Article Per Year (5 Year)
p-Index From 2021 - 2026
4.201
P-Index
This Author published in this journals
All Journal Dinamik Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Bina Insani ICT Journal JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Nasional Komputasi dan Teknologi Informasi Journal of Innovation Information Technology and Application (JINITA) Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) Informatics and Digital Expert (INDEX) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Jurnal Pendidikan dan Pembelajaran Indonesia (JPPI) Journal of Information Technology (JIfoTech) Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Journal of Information System Exploration and Research Jurnal Kecerdasan Buatan dan Teknologi Informasi IPSIKOM Manexia Jurnal Nasional Komputasi dan Teknologi Informasi
NUK GHURROH SETYONINGRUM
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Neuroscience Public Health Social Sciences Transportation Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
DOKUMENTASI DIGITAL MAKANAN TRADISIONAL DAERAH SEBAGAI UPAYA MENINGKATKAN DAYA TARIK TASIKMALAYA SETYONINGRUM, NUK GHURROH; KAPI, CECEP M.
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 6 No 1 (2021): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (960.285 KB) | DOI: 10.24252/instek.v6i1.16589

Abstract

Pengaruh budaya luar yang masuk ke Indonesia menyebabkan masyarakat semakin melupakan tradisi budaya yang menjadi ciri khas bangsa Indonesia. Makanan-makanan tradisional, minuman tradisional, mungkin sudah dipandang sebelah mata dan terkesan kuno.. Metode pengumpulan data untuk keperluan penelitian ini dengan cara wawancara dan observasi yang digunakan untuk mendapatkan data primer. Juga  studi pustaka, teknik pengumpulan ini digunakan untuk mendapatkan data sekunder tentang obyek penelitian dan referensi tentang teori pendukung dan metode melalui buku-buku dan majalah ilmiah. Metode yang digunakan untuk pengembangan sistem informasi adalah SDLC atau Systems Development Life Cycle. Hasil yang diharapkan dari penelitian ini adalah membantu meningkatkan pesona kota Tasikmalaya terutama dari bidang pangan. Sehingga membantu pendapatan perekonomian kota Tasikmalaya. Kata Kunci: dokumentasi digital, makanan tradisional, Tasikmalaya
The Impact of Linguistic Features on Emotion Detection in Social Media Texts Setyoningrum, Nuk Ghurroh; Febriani SM, Neng Nelis; Alam, Alam; Nurdin, Arif Muhamad; Nursamsi, Dede Rizal; Lodana, Mae B
Innovation in Research of Informatics (Innovatics) Vol 7, No 1 (2025): March 2025
Publisher : Department of Informatics, Siliwangi University, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v7i1.13221

Abstract

Emotions are an important aspect of human life, and scientific theories on emotions have been widely developed in various research fields such as philosophy, psychology, and neuroscience. In human-computer interaction, understanding emotions is also very important. Detecting emotions not only enables better decision-making, but is also useful in various contexts such as business, politics, and mental health. The focus on identifying emotions in text arises because emotions are often implied without explicit words. Through the analysis of grammar and sentence structure, text mining techniques enable the extraction of sentiments and emotions. Detecting and identifying emotions in text is important because it can be applied in a variety of fields, including decision-making, prediction of human emotions, product assessment, analysis of political support, and identification of depression. Text as textual data is an important source of information due to its ability to convey human emotions. In this research, emotion detection uses the Naïve Bayes method, with attribute weighting to improve accuracy using count vector. This classification approach allows grouping text into six emotion categories: happy, sad, fear, love, shock, and anger. The Naïve Bayes method was chosen for its reliability in classifying data based on conditional probabilities. Thus, this research provides a deeper understanding of understanding and managing emotions in the context of social media. The data classification results yield precision, recall, F1-Measure, and accuracy values.
Improving Infant Cry Recognition Using MFCC And CNN-Based Audio Augmentation Setyoningrum, Nuk Ghurroh; Utami, Ema; Kusrini, Kusrini; Wibowo, Ferry Wahyu
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 2 (2025): JUTIF Volume 6, Number 2, April 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.2.4373

