Article Per Year (5 Year)
p-Index From 2020 - 2025
2.65
P-Index
This Author published in this journals
All Journal Katalogis Natural Science: Journal of Science and Technology Agroland : Jurnal Ilmu-Ilmu Pertanian MEDIA LITBANG SULTENG KOVALEN: Jurnal Riset Kimia SMATIKA LLT Journal: A Journal on Language and Language Teaching Jurnal Sains dan Informatika Jurnal Teknologi Agro-Industri Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Jurnal Ilmiah Manusia dan Kesehatan Indonesia Berdaya Jurnal Pengabdian Kepada Masyarakat (JPKM) Tabikpun Journal of Economics Research and Social Sciences JURNAL SIPISSANGNGI: Jurnal Pengabdian Kepada Masyarakat Sewagati Majalah Cendekia Mengabdi Cakrawala: Jurnal Ekonomi, Manajemen dan Bisnis
Nurhaeni Nurhaeni
Tadulako University
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
Pemberdayaan Aparatur Desa Melalui Literasi Digital untuk Peningkatan Produktivitas Kerja Prasetya, M. Riko Anshori; Nurhaeni, Nurhaeni; Hidayat, Ahmad; Risdianti, Risdianti
Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Vol 7, No 4 (2024): Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstormin
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/japhb.v7i4.7509

Abstract

Era digitalisasi mendorong semua kalangan untuk dapat beradapatasi dengan teknologi tidak terkecuali di pemerintahan. Kebutuhan akan teknologi menjadi sebuah keharusan dimana hampir semua kegiatan pelayanan publik dan tugas-tugas adminstratif menggunakan teknologi. Literasi digital sendiri menjadi sebuah kompetensi wajib yang diperlukan pegawai pemerintah untuk menjalankan tugas-tugas pelayan terhadap masyarakat namun tidak semua pegawai pemerintahan ini mampu untuk berkompentensi di dalam lingkup literasi digital. Salah satu desa yang menghadapi tantangan literasi digital ini adalah Desa Pinang Lama yang menghadapi tantangan besar dalam meningkatkan literasi digital di kalangan aparatur desanya. Rendahnya literasi digital ini berdampak kepada layanan yang diberikan kepada warga desa tersebut. Menyadari pentingnya literasi digital ini, maka dirancanglah program pemberdayaan masyarakat yang berbasis literasi digital. Program ini melibatkan pelatihan tentang perangkat lunak adminstratif seperti penggunaan aplikasi word dan excel dan untuk keamanan data dan juga pengarsipan secara elektronik. Pelaksaan program ini sendiri melibatkan beberapa tahapan seperti survei sebagai langkah awal identifikasi kebutuhan, persiapan, pelaksanaan pelatihan dengan 3 sesi yang intens, dan evaluasi. Hasil evaluasi dari program ini menunjukkan peningkatan dari keterampilan Aparatur Desa Sungai Pinang Lama yang terlihat dalam kinerja yang lebih efesien. Program ini diharapkan dapat menjadi sebuah landasan bagi desa-desa lain dalam upaya peningkatan literasi digital untuk pelayanan publik.
STUDENTS’ PERCEPTUAL ENGLISH LEARNING STYLE; MAJOR AND MINOR PREFERENCES IN HIGHER EDUCATION Arif, Muhammad; Danial, Muhammad; Nurhaeni, Nurhaeni
LLT Journal: A Journal on Language and Language Teaching Vol 24, No 2 (2021): October 2021
Publisher : English Education Study Programme of Sanata Dharma University, Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24071/llt.v24i2.3499

