Article Per Year (5 Year)
p-Index From 2021 - 2026
2.958
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Informatics and Communication Technology (IJ-ICT) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Telematika SISFOTENIKA INOVTEK Polbeng - Seri Informatika Jurnal Informatika Universitas Pamulang RESEARCH : Computer, Information System & Technology Management Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Telematika Informatika : Jurnal Informatika, Manajemen dan Komputer Jurnal Elektronika Listrik dan Teknologi Informasi Terapan Amalee: Indonesian Journal of Community Research & Engagement Jurnal Teknika Jurnal Sistem Komputer dan Informatika (JSON) KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika Joutica : Journal of Informatic Unisla Insand Comtech : Information Science and Computer Technology Journal Jurnal Informatika: Jurnal Pengembangan IT Jurnal Ilmiah Sistem Informasi
Nafiiyah, Nur
Prodi Teknik Informatika Fakultas Teknik Universitas Islam Lamongan
Aerospace Engineering Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Neuroscience Public Health Social Sciences Transportation Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
SISTEM PENENTUAN PEMILIHAN TEMPAT CAFE MENGGUNAKAN FUZZY MAMDANI. M Sholihul Hadi; Nur Nafiiyah Nafiiyah; Eko Sulistiono Sulistiono
Jurnal Teknika Vol 8 No 2 (2016): Jurnal Teknika
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/teknika.v8i2.10

Abstract

Kebanyakan dari permasalahan dalam keputusan yang ada di perekonomian, perindustrian, keuangan atau politik adalah multikriteria. Pemilihan disampaikan untuk masing-masing rasa pribadi individu. Semua orang mengalokasikan suatu anak timbangan yang berbeda kepada ukuran-ukuran kriteria. Tujuan penelitian penelitian yang dilakukan yaitu Merancang aplikasi Sistem penentuan pemilihan tempat cafe menggunakan fuzzy mamdani berbasis android dan mengaplikasikan aplikasi tersebut ke pada masyarakat. Adapun manfaat dari sistem penentuan pemilihan tempat cafe menggunakan fuzzy mamdani adalah Memberikan kemudahan kepada masyarakat dalam menentukan lokasi yang akan di bangun cafe dan lebih praktis dan menghemat biaya dalam hal penggeluaran. Metode penelitian yang digunakan yaitu wawancara (interview), pengamatan (observasi), analisa, desain sistem, pengujian sistem dan implementasi sistem.Hasil penelitian yang telah dilakukan adalah penentuan dan membangun aplikasi sistem penentuan pemilihan tempat cafe mengunakan fuzzy mamdani berbasis android,implementasi sistem penentuan pemilihan tempat cafe menggunakan fuzzy mamadani yang berbasis android ini yakni dengan secara langung menggunakan gadget dan aplikasi sistem yang telah dibuat disajikan melalui semartphon yang berbasis android meliputi fitur menu utama, nama pasword, cari lokasi dan hasil defuzikasi.
Algoritma Deep Learning dalam Memprediksi Hasil Panen Padi di Kabupaten Lamongan Retno Wardhani; Nur Nafiiyah; Muhammad Ali Haydar
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 1 (2022): JPIT, Januari 2022
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i1.2581

Abstract

Based on data, bps.go.id harvest from the 2nd year 018 to 2019 decreased about an 7.76%. The government must constantly analyze the rice yields of farmers in Indonesia to determine whether these crops can meet the Indonesian people's primary food needs. Research this will predict rice yields in Lamongan. This study aims to assist the government in overcoming the occurrence of significant food shortages in Lamongan. A system that can be used as a reference tool to assist in policy or rule in the district Lamongan. This research proposes deep learning algorithms to predict the harvest based on the land area (m2), spacing (cm), the type of rice, the number of times to fertilize, fertilizer, and crop yields (quintals). The dataset used in the study was collected through questionnaires. Questionnaires were distributed via a google form and contained as many as 390 rows of data. Some of the data produced were incorrect, so the processing was carried out. The results of data processing, the data that can be used are 380 rows. The proposed architectural model's test results show that the loss values of MSE, MAE, or MAPE are the same. The MSE, MAE, and MAPE values are 2939977.418, 301,788, and 83,798, respectively.
Prediksi Nilai Calon Mahasiswa dengan Algoritma Backpropagation (Studi Kasus: Data Kaggle) Nur Nafi'iyah; Rizki Ardhian Ahmad; Siti Mujilahwati
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 3, No 1 (2020): April 2020
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v3i1.1945

