Article Per Year (5 Year)
p-Index From 2020 - 2025
3.597
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknologi dan Rekayasa JOIV : International Journal on Informatics Visualization Computatio : Journal of Computer Science and Information Systems Bina Insani ICT Journal Information Management For Educators And Professionals (IMBI) JMM (Jurnal Masyarakat Mandiri) Jurnal Teknoinfo MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Multitek Indonesia : Jurnal Ilmiah Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Sains dan Teknologi Peternakan JSEP (Journal of Science Education and Practice) Dulang: Jurnal Pengabdian Kepada Masyarakat Jurnal Aplikasi Bisnis dan Komputer
Tjut Awaliyah Zuraiyah
Universitas Pakuan
Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Public Health Social Sciences Veterinary Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
PERBANDINGAN METODE NAÏVE BAYES, SUPPORT VECTOR MACHINE DAN RECURRENT NEURAL NETWORK PADA ANALISIS SENTIMEN ULASAN PRODUK E-COMMERCE Zuraiyah, Tjut Awaliyah; Mulyati, Mulyati Mulyati; Harahap, Gilang Haikal Fikri
MULTITEK INDONESIA Vol 17, No 1 (2023): Juli
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v17i1.7092

Abstract

Abstrak Analisis sentimen digunakan sebagai alat bantu untuk mendapatkan pendapat dari konsumen atau masyarakat luas. Ulasan produk pada e-commerce memberikan pengaruh pada penjualan produk. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan produk pada platform e-commerce menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Recurrent Neural Network (RNN). Penelitian juga melibatkan tahapan seleksi data, preprocessing, transformasi, data mining, dan evaluasi/interpretasi. Selain itu, penelitian ini juga bertujuan untuk mengatasi masalah imbalanced data yang terjadi antara sentimen positif dan negatif dengan menerapkan teknik oversampling menggunakan library SMOTE. Dengan melakukan penelitian ini, diharapkan dapat memberikan wawasan dan pemahaman yang lebih baik tentang analisis sentimen dan kontribusinya dalam memahami pendapat konsumen serta meningkatkan keputusan pembelian produk. Dalam penelitian ini, dilakukan analisis sentimen terhadap ulasan produk e-commerce menggunakan algoritma Naïve Bayes, SVM, dan RNN. Data opini diklasifikasikan menjadi positif, negatif, atau netral. Terdapat perbedaan jumlah data antara sentimen positif dan negatif (imbalanced data), yang diperlakukan secara berbeda dalam model. Hasil penelitian menunjukkan bahwa Naïve Bayes memiliki akurasi 86%, SVM memiliki akurasi 88%, dan RNN memiliki akurasi 96% dengan epoch 100. Abstract Sentiment analysis serves as a valuable tool for capturing consumer opinions and broader public sentiment. Product reviews posted on e-commerce platforms significantly influence product sales. The objective of this research is to perform sentiment analysis on e-commerce product reviews utilizing Naïve Bayes, Support Vector Machine (SVM), and Recurrent Neural Network (RNN) algorithms. The study encompasses data selection, preprocessing, transformation, data mining, and evaluation/interpretation as crucial stages. Moreover, addressing the issue of imbalanced data, particularly the disparity between positive and negative sentiments, is achieved through the application of oversampling techniques utilizing the SMOTE library. This research aims to enhance the understanding of sentiment analysis, its significance in comprehending consumer opinions, and its role in improving product purchase decisions. The sentiment analysis of e-commerce product reviews was conducted using Naïve Bayes, SVM, and RNN algorithms. The opinions were classified as positive, negative, or neutral. Notably, there is a distinction in the data distribution between positive and negative sentiments (imbalanced data), which necessitates distinct treatment within the models. The findings revealed an accuracy of 86% for Naïve Bayes, 88% for SVM, and 96% for RNN with an epoch of 100. 
Kualitas Fisikokimia Keju Mozarella dan Soft Candy dari Susu Sapi pada Waktu Pemerahan Berbeda Arief, Irma Isnafia; Hidayati, Nurul; Abidin, Zaenal; Zuraiyah, Tjut Awaliyah; Darmawati, Maulita Putri
Jurnal Sains dan Teknologi Peternakan Vol 6 No 1 (2024): Jurnal Sains dan Teknologi Peternakan
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jstp.v6i1.4333