Abstract

Every students have different ways in collecting, processing, and understanding information. Those refers to the preferences of students in learning or known as learning styles. Therefore, this study aimed to identify and recognize the students’ major and minor perceptual learning style preferences in English Education Department at Universitas Sulawesi Barat. This research was used quantitative approach by using survey design. This research was conducted in English Education Department at Universitas Sulawesi Barat with 79 respondents or college students who were selected by Saturated sampling. The data of this research were collected by using Reid’s (1987) Perceptual Learning Style Preferences Questionnaire (PLSPQ). The data were analysed with self-scoring based on Reid (1978) and descriptive statistic by using SPSS Software Statistic Version 20. The findings of the research shows the averages of the learning style of college students in English Education Department at Universitas Sulawesi Barat the year 2019 was categorized as none major perceptual learning styles preference. On the other hand, they were categorized as minor perceptual learning styles preference, in which kinaesthetic learning style had highest mean with (37.84) than another learning style, and followed by group learning style with mean (37.67), tactile with mean (36.91), auditory with mean (36.55), visual with mean (35.87), and individual learning style with mean (34.73). Even though they were categorized as minor perceptual learning styles preference, but the students still be able to learn better by their high minor condition. 
Deteksi Penyakit Diabetes Gestasional Menggunakan Metode CNN Berbasis Web Fitriani, Fitriani; Nurhaeni, Nurhaeni; Zulfadhilah, Muhammad; Cipta, Subhan Panji
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 6 (2024): Desember 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i6.8247

Abstract

Abstrak - Latar Belakang: Diabetes adalah salah satu masalah kesehatan utama di seluruh dunia diabetes mellitus terbagi menjadi beberapa jenis salah satu diantaranya yaitu diabetes melitus gestasional deteksi dini sangat diperlukan untuk menjaring diabetes gestasional menggunakan beberapa algoritma pembelajaran mesinTujuan: Mengetahui tingkat akurasi yang didapatkan dari hasil deteksi dini penyakit diabetes melitus gestasional menggunakan metode convolutional neural network (cnn). Untuk mendeteksi penyakit dini Diabetes Melitus Gestasional menggunakan metode convolutional neural network (cnn).Metode: Penelitian ini menggunakan jenis penelitian eksperimental, yang mana pada penelitian ini menggunakan metode Convolutional Neural Network (CNN). Dengan penelitian eksperimental ini, untuk mengklasifikasikan apakah seseorang tersebut terdeteksi penyakit dini diabetes gestasional yang dikumpulkan dari platform Kaggle dataset ini berjumlah 3525 entri data.Hasil: Dari percobaan yang dilakukan, hasil menunjukkan bahwa percobaan 1 mendapat akurasi sebesar 97%, percobaan 2 sebesar 98%, percobaan 3 sebesar 98%, Dengan demikian, penerapan convolutional neural network (CNN) untuk prediksi diabetes gestasional menggunakan percobaan 2 dengan pertimbangan hasil evaluasi metrix yang lebih baik dan pembagian data uji dan latih yang baik. Simpulan: Keterbatasan dari penelitian ini meliputi representasi dataset yang mungkin tidak mencakup variasi karakteristik demografis dan geografis secara umum, yang dapat mempengaruhi generalisasi model terhadap populasi yang lebih luas. Selain itu, ukuran relatif kecil dari dataset uji, meskipun diperluas pada percobaan ketiga, dapat membatasi evaluasi terhadap data baru yang belum pernah dilihat sebelumnya.Kata Kunci: cnn, diabetes gestasional, prediksi Abstract - Background: Diabetes is one of the major health issues worldwide. Diabetes mellitus is divided into several types, one of which is gestational diabetes mellitus (GDM). Early detection is crucial for screening gestational diabetes, employing several machine learning algorithms.Objective: To determine the accuracy level obtained from the early detection of gestational diabetes mellitus using the convolutional neural network (CNN) method. The aim is to detect early gestational diabetes mellitus using the CNN method.Method: This study is an experimental research using the Convolutional Neural Network (CNN) method. With this experimental research, the researchers aim to classify whether an individual is detected with early gestational diabetes. The dataset, collected from the Kaggle platform, consists of 3525 entries.Results: The experiments showed that Experiment 1 achieved an accuracy of 97%, Experiment 2 achieved 98%, and Experiment 3 also achieved 98%. Thus, the application of the convolutional neural network (CNN) for predicting gestational diabetes was most effective in Experiment 2, considering the better evaluation metrics and the appropriate division of test and training data. Conclusion: The limitations of this study include the representation of the dataset, which may not encompass the demographic and geographic variations in general, potentially affecting the model's generalization to a broader population. Additionally, the relatively small size of the test dataset, even though expanded in the third experiment, may limit the evaluation on new, unseen data.Keywords: cnn, gestational diabetes mellitus, prediction
Pengetahuan Pasutri terhadap Kekerasan pada Perempuan di Kota Parepare Nurhaeni, Nurhaeni; Dwi Putri Rusman, Ayu; Willem, Ilham; Majid, Makhrajani; Usman, Usman; Tabang, Syamsurijal
Jurnal Ilmiah Manusia Dan Kesehatan Vol. 6 No. 2 (2023): Jurnal Ilmiah MANUSIA DAN KESEHATAN
Publisher : FAKULTAS ILMU KESEHATAN UNIVERSITAS MUHAMMADIYAH PAREPARE