Abstract

Recognizing infant cries is essential for understanding a baby's needs; however, previous research has struggled with imbalanced datasets and limited feature extraction techniques. Conventional methods utilizing CNN without data augmentation often failed to accurately classify minority classes such as belly pain, burping, and discomfort, resulting in biased models that predominantly recognized majority classes. This study proposes an MFCC-based data augmentation pipeline, incorporating time stretching, pitch scaling, noise addition, polarity inversion, and random gain adjustments to increase dataset diversity and enhance model generalization. By applying this approach, the dataset size was expanded from 457 to 8,683 samples, and a CNN model with three convolutional layers, ReLU activation, and max pooling was trained for cry pattern classification. The results indicate a substantial accuracy improvement from 78% to 98%, with F1-scores for minority classes rising from 0.00 to above 0.90, confirming that augmentation effectively addresses dataset imbalance. This research advances computer science and artificial intelligence, particularly in audio signal processing and deep learning for healthcare applications, by demonstrating the role of data augmentation in improving cry classification performance. Future directions include integrating multimodal data (visual and physiological signals), exploring advanced deep learning architectures, and developing real-time applications for smart baby monitoring systems to further enhance infant cry recognition technology.
Pengembangan Sistem Pendukung Keputusan Penentuan Kelayakan Telur Tetas Ayam Menggunakan Metode SAW-WP Priyadi, Dimas; Rizal Nursamsi, Dede; Ghurroh Setyoningrum, Nuk
Informatics and Digital Expert (INDEX) Vol. 7 No. 2 (2025): INDEX, November 2025
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v7i2.2372

Abstract

Telur tetas merupakan faktor penting dalam pembibitan ayam karena kualitas telur yang digunakan akan menentukan keberhasilan penetasan. Di Nurhidayat Farm, proses seleksi kelayakan telur masih dilakukan secara manual dan subjektif sehingga berpotensi menimbulkan ketidakkonsistenan hasil. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan (SPK) berbasis web untuk menentukan kelayakan telur tetas ayam dengan mengkombinasikan metode simple additive weighting (SAW) dan weighted product (WP). Kedua metode ini dipilih karena mampu memberikan perhitungan objektif melalui normalisasi bobot kriteria dan perhitungan preferensi. Penilaian didasarkan pada empat kriteria utama, yaitu berat telur, usia telur, kebersihan cangkang, dan ukuran telur. Pengembangan sistem menggunakan metode waterfall mulai dari analisis kebutuhan, perancangan, implementasi, hingga pengujian dengan metode black box. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memberikan hasil perangkingan telur berdasarkan tingkat kelayakan secara konsisten dan akurat. Dengan demikian, sistem ini dapat membantu peternak meningkatkan efisiensi proses seleksi serta mengurangi ketergantungan pada intuisi subjektif. Selain itu, sistem yang dibangun menyajikan tampilan interaktif dan dapat diakses secara real-time sehingga mendukung pengambilan keputusan yang lebih cepat dan tepat.
Perbandingan Kinerja Algoritma Decision Tree Dan Naïve Bayes Dalam Analisis Sentimen Publik Terhadap Kebijakan Pemerintah Mengenai Batasan Penggunaan Media Sosial Anak mar'atusholihat, amelia; Ghurroh Setyoningrum, Nuk; Rizal Nursamsi, Dede
Informatics and Digital Expert (INDEX) Vol. 7 No. 2 (2025): INDEX, November 2025
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v7i2.2407

