Article Per Year (5 Year)
p-Index From 2021 - 2026
4.072
P-Index
This Author published in this journals
All Journal Dinamik Jurnal Simetris Telematika Jurnal Transformatika Jurnal Informatika Upgris Jurnal Sains dan Informatika Jurnal Pengembangan Rekayasa dan Teknologi JSiI (Jurnal Sistem Informasi) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Sistem Informasi dan Informatika (SIMIKA) Abdimasku : Jurnal Pengabdian Masyarakat Indonesian Journal of Data and Science Aiti: Jurnal Teknologi Informasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Malcom: Indonesian Journal of Machine Learning and Computer Science SmartComp Tematik Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science Advance Sustainable Science, Engineering and Technology (ASSET) Systematic Literature Review Journal Jurnal DIMASTIK
Nurtriana Hidayati
Universitas Semarang
Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Implementasi Penentuan Tingkat Kemiskinan dengan Metode Topsis pada Daerah Kabupaten dan Kota Provinsi Jawa Tengah Rachma, Hetta; Irfan, Muhammad Nur; Hidayati, Nurtriana; Cholil, Saifur Rohman
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10094

Abstract

Kemiskinan merupakan salah satu tantangan terbesar yang dihadapi oleh berbagai negara, termasuk Indonesia. Tingginya jumlah penduduk miskin di beberapa wilayah, seperti di Provinsi Jawa Tengah, mencerminkan kompleksitas permasalahan yang dipengaruhi oleh kualitas sumber daya manusia, tingkat kemiskinan, dan pembangunan ekonomi. Provinsi Jawa Tengah, dengan populasi besar, memiliki tingkat kemiskinan yang signifikan, sehingga memerlukan intervensi strategi untuk mengoptimalkan penyaluran program pembangunan. Untuk mendukung pemerintah dalam menentukan prioritas penanganan kemiskinan secara efektif dan efisien, diperlukan sistem pendukung keputusan. Penelitian ini memiliki tujuan untuk merancang sistem pendukung keputusan berbasis TOPSIS yang efisien dan mampu memberikan rekomendasi terbaik berdasarkan beberapa kriteria utama: jumlah penduduk, Tingkat pengangguran, upah minimum, PDRB, dan jumlah penduduk miskin. Hasil analisis menunjukkan bahwa Kota Semarang memiliki tingkat kemiskinan terendah dengan nilai preferensi tertinggi (0,686725), sedangkan Kabupaten Brebes memiliki tingkat kemiskinan tertinggi dengan nilai preferensi terendah (0,154773). Validasi metode TOPSIS yang diterapkan dalam sistem ini mencapai tingkat akurasi sebesar 77,17% yang menunjukkan bahwa hasil pemeringkatan konsisten dengan keselarasan signifikan antara hasil sistem dan kondisi riil. Dengan demikian, sistem pendukung keputusan ini memberikan kontribusi nyata dalam mengklasifikasi wilayah berdasarkan tingkat kemiskinan, sehingga dapat menjadi alat bantu strategi dalam perencanaan program Pembangunan yang lebih tepat sasaran.
Analisis Data dan Visualisasi Pola Ancaman Siber Global (2015 - 2024) menggunakan Exploratory Data Analysis (EDA) Karunia, Reiza Dwi; Hidayati, Nurtriana
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10136