Abstract

Mahasiswa yang akan melakukan pendaftaran ke perguruan tinggi, baik ke jenjang sarjana atau pascasarjana pasti harus diseleksi. Proses seleksi dengan tes dan serangkaian kegiatan lainnya. Nilai-nilai tes tersebut kemudian dianalisa untuk mengetahui apakah mahasiswa layak diterima atau tidak. Beberapa perguruan tinggi di Amerika Serikat atau Inggris melakukan serangkaian tes mulai tes akademik, tes bahasa Inggris dan kemampuan meneliti. Dari beberapa data hasil seleksi atau ujian dapat digunakan untuk memprediksi calon mahasiswa baru yang akan masuk perguruan tinggi. Tujuan penelitian ini adalah memprediksi nilai calan mahasiswa yang akan masuk di perguruan tinggi. Studi kasus ini mengambil dari data kaggle, yang akan diprediksi dengan menggunakan algoritma backpropagation. Variabel yang menjadi input adalah GRE score, TOEFL score, Universiy rating, SOP, LOR, GPA, Research. Output dari prediksi nilai calon mahasiswa dalam angka. Proses training backpropagation menggunakan toole Matlab dengan arsitektur jaringan 2 model. Model ke-1 menggunakan 7-5-1 dengan hasil MSE 0,00272. Model ke-2 menggunakan 7-4-1 dengan hasil MSE 0,0029.
Klasifikasi Jenis Kelengkeng Berdasarkan Daun Menggunakan Convolutional Neural Network Multilayer Perceptron Nafiiyah, Nur; Prasetyo, Puguh Rouf
Jurnal Telematika Vol. 17 No. 2 (2022)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v17i2.496

Abstract

Penelitian terkait pengenalan jenis kelengkeng berdasarkan daun membutuhkan peningkatan ekstraksi fitur daun kelengkeng, baik berdasarkan fitur, bentuk, atau tekstur. Penelitian yang sudah ada lebih banyak proses ekstraksi fitur menggunakan warna, tekstur, dan bentuk sehingga penelitian ini mengusulkan pengenalan jenis kelengkeng berdasarkan citra daun dari seluruh piksel citra dengan metode convolution neural network. Tujuan penelitian ini mengenali jenis kelengkeng menggunakan ekstraksi fitur seluruh intensitas citra daun. Citra yang digunakan untuk mengenali jenis kelengkeng adalah citra warna berukuran 128x128. Jenis kelengkeng yang diteliti adalah itoh, diamond river, dan lokal dengan total seluruh data latih 150 citra dan data tes 30 citra. Hasil klasifikasi jenis kelengkeng dengan menggunakan multilayer perceptron adalah baik. Nilai akurasi multilayer perceptron yang dihasilkan adalah sebesar 96,7%.
Pengaruh Sosialisasi Pembelajaran Online terhadap Tingkat Keaktifan Siswa SD di Desa Sumberagung Lamongan Nafiiyah, Nur; Sari, Ika Purnama
Amalee: Indonesian Journal of Community Research and Engagement Vol 2 No 1 (2021): Amalee: Indonesian Journal of Community Research and Engagement
Publisher : LP2M INSURI Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37680/amalee.v2i1.179

Abstract

Online learning is the newest way of learning, where students can access the material directly even in far places. Online learning is a way to deliver material without having to meet with students. The purpose of this activity is to find a relationship between online learning and the activeness of elementary school students in Sumberagung Mantup Lamongan. The data used in this study, namely: data on the results of student activity in accessing online learning, ranging from participation in accessing e-learning and reading material, participating in discussions in online learning. Student data used as many as 133 students, and the variables of this study, namely the number of values involved in the discussion, the total value of reading material. The results of this study indicate that there is no correlation between students' interest in reading online learning and discussion activeness at online learning, with a correlation value of -0.024. Pembelajaran secara online merupakan cara pembelajaran terbaru, di mana peserta didik dapat mengakses materi secara langsung walaupun di tempat jauh. Pembelajaran online merupakan cara menyampaikan materi tanpa harus bertatap muka dengan peserta didik. Tujuan dari kegiatan ini, yaitu mencari hubungan antara pembelajaran online dengan keaktifan siswa SD di Sumberagung Mantup Lamongan. Data yang digunakan dalam penelitian ini, yaitu: data hasil keaktifan siswa dalam mengakses pembelajaran online, mulai dari keikutsertaan dalam mengakses e-learning dan membaca materi, ikut serta dalam berdiskusi dalam pembelajaran online. Data siswa yang digunakan sebanyak 133 siswa, dan variabel dari penelitian ini, yaitu jumlah nilai ikut berdiskusi, jumlah nilai membaca materi. Hasil penelitian ini menunjukkan bahwa tidak adanya korelasi antara minat membaca siswa dalam pembelajaran online terhadap keaktifan berdiskusi pada pembelajaran online, dengan nilai korelasi -0,024.
Nonlinear regression analysis to predict mandibular landmarks on panoramic radiographs Nafiiyah, Nur; Hanifah, Ayu Ismi; Susanto, Edy; Astuti, Eha Renwi; Fatichah, Chastine; Putra, Ramadhan Hardani; Akbar, Agus Subhan
International Journal of Electrical and Computer Engineering (IJECE) Vol 15, No 2: April 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v15i2.pp2098-2108