Abstract

enelitian ini bertujuan untuk mengevaluasi kualitas fisikokimia keju mozarella dan kualitas fisik soft candy yang diproduksi dari susu sapi pada waktu pemerahan yang berbeda. Karakteristik fisikokimia yang dianalisis meliputi kadar karbohidrat, kadar protein, kadar lemak, pH, TAT, aw serta parameter tekstur berupa elastisitas (keju mozarella) dan dan viskositas (susu sapi). Sementara, untuk soft candy dilakukan uji kualitas fisik meliputi pH, aw, tekstur (soft candy). Berdasarkan hasil analisis komposisi fisikokimia susu sapi pemerahan pagi dan sore, dapat disimpulkan bahwa susu pemerahan pagi lebih baik digunakan untuk pembuatan produk olahan seperti keju mozarella dan milk soft candy. Hasil penelitian menunjukkan bahwa keju mozarella dari susu sapi lokal memiliki karakteristikyang setara dengan keju mozarella komersial, sementara soft candy menunjukkan profil tekstur yang kenyal. Susu hasil pemerahan pagi menghasilkan kualitas produk yang lebih baik. Oleh karena itu, disarankan untuk menggunakan susu pemerahan pagi sebagai bahan baku utama dalam pembuatan keju mozzarella dan soft candy untuk mencapai hasil yang lebih optimal dan berkualitas
PENGEMBANGAN SISTEM MONITORING PEMINJAMAN ALAT KALIBRASI DAN ALAT INSPEKSI Dewi, Delima Sari; Utami, Dian Kartika; Zuraiyah, Tjut Awaliyah
PISSN
Publisher : Universitas Pakuan

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

Abstract

ABSTRAK Pemenuhan standar dan spesifikasi peralatan sangat penting untuk menjaga kualitas dan keselamatan. PT Kian Santang, sebagai perusahaan inspeksi di sektor industri, panas bumi, minyak dan gas, menawarkan berbagai layanan inspeksi dan kalibrasi. Layanan ini bertujuan untuk memberikan solusi terbaik dalam pemeriksaan dan kalibrasi alat bagi mitra usaha. Pada penelitian sebelumnya telah dibuat sebuah sistem monitoring peminjaman alat kalibrasi dan inspeksi yang dapat memantau status alat secara online. Namun, sistem tersebut masih memiliki keterbatasan dalam melakukan monitoring. Tujuan dari penelitian ini adalah untuk mengembangkan Sistem Monitoring Peminjaman Alat Kalibrasi dan Alat Inspeksi agar dapat mengatasi kekurangan pada sistem berdasarkan permasalahan yang ada. Metode yang digunakan dalam perancangan sistem ini adalah metode SDLC (System Development Life Cycle), penggunaan metode ini dikarenakan mempunyai tahapan yang lebih terstruktur dan berurutan. Bahasa pemrograman yang digunakan adalah PHP dan untuk penyimpanan database menggunakan MySQL. Hasil dari penelitian ini berupa sebuah sistem yang dapat memonitoring peminjaman alat agar lebih efektif dan efisien, sebagai solusi alternatif dalam memfasilitasi proses peminjaman serta monitoring status ketersediaan alat. Dengan adanya sistem ini dapat meningkatkan kualitas dan kinerja sistem dalam melakukan monitoring peminjaman. Kata kunci : Alat, Monitoring, Peminjaman, Sistem, Website. ABSTRACT The fulfillment of equipment standards and specifications is crucial to maintain quality and safety. PT Kian Santang, as an inspection company in the industrial, geothermal, oil, and gas sectors, offers various inspection and calibration services. These services aim to provide the best solutions in equipment inspection and calibration for business partners. In previous research, a monitoring system for the borrowing of calibration and inspection equipment was developed to track equipment status online. However, the system still has limitations in monitoring. The objective of this research is to develop a Monitoring System for the Borrowing of Calibration and Inspection Equipment to address the shortcomings based on existing issues. The system design uses the SDLC (System Development Life Cycle) method due to its more structured and sequential phases. The programming language system is developed using PHP and MySQL for database storage. The result of this research is a system that can more effectively and efficiently monitor equipment borrows, providing an alternative solution to facilitate the borrowing process and monitor equipment availability status. This system improves the quality and performance of borrow monitoring. Keywords: Equipment, Monitoring, Borrowing, System, Website.
PENDAMPINGAN GURU MTS DALAM PENGEMBANGAN KETERAMPILAN DIGITAL MELALUI PEMBELAJARAN STEM CODING BERBASIS BLOK Ardianto, Didit; Lathifah, Suci; Zuraiyah, Tjut Awaliyah; Putri, Annisa; Aziz, Helmi; Amalia, Najla Nurul
Jurnal Pengabdian Masyarakat Polmanbabel Vol. 5 No. 02 (2025): DULANG : Jurnal Pengabdian Kepada Masyarakat
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33504/dulang.v5i02.450

