google Form dan wawancara mendalam kepada beberapa mahasiswa untuk mendapatkan informasi yang lebih mendetail. Teknik analisis data yang digunakan dalam penelitian ini adalah analisis kualitatif yang terdiri atas pengumpulan data, reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian ini menunjukkan bahwa persepsi mahasiswa terhadap pembelajaran daring pada mata kuliah matematika adalah positif, dengan rincian aspek belajar mengajar sebesar 65%, aspek kapabilitas (kompetensi dosen) sebesar 74%, dan aspek sarana dan prasarana sebesar 74%. 
Rekomendasi Pemilihan Baju Wanita dengan Metode Naive Bayes Ari Avianto; Nur Nafi’iyah; Nur Qomariyah Nawafilah
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 2, No 2 (2019): OKTOBER 2019
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (130.196 KB) | DOI: 10.32672/jnkti.v2i2.1569

Abstract

Algoritma Naïve Bayes dapat digunakan untuk rekomendasi baju wanita. Metode ini akan diterapkan untuk memberikan rekomendasi pemilihan baju wanita sesuai kelas baju karakter konsumen. Tujuan penelitian, yaitu membuat sistem yang dapat digunakan untuk memberikan rekomendasi baju dengan algoritma Naïve Bayes. Kategori baju yang direkomendasikan adalah Blouses, Dresses, Jackets dan Jeans. Jumlah dataset yang digunakan sebanyak 500 data yaitu 490 data training dan 10 data testing yang terbagi kedalam 7 atribut yaitu Age, Rating, Recommended IND, Positive Feedback Count, Division Name, Departement Name dan Class Name, aplikasi penerapan metode naive bayes ini dapat memberikan Sistem Pendukung Keputusan (SPK) Rekomendasi Pemilihan Baju Wanita dengan akurasi 80 %.