Abstract

An automatic system for determining mandibular landmark points on panoramic radiography can reduce errors due to differences in expert professionalism and save time. Previous research has shown that the linear regression method is ineffective at predicting condyle and gonion landmark points in panoramic radiography. So, this research proposes an analysis of nonlinear regression methods (support vector machine (SVM) kernel=‘polynomial’, polynomial regression, ensemble regression) for predicting condyle and gonion landmark points. There are four predicted landmark points, namely the right condyle, left condyle, right gonion, and left gonion. The nonlinear regression methods used are SVM, polynomial regression, and ensemble regression. The Dental and Oral Hospital, within the Faculty of Dentistry at Universitas Airlangga, provides the research data. The research encompasses 119 patients between the ages of 19 and 70, dividing 103 into training and 16 into testing. The research results show that the SVM method is only good at predicting the right condyle point with a mean radial error (MRE) of 4,724 pixels. Meanwhile, to predict the left condyle, right gonion, and left gonion points, it is better to use the polynomial regression method and ensemble regression with an order of success detection rate (SDR) of 37.5%, 18.75%, and 12.5%, respectively.
System Identification Position Error in Panoramic Radiography: a Review Nafiiyah, Nur; Astuti, Eha Renwi; Putra , Ramadhan Hardani; Asymal , Alhidayati
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 11 No. 1 (2025): March
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v11i1.30598

Abstract

The professionalism of the radiologist greatly influences the results of radiological images. The quality of panoramic radiography greatly influences accurate clinical diagnosis. The correct patient position is one of the many factors that affect high-quality and accurate panoramic radiography. The process of taking radiographic images causes radiation exposure to the patient, so that when taking radiographic images repeatedly it is very bad for the patient. A review research is needed to reduce radiation exposure by improving the quality of panoramic radiography. This research conducted a literature review by proposing the questions (1) What types of position errors in panoramic radiography have been researched? (2) How is the process of identifying position errors in panoramic radiography that have been researched? The results of the review research showed that the types of position errors in panoramic radiography that have been researched are the head turning, the tongue not sticking to the palate, the chin down, the chin not resting on the support. The process of evaluating position errors in panoramic radiography is mostly done manually, there is only one research that identifies position errors in panoramic radiography automatically using SVM. That there is a great opportunity to create an automatic system for identifying position errors in panoramic radiography to be more precise and time efficient.
Implementasi Regresi Linear Sederhana dalam Memprediksi Penjualan Susu Cimory Berdasarkan Data Historis Sholikha, Ni'matus; Nafiiyah, Nur
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/j62ypt43