Abstract

Strengthening digital skills among teachers in STEM-based learning is an urgent need in the digital age, especially in Madrasah Tsanawiyah (MTs) environments, which often lag in technology adoption. Although constructivist learning theory emphasizes the importance of integrating technology into education, the reality shows that many teachers still struggle to implement this approach effectively. Therefore, this community service program aims to empower MTs teachers through intensive training and ongoing mentoring in the use of block-based coding applications for STEM education. The program employs a social engineering approach involving needs surveys, training, implementation workshops, and performance evaluation. The results indicate significant improvements in teachers’ skills and knowledge, with 85% of teachers showing enhanced abilities in designing STEM lessons, 89% in knowledge of block-based coding applications, and 83% in skills to create projects using these applications. In conclusion, the training successfully bridges the gap between theory and practice, though challenges such as infrastructure limitations and varying levels of initial understanding remain barriers that need to be addressed through sustained support and further development.
Classification and Visualization Model of Stunting Zone Distribution Using Artificial Intelligence and Streamlit Approaches Zuraiyah, Tjut Awaliyah; Widanti, Nurdina; Yamato, Yamato; Chairunnas, Andi; Mauludin, Kriti; Setha, Bira Arya
JOIV : International Journal on Informatics Visualization Vol 9, No 5 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.5.3174

Abstract

Time series datasets enable automated classification processes. Machine Learning (ML) and Deep Learning (DL) models are Artificial Intelligence (AI) models that allow systems to make intelligent decisions automatically. Stunting is a significant public health issue that warrants serious attention. Decision-making requires accurate, data-driven information that is easily understandable. However, many classification results have not been visualized in a way that allows users to understand them easily. This study aims to evaluate the performance of the classification model and visualize the distribution of areas using the Streamlit framework. The ML classification models used are Decision Tree and Extreme Gradient Boosting (XGBoost), while the DL classification models used are LSTM and Bi-LSTM models. The visualization tool was developed using the Python programming language integrated with the web-based Streamlit framework. SMOTE is used to balance the dataset, thereby improving accuracy. Stunting data were obtained from the Bogor City Health Office in the form of By Name By Address (BNBA) stunting data for 2022 - 2024, totaling 6023 data. The model performance is evaluated by assessing accuracy, precision, recall, and F1 score. The results show that the BiLSTM model performs better after data matching with SMOTE, achieving an accuracy of 99.43%. Bi-LSTM has two directions: forward (from past to future) and backward (from future to past). This intelligent system uses the BiLSTM model and is dynamic, providing an automatic display of stunting classification and distribution zones. So, stakeholders can use it to get recommendations for stunting decision-making and further research.
PERBANDINGAN METODE NAÏVE BAYES, SUPPORT VECTOR MACHINE DAN RECURRENT NEURAL NETWORK PADA ANALISIS SENTIMEN ULASAN PRODUK E-COMMERCE Zuraiyah, Tjut Awaliyah; Mulyati, Mulyati Mulyati; Harahap, Gilang Haikal Fikri
MULTITEK INDONESIA Vol 17 No 1 (2023): Juli
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v17i1.7092