Abstract

Perkembangan teknologi informasi menjadikan media sosial sebagai sarana utama untuk berinteraksi, berbagi informasi, dan mengekspresikan pendapat. Namun, tingginya penggunaan media sosial oleh anak-anak menimbulkan kekhawatiran terhadap dampak negatif yang ditimbulkan, sehingga pemerintah menetapkan kebijakan pembatasan usia anak dalam penggunaan media sosial. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan tersebut dengan menerapkan algoritma Decision Tree dan Naïve Bayes. Data penelitian diperoleh dari komentar pengguna TikTok terkait isu pembatasan usia. Tahapan penelitian meliputi pengumpulan data dengan web scraping, pra-pemprosesan (translation, case folding, cleansing, tokenizing, stopword removal, stemming), pelabelan sentimen (positif, negatif, netral), serta representasi data menggunakan Bag of Words. Dataset dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memiliki performa lebih baik dibandingkan Decision Tree. Naïve Bayes mencapai akurasi 97,14%, presisi 97,08%, dan recall 96,92%, sedangkan Decision Tree memperoleh akurasi 91,90%, presisi 96,46%, dan recall 79,76%. Temuan ini membuktikan bahwa Naïve Bayes lebih efektif dalam analisis sentimen media sosial, terutama pada dataset dengan distribusi kelas beragam.Penelitian ini berkontribusi pada pemahaman penerapan algoritma klasifikasi dalam menganalisis opini publik terhadap kebijakan pemerintah, khususnya pembatasan usia media sosial. Selain itu, hasilnya dapat menjadi rujukan bagi pembuat kebijakan maupun penelitian selanjutnya dengan dataset lebih besar atau algoritma yang lebih kompleks.
Sistem Pendukung Keputusan Untuk Rekomendasi Pembelian Motor Bekas Berdasarkan Harga Dan Kondisi Wildan Hannan, Muhammad; Rizal Nursamsi, Dede; Ghurroh Setyoningrum, Nuk
Informatics and Digital Expert (INDEX) Vol. 7 No. 2 (2025): INDEX, November 2025
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v7i2.2426

Abstract

Motor bekas merupakan faktor penting dalam proses pembelian kendaraan karena kualitas motor yang dipilih akan menentukan kepuasan dan keandalan pengguna. Di Sanjaya Motor, proses pemilihan motor bekas masih dilakukan secara manual dan subjektif sehingga berpotensi menimbulkan ketidakkonsistenan hasil rekomendasi. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan untuk menentukan kelayakan motor bekas dilakukan dengan menerapkan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode ini dipilih karena mampu memberikan perhitungan objektif melalui proses normalisasi, pembobotan kriteria, dan perhitungan nilai preferensi. Penilaian didasarkan pada empat kriteria utama, yaitu harga motor, tahun produksi, jarak tempuh, dan kondisi mesin. Pengembangan sistem menggunakan metode Waterfall, yang meliputi tahap analisis kebutuhan, perancangan, implementasi, dan pengujian dengan metode Black Box. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memberikan hasil perangkingan motor bekas secara konsisten dan akurat. Dengan demikian, sistem ini dapat membantu konsumen dalam memilih motor bekas yang sesuai kebutuhan dan kemampuan finansial, serta meningkatkan efisiensi proses pengambilan keputusan.
Augmentasi Data Audio Menggunakan Metode Time Shifting dan Random Gain Alam Alam; Nuk Ghurroh Setyoningrum; Robby Maududy; Miftahudin Miftahudin
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i3.9062