Abstract

Penelitian ini menganalisis pola ancaman siber global dengan menggunakan metode Exploratory Data Analysis (EDA) berdasarkan dataset “Global Cybersecurity Threats (2015–2024)” yang disusun oleh Atharva Soundankar dan dipublikasikan di Kaggle. Dataset tersebut mencakup 3.000 insiden keamanan siber dari berbagai negara, dengan atribut seperti negara, tahun, jenis serangan, industri sasaran, kerugian finansial, jumlah pengguna terdampak, sumber serangan, jenis kerentanan, mekanisme pertahanan, dan waktu penyelesaian insiden. Melalui pendekatan EDA dan visualisasi interaktif dengan Tableau, penelitian ini bertujuan mengidentifikasi pola, tren, dan anomali dari serangan siber global serta menguji dua hipotesis utama: (1) jenis serangan DDoS dan phishing merupakan yang paling dominan secara global; dan (2) sektor teknologi informasi dan perbankan merupakan industri paling rentan terhadap serangan. Hasil analisis menunjukkan bahwa kedua hipotesis tersebut terbukti, di mana DDoS dan phishing menempati urutan teratas sebagai jenis serangan terbanyak, dan sektor IT serta perbankan paling sering menjadi sasaran. Temuan ini memberikan kontribusi penting dalam penyusunan strategi mitigasi serangan siber, khususnya pada sektor-sektor vital. Visualisasi data juga memberikan dukungan kuat dalam pemahaman pola ancaman dan pengambilan keputusan berbasis data. Kata Kunci: Ancaman Siber, DDoS, Phishing, Industri IT, EDA, Visualisasi Data
Klasifikasi Kompetensi Mahasiswa menggunakan Algoritma Naive Bayes Suwari, Dewi Ratna; Hidayati, Nurtriana
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10156

Abstract

Perkembangan teknologi informasi telah meningkatkan kebutuhan akan sumber daya manusia yang kompeten di bidang analitik data dan pemrograman, khususnya bagi mahasiswa Program Studi Sistem Informasi. Penelitian ini bertujuan untuk membangun model klasifikasi guna mengidentifikasi kecenderungan mahasiswa sebagai Data Analyst atau Programmer menggunakan algoritma Naive Bayes. Sebanyak 220 data dikumpulkan melalui kuesioner daring, dengan indikator penilaian yang dikelompokkan dalam dua dimensi: kemampuan analis data dan kemampuan pemrograman. Data kemudian dilabeli berdasarkan skor per dimensi dan diolah menggunakan model Complement Naive Bayes pada platform Google Colab. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan dua kelas mayoritas (Data Analyst dan Programmer) dengan baik, ditandai dengan akurasi keseluruhan sebesar 80,30% dan nilai precision, recall, serta f1-score yang tinggi. Namun, performa model terhadap kelas minoritas (Netral) masih rendah akibat ketidakseimbangan distribusi data. Penelitian ini menyarankan penggunaan teknik lanjutan seperti resampling, class weight, atau model ensemble untuk mengatasi bias terhadap kelas mayoritas. Temuan ini dapat digunakan sebagai dasar dalam pembimbingan akademik dan pengembangan kurikulum berbasis potensi mahasiswa.
Hybrid Filtering for Student Major Recommendation: A Comparative Study Hidayati, Nurtriana; Winarti, Titin; Hirzan, Alauddin Maulana
Advance Sustainable Science Engineering and Technology Vol. 7 No. 1 (2025): November-January
Publisher : Science and Technology Research Centre Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/asset.v7i1.1250

Abstract

Choosing the right university major is an important decision for students, as delays or incorrect choices can harm their future careers and cause problems for academic departments. High dropout rates, which are frequently the result of poorly informed decisions, can be a considerable burden on faculty. This project aims to address these challenges by creating a recommendation system that provides individualized counsel to students based on their psychological profiles. A quantitative method was used, with questionnaires distributed to a large number of students. To verify the data's authenticity, replies were sought from students who were pleased with their selected majors rather than those who regretted their choices. The collected data formed the basis for a hybrid recommendation system that integrated Content-based Filtering and Collaborative Filtering methods. The system was then compared against standalone implementations of each filtering method to determine its usefulness in increasing suggestion accuracy. The results showed that the Hybrid Filtering strategy obtained a recommendation accuracy of 84.29%, outperforming Content-based  Filtering at 81.43% and Collaborative Filtering at 78.57%. The proposed model is easy to implement in a school or a university, as long as the required data is available. Thus, the model can help a school or university to reduce dropout rates and boost academic outcomes.
Implementasi Model ARIMA untuk Analisa Prediksi Harga Penutupan Saham Historis Harian Perusahaan BP Minyak dan Gas Multinasional Karunia, Reiza Dwi; Hidayati, Nurtriana
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 3 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i3.90747

