Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Nisa Nafisah
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran Secara Daring Menggunakan Algoritma Naïve Bayes Ami Natuzzuhriyyah; Nisa Nafisah
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 6 No 2 (2021): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v6i2.1377

Abstract

Abstrak— Semenjak Penyebaran Covid19 di Indonesia semakin meningkat pada awal Maret 2020 menyebabkan aktivitas Lembaga Pendidikan terganggu, sehingga Menteri Pendidikan mengeluarkan surat edaran No. 3 tahun 2020 mengenai pencegahan covid19 yang menyatakan bahwa meliburkan sekolah dan perguruan tinggi. Sebagai gantinya kegiatan pembelajaran konvensional menjadi daring. Pembelajaran daring di Universitas Singaperbangsa dimulai sejak adanya peraturan dari kemdikbud RI, dari pembelajaran secara daring tersebut mempengaruhi konsentrasi, kendala seperti signal, suasana pembelajaran dan cara mengajar, sehingga faktor mempengaruhi tingkat kepuasan mahasiswa dalam pembelajaran. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan mahasiswa terhadap pembelajaran daring menggunakan Metodologi CRISP-DM dan algoritma naive bayes dengan menggunakan tools rapidminer dengan hasil yang didapatkan yaitu tingkat akurasi sebesar 76,92%, class precission 100.00%, class recall 57.14% serta nilai AUC 0.881 atau mendekati angka 1 jadi model yang dihasilkan baik. Dengan kata lain, dari hasil yang didapatkan menggunakan algoritma naïve bayes dapat digunakan sebagai bahan untuk pengambilan keputusan tingkat kepuasan pembelajaran secara daring.
Klasifikasi K-NN dalam Identifikasi Penyakit COVID-19 Menggunakan Ekstraksi Fitur GLCM Nisa Nafisah; Riza Ibnu Adam; Carudin Carudin
Journal of Applied Informatics and Computing Vol 5 No 2 (2021): December 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i2.3258

Abstract

Covid-19 is a disease that is endemic in various parts of the world including Indonesia, this disease infects the respiratory tract caused by a new type of corona virus. To find out the presence of this virus in the body, medical examinations such as blood tests, radiological examinations can be carried out X-rays (x-rays) and swabs. Therefore, in this study, identification covid-19 disease based on the rongen image from which the image was extracted using the GLCM feature extraction method, namely contrast, correlation, energy, and homogeneity, after obtaining the value from the extraction and then classified using data mining classification method, namely k-nearest neighbor by doing 3 modeling the input value of k. The results obtained from the classification obtained an accuracy of 80% in model 3 with a value of k = 5 and in models 1 and 2 obtained an accuracy of 90% with a value of k = 1 and k = 3.
Co-Authors Ami Natuzzuhriyyah Carudin Riza Ibnu Adam