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi penjualan susu Cimory berbasis data historis menggunakan algoritma regresi linear sederhana. Latar belakang penelitian ini adalah kebutuhan perusahaan untuk memprediksi penjualan secara akurat guna mengoptimalkan pengelolaan stok, mengurangi risiko kekurangan atau kelebihan persediaan, serta meningkatkan efisiensi operasional. Metode penelitian yang digunakan meliputi tahapan studi literatur, pengumpulan data historis penjualan Cimory periode 2019–2021, pembersihan data, pemisahan data menjadi data latih (80%) dan data uji (20%), pembangunan model regresi linear, serta evaluasi kinerja model. Data penelitian terdiri dari variabel harga jual per unit sebagai variabel independen dan total penjualan sebagai variabel dependen. Hasil penelitian  menunjukkan bahwa model regresi linear yang dibangun mampu memberikan prediksi dengan tingkat kesalahan relatif rendah, yaitu Mean Absolute Error (MAE) sebesar 68.774,17, Mean Squared Error (MSE) sebesar 6.476.720.804,33, dan Root Mean Squared Error (RMSE) sebesar 80.478,08. Kontribusi penelitian ini adalah menyediakan model prediksi sederhana yang mudah diimplementasikan untuk membantu pengambilan keputusan dalam perencanaan produksi, strategi pemasaran, dan pengendalian persediaan. Implikasi dari penelitian ini adalah perusahaan dapat memanfaatkan model ini untuk meningkatkan akurasi perencanaan bisnis, mengurangi kerugian akibat kelebihan atau kekurangan stok, serta memperbaiki efisiensi distribusi produk.
Identifikasi Tumor Otak Citra MRI dengan Convolutional Neural Network Nafiiyah, Nur
Jurnal Informatika: Jurnal Pengembangan IT Vol 8, No 3 (2023)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v8i3.4985

Abstract

The science of artificial intelligence and computer vision is beneficial in facilitating the detection of diseases in the medical field. Computer-based disease detection can save time. However, identifying and detecting tumors on MRI images require seriousness and is time-consuming. Due to the diversity of structures in size, shape, and intensity of the image, accuracy is needed in identifying the original organ structure and the diseased one. Previous studies have proposed a method for identifying brain tumors to produce the correct precision. In previous studies, neural network-based methods have good accuracy. We present five Convolutional Neural Network (CNN) architectures for identifying brain tumors (glioma, meningioma, no tumor, and pituitary) on MRI images. This study aims to develop an optimal CNN architecture for identifying tumors. We use the dataset from Kaggle with a total training data of 5712 and testing of 1311. Of the five proposed CNN architectures, architecture c has the highest accuracy of 82.2% with an unlimited number of parameters of 29605060. A good CNN architecture has many convolution layers. We also compare the proposed architecture with CNN transfer learning (Inception, ResNet-50, and VGG16), and with CNN transfer learning architecture, the accuracy is higher than our proposed architecture.
Analisis Penyeimbangan Data pada Penyakit Stroke Menggunakan SMOTE Khoiruddin, Muhammad Ubay; Nafiiyah, Nur
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8847

Abstract

Stroke tidak hanya mempengaruhi kesehatan individu tetapi juga membebani sistem kesehatan nasional secara signifikan. Oleh karena itu, upaya deteksi dan pencegahan dini sangat penting. Penelitian ini bertujuan untuk membandingkan kinerja klasifikasi data penyakit stroke asli dan data berimbang menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes. Dataset yang digunakan adalah data publik dari Kaggle. Hasil klasifikasi pada data asli menunjukkan bahwa metode SVM dan Naive Bayes Bernoulli memiliki akurasi tertinggi sebesar 0,945. Namun, presisi tertinggi dan nilai recall masing-masing sebesar 0,584 dan 0,699 dicapai dengan metode Naive Bayes Gaussian. Sedangkan pada data berimbang, akurasi Naive Bayes Bernoulli turun menjadi 0,806, namun nilai presisi dan recall meningkat menjadi 0,808 dan 0,806. Hasil ini menunjukkan bahwa penyeimbangan data dapat meningkatkan kinerja klasifikasi dalam hal presisi dan sensitivitas.
Co-Authors ., Ichsan Yudistura Agus Setia Budi, Agus Setia Agus Subhan Akbar, Agus Subhan Alhidayati Asymal Anny Yuniarti Ayu Ismi Hanifah Bagus Nur Bakti Aji Chastine Fatichah edy susanto Eha Renwi Astuti Eko Sulistiono Sulistiono Husnul Khotimah Ika Purnama Sari Irma Dwi Rohmawati Jauharul Maknun Khoiruddin, Muhammad Ubay Khotim Hidayati Hidayati M Sholihul Hadi Masruroh Masruroh Miftahus Sholihin Moh Muslikh Muchammad Khudori Muhammad Ali Haydar Munir Munir, Munir Nela Nevrivanti Aulia Prasetyo, Puguh Rouf Purnomo Hadi Susilo, Purnomo Hadi Putra, Ramadhan Hardani Retno Wardhani Rizki Ardhian Ahmad Sholikah Indrawati Sholikha, Ni'matus Siti Mujilahwati Yusuf Eka Yana Yusuf Permadi Zuhri, Ahmad Syafiq Maulana