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31850/makes.v6i2.2179

Abstract

Perempuan di Indonesia saat ini masih rawan menjadi korban kekerasan. Kekerasan terhadap perempuan merupakan sebuah masalah yang sulit diselesaikan dengan tuntas. Meskipun telah banyak usaha yang dilakukan mulai dari dibentuknya berbagai macam peraturan perundang-undangan oleh pemerintah daerah maupun pemerintah pusat. Tujuan dari penelitian ini adalah Bagaimana pengetahuan pasutri terhadap kekerasan pada perempuan, dan Mengetahui riwayat kekerasan psikis yang pernah dialami ole pasutri di Kota Parepre. Metode penelitian yang digunakan adalah penelitian deskriptif menggunakan pendekatan kuantitatifdengan analisis univariat. Sampel dalam penelitian ini sebanyak 100 pasutri dari 1.255 populasi dengan tekhnik pengambilan sampel menggunakan accidental sampling dengan penentuan jumlah sampel menggunakan rumus slovin. Instrumen penelitian menggunakan kuesioner. Pengolahan data menggunakan program SPSS 24. Hasil penelitian ini adalah Tingkat pengetahuan pasutri di Wilayah Kota Parepare yaitu, yang tergolong dalam kategori tinggi sebanyak 27% sedangkan yang termasuk dalam kategori rendah yaitu sebanyak 73%. Adapun Riwayat kekerasan yang pernah dialami oleh pasutri di Wilayah Kota Parepare yang tergolong dalam kategori baik (tidak pernah mengalami kekerasan) sebanyak 97% dan yang tergolong dalam kategori tidak baik (pernah mengalami kekerasan) sebanyak 3%. Kekerasan dalam rumah tangga dapat terjadi pada semua usia, jenis kelamin, jenjang pendidikan, dan pekerjaan. Oleh karenanya, latar belakang pendidikan yang tinggi, umur seseorang, jenis kelamin dan pekerjaan yang bagus atupun yang tidak memiliki pekerjaan tidak dapat menjamin bahwa seseorang dapat bebas dari perlakuan kekerasan.Diharapkan Bagi pemeintah melalui Dines Pemberdayaan Perempuan dan Perlindungan Anak (DP3A) untuk melakukan edukasi secara berkesinambungan tentang kekerasan pada perempuan baik dalam lingkungan masyarakat umum maupun dalam lingkungan sekolah
Metode Simple Additive Weighting Untuk Pemilihan Sosial Media Pada Pemasaran Digital UMKM Kuliner Kota Banjarmasin Rusidah, Rusidah; Nurhaeni, Nurhaeni; Hidayat, Ahmad; Mambang, Mambang
SMATIKA JURNAL : STIKI Informatika Jurnal Vol 15 No 01 (2025): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v15i01.1461