Abstract

Prediksi harga saham merupakan aspek penting dalam analisis keuangan yang mendukung pengambilan keputusan investasi. Tantangan utama dalam prediksi harga saham adalah sifatnya yang sangat fluktuatif dan dipengaruhi oleh banyak faktor eksternal, seperti kebijakan ekonomi, perubahan geopolitik, dan kondisi pasar global. Penelitian ini bertujuan untuk menganalisis dan memprediksi harga penutupan saham perusahaan energi BP, sebuah perusahaan minyak dan gas multinasional yang berbasis di London, Inggris, menggunakan model Autoregressive Integrated Moving Average (ARIMA). Data historis yang digunakan mencakup periode 2021 hingga 2024, dipilih karena mencerminkan masa pemulihan ekonomi pasca-pandemi dan gejolak pasar akibat krisis energi global, sehingga relevan dalam mengkaji volatilitas harga saham. Proses pemodelan menggunakan parameter spesifik ARIMA (1,1,1) yang ditentukan berdasarkan analisis ACF dan PACF setelah uji stasioneritas dengan ADF. Hasil analisis menunjukkan bahwa model ARIMA memberikan prediksi yang akurat, dengan nilai MAPE sebesar 1,47%, yang menunjukkan tingkat kesalahan prediksi yang sangat rendah. Penelitian ini memberikan kontribusi penting bagi investor dan pelaku pasar sebagai referensi dalam penyusunan strategi investasi yang berbasis data historis, serta menguatkan efektivitas model ARIMA dalam memetakan tren saham pada kondisi pasar yang dinamis. Kata kunci: Prediksi, ARIMA, Harga Saham, Data Historis, Tren Musiman, Investasi
Analisis Prediksi Kemenangan Tim Pada Game Mobile Legends Bang Bang Mengunakan Metode Naïve Bayes Classifier Aryash, Muhana Fadhillah; Hidayati, Nurtriana
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 9 No. 1 (2025): Mei (2025)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v9i1.11373

Abstract

Game online Mobile Legend: Bang Bang (MLBB) kini termasuk dalam game yang dipertandingkan di SEA Games cabang eSport. Menang atau kalah dalam sebuah permainan merupakan hal yang wajar, namun probabilitas kekalahan para player baru maupun lama akan lebih besar jika tidak memahami permainan tersebut. Penelitian ini dilakukan agar para pemain game MLBB dapat meningkatkan peluang kemenangan melalui presentase dari hasil analisis susunan tim mereka. Prediksi kemenangan pada game MLBB dianalisis menggunakan faktor faktor kemenangan dengan metode Naïve Bayes. Variabel yang digunakanpun merupakan faktor dasar, seperti ability effect, durability, offense, dan difficulty. Dari penelitian yang dilakukan, didapatkan hasil akurasi, presisi, dan recall menggunakan Excel sebesar 80%, 91%, dan 77% dengan 16 prediksi benar dari 20 pertandingan. Penggunaan Naïve Bayes menggunakan Excel mencapai hasil yang yang cukup memuaskan, karena akurasi yang dihitung merupakan akurasi setiap tim. Kata kunci: Game online, Mobile Legends: Bang-Bang, metode Naïve Bayes, Excel
Prediksi Kepuasan Pelanggan Aplikasi Tiktok dengan Metode Naive Bayes Classifier Widhianti, Sekar Elok; Hidayati, Nurtriana
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 9 No. 1 (2025): Mei (2025)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v9i1.11374

