Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Journal of Telematics and Informatics Jurnal Repositor
Nabillah Annisa Rahmayanti
Universitas Muhammadiyah Malang
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analysis of Mobile Credit Semester (KRS) Using Emotion Sampling Device (ESD) Nabillah Annisa Rahmayanti; Wahyu Andhyka Kusuma
Journal of Telematics and Informatics Vol 6, No 3: September 2018
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jti.v6i3.

Abstract

Emotion Sampling Device (ESD) is a method used to evaluate the effects of a digital product such as an existing system on a smartphone against the user's emotions. Sometimes when we use a system we unconsciously give an emotion to it. The emotions of each user are divided into some common emotions such as happy, sad, shocked, scared, angry and uninterested. Using this method, the researcher aims to analyze the user's emotion against prototype or KRS Mobile design with KRS case study that exist in University of Muhammadiyah Malang. With a new and different look from KRS that existed previously at the University of Muhammadiyah Malang allows its users to give their own emotions to the prototype. In analyzing emotions, researchers adapted a toeri from the psychological side of Appraisal Theory to obtain data from questionnaires on respondents. The result of this research is the percentage of emotion from each respondent that will be made proving that the prototype is feasible or not to be applied.Keywords: Emotion Sampling Device, KRS Mobile, Prototype, Appraisal Theory
Implementasi Algoritma C5.0 Untuk Menganalisa Gejala Prioritas Pada Anak yang Mengalami Bullying Nabillah Annisa Rahmayanti; Yufis Azhar; Gita Indah Marthasari
Jurnal Repositor Vol 2 No 8 (2020): Agustus 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i8.410

Abstract

Bullying sering terjadi pada anak-anak khususnya remaja dan meresahkan para orang tua. Maraknya kasus bullying di negeri ini bahkan sampai menyebabkan korban jiwa. Hal ini dapat dicegah dengan cara mengetahui gejala-gejala seorang anak yang mengalami bullying. Kondisi seorang anak yang tidak dapat mengungkapkan keluh kesahnya, tentu membuat orang tua dan juga guru di sekolah sukar dalam mengerti apa yang sedang menimpanya. Hal tersebut bisa saja dikarenakan anak sedang mengalami tindakan bullying oleh teman-temannya. Oleh karena itu peneliti memiliki tujuan untuk menghasilkan fitur yang telah terseleksi dengan menggunakan algoritma C5.0. Sehingga dengan menggunakan fitur yang telah terseleksi dapat meringankan pekerjaan dalam mengisi kuisioner dan juga mempersingkat waktu dalam menentukan seorang anak apakah terkena bullying atau tidak berdasarkan gejala yang ada di setiap pertanyaan pada kuisioner. Untuk menunjang data dalam penelitian ini, peneliti menggunakan kuisioner untuk mendapatkan jawaban dari pertanyaan yang berisi tentang gejala anak yang menjadi korban bullying. Jawaban dari responden akan diolah menjadi kumpulan data yang nantinya akan dibagi menjadi data latih dan data uji untuk selanjutnya diteliti dengan menggunakan Algoritma C5.0. Metode evaluasi yang digunakan pada penelitian ini yaitu 10 fold cross validation dan untuk menilai akurasi menggunakan confusion matrix. Penelitian ini juga melaukan perbandingan dengan beberapa algoritma klasifikasi lainnya yaitu Naive Bayes dan KNN yang bertujuan untuk melhat seberapa akurat algoritma C5.0 dalam melakukan seleksi fitur. Hasil pengujian menunjukkan bahwa algoritma C5.0 mampu melakukan seleksi fitur dan juga memiliki tingkat akurasi yang lebih baik jika dibandingkan dengan algoritma Naive Bayes dan KNN dengan hasil akurasi sebelum menggunakan seleksi fitur sebesar 92,77% dan setelah menggunakan seleksi fitur sebesar 93,33%.
Co-Authors Gita Indah Marthasari Wahyu Andhyka Kusuma Yufis Azhar