Abstract

Digital marketing has become very important because the world of marketing has changed through advances in information technology. Interactive and integrated marketing that allows market intermediaries, potential consumers and producers to interact with each other. Instagram, WhatsApp, Twitter, Facebook, Telegram, TikTok, YouTube, and Shopee are social media that are often used in digital marketing. In this research, the data used is Banjarmasin City Culinary UMKM data obtained through a questionnaire totaling 174 respondent data which was distributed to the Banjarmasin City Culinary UMKM group. Data obtained from decision support system calculations using the Simple Additive Weighting method shows that many social media that are popular in society may not be suitable for use as digital media for culinary marketing. The results of the Simple Additive Weighting research show that it can be used to help culinary MSMEs in Banjarmasin City in making decisions about the use of social media through social media ranking results. This decision is reviewed based on several criteria such as length of business, length of use of social media, income and age. The length of business is because the longer the business lasts, the more people will know it. The length of use of social media is because the longer people use social media, the more they understand how to use the features and benefits of the features on social media. The greater the income in the business, the faster the business will develop. If you are at a more ideal age for running a business, your business will develop quickly because you have creative ideas and broad insight into business. The results of the Simple Additive Weighting method research show that WhatsApp has an accuracy value of 0.92, while Telegram has an accuracy value of 0.715. The concrete impact of the results of this research is that social media can help increase sales and the Simple Additive Weighting method can be used as a decision maker in selecting social media as a marketing medium so that Culinary MSMEs do not make the wrong choice in using social media.
Co-Authors Abd. Rahman Razak Abd. Rasyid Syamsuri Abdul Rahman Razak Adini, Muhammad Hifdzi Ahmad Hidayat Ahmad Ridhay Aji, Rizal Ibrahim Ali Djamhuri Amiluddin, Muh. Rafiq Amirullah -, Amirullah Analisa Analisa, Analisa Andi Nursyafinah Andi Saifah aras, faulyna arliana, selvy armon, ariani Asri Wulandari Azhar, Amelia Jagaddhita azizah, wafik Bambang Sardi Basri Basri Bayu Nugraha Budiman, Haldi Cipta, Subhan Panji Deddy Firman Dewi Indriany Dwi Juli Puspitasari Dwi Putri Rusman, Ayu Eka Dwiyanti Tombilayuk Erwin Abdul Rahim Fadliyah, Malikhatul Fitriani Fitriani Habibah, Winda Akhla Haqoiroh, Haqoiroh Hariningsih, Yetti hasyim, hasyim Hermawan, Hildan Bagus Ila Israwaty Indrawan, Yossy Wahyu Irfandi Irfandi, Irfandi Irpan Irpan Jaya Hardi Jumaroh, Jumaroh Kumba Digdowiseiso, Kumba Laksono Trisnantoro Lestari, Yayuk Puji Lindayati Djamil, Lindayati Luviriani, Eva Mahfud Mahfud Makhrajani Majid Mambang Mappiratu Mappiratu Mappiratu Mappiratu Maulana, Asad Maulana, Maghfur Melda, Melda Miswan Moh. Mirzan Mohammad Sidiq Mudinillah, Adam Muhammad Arif Muhammad Danial Muhammad Zulfadhilah Musafira Musafira Musafira Musafira Naparin, Husni Nasution, Annio Indah Lestari Neni Sri Wahyuni Nasir Ni Ketut Sumarni Novrina Rasinta Ranonto Nur Afni I. Hanapi, Nur Afni I. Nur Alam Nur Alam Nur Iman Nurakhirawati Nurakhirawati Nurul Bima Khasanah Ofelman Talunoe Oktavia, Samita Prasetya, M. Riko Anshori Prastya, Septyan Eka Putri Hardiyanti Ramadhan, Alman Shafly Rezeki, Yuliarti Risdianti, Risdianti Risma Risma, Risma Rudy Ansari, Rudy Rusidah, Rusidah safry, sarah Sembiring, Rinawati Siti Helmyati Solly Aryza Sri Adeningsih sukriadi sukriadi SYAIFUL BAHRI Tabang, Syamsurijal Tri Rahayu Tiaradewi Tri Rahayu Tiaradewi, Tri Rahayu Tiaradewi triyanda, ayu Tuti Alawiyah Ummi Rahayu, Ummi Usman Usman waslia, waslia welso, welso Widiawati, Erika Willem, Ilham Yuniar Yuniar Yuwindry, Iwan