Abstract

Kegiatan berbelanja secara online telah merajalela dikalangan masyarakat Indonesia. Salah satu platform yang menyediakan layanan belanja online atau e-commerce adalah aplikasi TikTok. TikTok merupakan media sosial untuk menciptakan video dengan tempo pendek yang dilengkapi dengan spesial efek yang mudah digunakan. TikTok menjadi populer dikalangan masyarakat Indonesia setelah terciptanya fitur e-commerce. Namun, kini kompetisi aplikasi penyedia e-commerce makin ketat. Salah satu faktor penting bagi keberlangsungan hidup suatu perusahaan adalah kepuasan pelanggan. Dengan terciptanya kepuasan pelanggan yang baik akan menjadi suatu keuntungan bagi perusahaan tersebut. Maka perlu diadakan penilaian tingkat kepuasan pelanggan pada pengguna fitur e-commerce aplikasi TikTok. Tujuan penelitian ini adalah mengetahui tingkat kepuasan pelanggan dalam berbelanja menggunakan aplikasi TikTok dengan menerapkan data mining pada metode naïve bayes. Naïve bayes merupakan algoritma data mining yang dapat menghasilkan tingkat akurasi yang baik, Indikator yang digunakan pada penelitian ini adalah biaya, kemudahan akses, kualitas produk dan harga. Data yang digunakan pada penelitian ini berasal dari penyebaran kuesioner terhadap 100 responden yang pernah melakukan transaksi menggunakan aplikasi TikTok. Pengolahan data dilakukan secara urut berdasarkan metode knowledge discovery database dan menggunakan alat bantu RapidMiner. Tingkat akurasi yang dihasilkan dari pengolahan data tersebut adalah 85% dengan perbandingan data training dan data testing sebesar 80:20. Keywords : Kepuasan Pelanggan; Naïve Bayes; TikTok
Penerapan algoritma Long Short-Term Memory untuk prediksi jalan berlubang Maulana, Daffa; Hidayati, Nurtriana
AITI Vol 22 No 2 (2025)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v22i2.178-191

Abstract

Dinas Pekerjaan Umum Bina Marga dan Cipta Karya Provinsi Jawa Tengah merupakan instansi pemerintah yang bertanggung jawab terhadap perencanaan, pembangunan jalan serta prasarana umum lainnya. Persoalan muncul ketika menentukan kota mana yang harus mendapat perhatian khusus dalam pemeliharaan jalan, dengan mempertimbangkan kondisi jalan yang memerlukan perawatan lebih ekstensif. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan memanfaatkan metode Long Short-Term Memory (LSTM) untuk memprediksi jalan berlubang. Penelitian ini memanfaatkan data yang diperoleh dari rekaman jalan berlubang yang dikumpulkan dari 9 Balai Pengelolaan Jalan (BPJ) di Provinsi Jawa Tengah, mulai tanggal 1 Januari 2023 hingga 31 Desember 2023. Temuan penelitian menunjukkan bahwa Long Short-Term Memory (LSTM) dapat mengantisipasi jalan berlubang secara akurat pada 9 dataset BPJ yang ditunjukkan dengan nilai Mean Absolute Percentage Error (MAPE). Berdasarkan hasil evaluasi, terlihat bahwa performa model berbeda-beda di berbagai lokasi. Model dengan tingkat akurasi tertinggi terdapat pada BPJ Purwodadi dengan Mean Absolute Percentage Error (MAPE) sebesar 1,932868 persen. Model ini dilatih menggunakan variasi batch 48 dan 200 epoch. Sebaliknya model dengan tingkat akurasi terendah terdapat pada BPJ Wonosobo dengan Mean Absolute Percentage Error (MAPE) sebesar 30,511073 persen. Model ini dilatih menggunakan variasi batch 48 dan 50 epoch.
ANALISIS PROGRAM MAKAN BERGIZI GRATIS DENGAN SUPPORT VECTOR MACHINE (SVM) PADA APLIKASI X Sekar Cinta Amaria; Nurtriana Hidayati
Jurnal Sistem Informasi Vol. 12 No. 2 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i2.10708