Abstract

Abstrak Analisis sentimen digunakan sebagai alat bantu untuk mendapatkan pendapat dari konsumen atau masyarakat luas. Ulasan produk pada e-commerce memberikan pengaruh pada penjualan produk. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan produk pada platform e-commerce menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Recurrent Neural Network (RNN). Penelitian juga melibatkan tahapan seleksi data, preprocessing, transformasi, data mining, dan evaluasi/interpretasi. Selain itu, penelitian ini juga bertujuan untuk mengatasi masalah imbalanced data yang terjadi antara sentimen positif dan negatif dengan menerapkan teknik oversampling menggunakan library SMOTE. Dengan melakukan penelitian ini, diharapkan dapat memberikan wawasan dan pemahaman yang lebih baik tentang analisis sentimen dan kontribusinya dalam memahami pendapat konsumen serta meningkatkan keputusan pembelian produk. Dalam penelitian ini, dilakukan analisis sentimen terhadap ulasan produk e-commerce menggunakan algoritma Naïve Bayes, SVM, dan RNN. Data opini diklasifikasikan menjadi positif, negatif, atau netral. Terdapat perbedaan jumlah data antara sentimen positif dan negatif (imbalanced data), yang diperlakukan secara berbeda dalam model. Hasil penelitian menunjukkan bahwa Naïve Bayes memiliki akurasi 86%, SVM memiliki akurasi 88%, dan RNN memiliki akurasi 96% dengan epoch 100. Abstract Sentiment analysis serves as a valuable tool for capturing consumer opinions and broader public sentiment. Product reviews posted on e-commerce platforms significantly influence product sales. The objective of this research is to perform sentiment analysis on e-commerce product reviews utilizing Naïve Bayes, Support Vector Machine (SVM), and Recurrent Neural Network (RNN) algorithms. The study encompasses data selection, preprocessing, transformation, data mining, and evaluation/interpretation as crucial stages. Moreover, addressing the issue of imbalanced data, particularly the disparity between positive and negative sentiments, is achieved through the application of oversampling techniques utilizing the SMOTE library. This research aims to enhance the understanding of sentiment analysis, its significance in comprehending consumer opinions, and its role in improving product purchase decisions. The sentiment analysis of e-commerce product reviews was conducted using Naïve Bayes, SVM, and RNN algorithms. The opinions were classified as positive, negative, or neutral. Notably, there is a distinction in the data distribution between positive and negative sentiments (imbalanced data), which necessitates distinct treatment within the models. The findings revealed an accuracy of 86% for Naïve Bayes, 88% for SVM, and 96% for RNN with an epoch of 100. 
PENGEMBANGAN SISTEM PENDATAAN DAN MONITORING UNTUK PENCEGAHAN STUNTING DI KOTA BOGOR BERBASIS WEB Zuraiyah, Tjut Awaliyah; Sulistiyono, Fitria Dewi; Mislahudin, Muhamad Fahmi
MULTITEK INDONESIA Vol 18 No 1 (2024): Juli
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v18i1.8819

Abstract

Penanganan kasus stunting belum efektif disebabkan pendataan yang masih dilakukan secara manual oleh Posyandu setempat atau pemerintah desa. Perlu dilakukan upaya-upaya untuk mengatasi masalah stunting di wilayah dengan melakukan pendataan di daerah-daerah yang terdapat kasus stunting. Posyandu sebagai garda terdepan dalam pendataan status kesehatan balita terutama stunting masih melakukan pendataan secara manual dan belum memanfaatkan teknologi smartphone dalam menginputkan data. Penelitian ini bertujuan untuk mengembangkan sistem pendataan dan monitoring untuk pencegahan stunting di kota bogor berbasis web. Tahapan penelitian meliputi: Planning, Analysis, Design, Implementation, Testing & Integration, dan Maintenance. Hasil penelitian ini berupa sistem pendataan dan monitoring stunting yang memiliki fitur-fitur untuk menampilkan data balita meliputi : fitur tambah data balita, fitur label data, fitur tambah petugas, fitur tambah ahli, dan fitur untuk export data ke excel. Website ini telah diuji menggunakan blackbox testing. Skor hasil pengujian sistem ini adalah 100%, yaitu sistem berjalan sesuai dengan output yang diharapkan
Co-Authors Adan Pakhrizal Akbar Akbar Sugih Miftahul Huda Al Aufa, Najmudin Rauf Amalia, Najla Nurul Andi Chairunnas Annisa Putri Asep Kohar Asep Saepulrohman Boldson Herdianto Situmorang Darmawati, Maulita Putri Dewi Syafrani Arbi Sagala Dewi, Delima Sari Dian Kartika Utami Didit Ardianto Eky Hermawan Ema Kurnia Fajar Lukmanul Hakim Fitria Dewi Sulistiyono Halimah Tus Sadiah Halimah Tus Sadiah Harahap, Gilang Haikal Fikri Helmi Aziz Herlambang, Degi Irma Isnafia Arief Lathifah, Suci Lia Dahlia Iryani Lita Karlitasari Mauludin, Kriti Mislahudin, Muhamad Fahmi Mochammad Ramdhani Mohammad Iqbal Suriansyah Mubarok, Yasir Pahmi Muidz Permadi Mulyati, Mulyati Mulyati Nurul Hidayati Prastio, Agung Dwi Regi Dwi Septian Rochman Marota Septian, Regi Dwi Setha, Bira Arya Sufiatul Maryana widanti, Nurdina Yamato, Yamato Yetty Husnul Hayati Yuli Wahyuni Yuli Wahyuni Zaenal Abidin