Abstract

The Free Nutritious Meal Program (MBG), which represents a priority program of President Prabowo Subianto, has garnered widespread attention from Indonesian society. This program has received sympathy from various groups, including students and informal workers, and has been extensively discussed through social media, particularly on platform X. This research aims to analyze public response in the form of positive and negative sentiment toward the MBG Program based on data from platform X. A total of 1,378 tweets were collected using crawling methods, followed by preprocessing, sentiment labeling using the InSet lexicon dictionary, and feature extraction using three techniques: Term Presence, Bag of Words (BoW), and Term Frequency-Inverse Document Frequency (TF-IDF). Subsequently, sentiment classification was performed using the Support Vector Machine (SVM) algorithm for each feature extraction technique. Classification results demonstrate that the TF-IDF technique achieved the highest accuracy of 77.5%, compared to Term Presence (76.2%) and BoW (75.3%). Validation using K-Fold Cross Validation with five iterations was conducted with imbalanced data handling through the Synthetic Minority Over-sampling Technique (SMOTE) method. In this validation, TF-IDF consistently demonstrated superior performance with an average accuracy of 75.54%, precision of 74.31%, recall of 73.86%, and f1-score of 73.98%. Despite a slight decrease in accuracy following data synthesis, the TF-IDF technique proved to be stable and effective in handling data variation. The superiority of the TF-IDF feature extraction technique is suitable for combination with the SVM algorithm.
Perancangan Sistem Inventory Barang Dagang Di Toko Juvarash Collection Hidayati, Nurtriana; Agusto, Valien Rezky; Susanto, Susanto
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.7737

Abstract

Abstrak: Toko Juvarash Collection mengalami tantangan dalam pengelolaan stok barang dagangan, terutama karena pencatatan stok dilakukan secara manual. Pencatatan manual ini menyebabkan kesalahan rata-rata 2 hingga 3 kali per bulan, yang berujung pada barang-barang populer habis dalam 2 hingga 3 hari, mengakibatkan potensi penurunan penjualan dan ketidakpuasan pelanggan. Untuk mengatasi masalah ini, dirancanglah sistem inventory berbasis web yang dilengkapi dengan fitur pemantauan stok secara real-time. Sistem ini memungkinkan pengelola toko untuk memantau stok secara akurat, meminimalkan risiko kehabisan barang, dan memastikan ketersediaan produk favorit pelanggan. Implementasi sistem ini diharapkan dapat meningkatkan akurasi pencatatan stok hingga 95%, mengurangi kesalahan pencatatan yang disebabkan oleh human error. Selain itu, sistem ini dirancang untuk menangani 50 hingga 100 transaksi per bulan, memastikan kelancaran operasional harian toko. Sistem ini juga diproyeksikan mampu meningkatkan efisiensi operasional toko hingga 85%, dengan mempercepat pengambilan keputusan yang lebih tepat dan andal. Dengan begitu, sistem ini akan membantu toko beroperasi lebih efisien dan mendukung pertumbuhan bisnis di masa mendatang.Kata Kunci— Sistem Inventory, Toko Juvarash Collection, Pengelolaan Stok, Efisiensi Operasional.
Co-Authors Agus Hartanto Agusta Praba Ristadi Pinem Agusto, Valien Rezky Alauddin Maulana Hirzan April Firman Daru Ardima, Muhammad Basyier Aryash, Muhana Fadhillah Astuti, Rizka Yuli Atmoko Nugroho Aziza, Luthfiah Nur Cholil, Saifur Rohman Devila, Laras Elza Edi Widodo, Edi Eka Putri Rachmawati Faturahman, Rinaldo Dwi Galet Guntoro Setiaji Hassanudin, Wahyu Maulana Henny Indriyawati Hetta Rachma Irfan, Muhammad Nur Joko Suntoro Karunia, Reiza Dwi Khoirudin Khoirudin, Khoirudin Kholidin Kholidin Lenny Margaretta Huizen Maulana, Bagas Akbar Maulana, Daffa Muhammad Basyier Ardima Mutiatun Nafisah Nugraha, Giananda Saktika Nur Wakhidah Pratama, Ericx Cahaya Prind Triajeng Pungkasanti, Prind Triajeng Priyambodo, Pamungkas Haryo Rachma, Hetta Rahmayuna, Novita Sekar Cinta Amaria Susanto Susanto Suwari, Dewi Ratna Titin Winarti Titis Handayani Vensy Vydia Victor Gayuh Utomo Weulartafella, Mifthahul Pratama Widhianti, Sekar Elok ZAMAN, BADROE