Abstract

Abstrak - Penelitian ini membahas penerapan teknik augmentasi data audio sebagai solusi untuk mengatasi keterbatasan jumlah dataset dalam pengembangan model pembelajaran mesin pada pengenalan dan pemrosesan sinyal audio. Augmentasi data dilakukan untuk memperluas dan memperkaya variasi data tanpa perlu mengumpulkan data tambahan, dengan tujuan meningkatkan performa model. Dua metode augmentasi yang digunakan dalam penelitian ini adalah time shifting dan random gain. Time shifting dilakukan dengan menggeser sinyal audio sejauh 0,2 detik untuk menjaga kealamian suara, sementara random gain mengatur volume audio secara acak dalam rentang 0,5 hingga 1,5. Dataset yang digunakan berupa pelafalan 28 huruf hijaiyah dengan total 364 data audio dari sumber terbuka di Kaggle. Hasil augmentasi menunjukkan peningkatan variasi sinyal audio tanpa mengubah karakteristik inti suara, yang diharapkan dapat meningkatkan akurasi dan ketahanan model dalam menghadapi variasi input audio. Penelitian ini memberikan kontribusi terhadap pemanfaatan teknik augmentasi sebagai strategi efektif dalam pengolahan data audio terbatas untuk pengembangan model pembelajaran mesin yang lebih handal.Kata kunci: Augmentasi; Data; Audio; Random Gain; Time Shifting. Abstract  - This paper discusses the application of audio data augmentation techniques as a solution to the limited number of datasets in the development of machine learning models in audio signal recognition and processing. The process of data augmentation involves the expansion and enrichment of data sets without the necessity of collecting additional data. The objective of this process is to enhance the performance of models. The two augmentation methods employed in this study are time shifting and random gain. Time shifting involves the adjustment of the audio signal by 0.2 seconds, a modification intended to preserve the naturalness of the sound. Random gain, on the other hand, adjusts the audio volume within the range of 0.5 to 1.5, a process that is entirely random. The dataset employed in this study consists of the pronunciation of 28 Hijaiyah letters, encompassing a total of 364 audio data points sourced from open databases on Kaggle. The augmentation results demonstrate an augmentation in audio signal variation without a concomitant alteration in the fundamental characteristics of the sound. This is expected to enhance the accuracy and robustness of the model in the face of audio input variations. This research makes a significant contribution to the field by demonstrating the efficacy of augmentation techniques as a strategy for processing limited audio data, thereby facilitating the development of more reliable machine learning models.Keywords: Audio; Data; Augmentation; Random Gain; Time Shifting.
Polarized Amplitude Time Spiral Encoding for Infant Cry Audio Augmentation and CNN Classification Nuk Ghurroh Setyoningrum; Ema Utami; Kusrini; Ferry Wahyu Wibowo
Journal of Innovation Information Technology and Application (JINITA) Vol 7 No 2 (2025): JINITA, December 2025
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/10.35970/jinita.v7i2.2960

Abstract

Recognizing infant cries is essential for healthcare, yet conventional representations such as spectrograms and MFCC often fail to capture temporal dynamics, limiting classification performance. This study introduces Polarized Amplitude Time Spiral Encoding (PATSE), a novel transformation that encodes amplitude and time into spiral-based polar representations, enabling richer visual features for deep learning. To address data scarcity and imbalance, audio augmentation techniques time stretching, time shifting, pitch scaling, and polarity inversion were applied, expanding the dataset from 457 to 6855 samples. A Convolutional Neural Network (CNN) trained on PATSE images achieved notable improvements, with overall accuracy increasing from 80% before augmentation to 93% after augmentation. The model attained high performance on the dominant Hungry class (F1-score = 0.96) while also enhancing recognition of minority classes such as belly pain, burping, discomfort, and tired. These results confirm the effectiveness of PATSE in improving generalization and reducing bias, offering a distinctive advantage over linear representations. The proposed framework provides a foundation for intelligent infant cry monitoring and early detection systems in healthcare.
Pengaruh Pelatihan STEAM Menggunakan Assemblr Edu terhadap Peningkatan Kompetensi Guru Sekolah Dasar di Tasikmalaya Nurwendah, Anisa Solehah; Setyoningrum, Nuk Ghurroh; Febriani, N. Nelis; Khozizah, Putri
Jurnal Pendidikan dan Pembelajaran Indonesia (JPPI) Vol. 6 No. 1 (2026): Jurnal Pendidikan dan Pembelajaran Indonesia (JPPI), 2026 (1)
Publisher : Yayasan Pendidikan Bima Berilmu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53299/jppi.v6i1.3356

Abstract

Penelitian ini bertujuan untuk mengkaji pengaruh pelatihan STEAM yang memanfaatkan platform Assemblr Edu terhadap peningkatan kompetensi guru Sekolah Dasar. Penelitian ini dilatarbelakangi oleh perlunya penguatan kemampuan pedagogis dan digital guru dalam merancang pembelajaran yang inovatif dan kontekstual. Metode penelitian menggunakan desain kuasi-eksperimen dengan model one-group pretest–posttest. Subjek penelitian meliputi 30 guru Sekolah Dasar di Kota Tasikmalaya yang dipilih menggunakan teknik purposive sampling berdasarkan kriteria tertentu, yaitu guru yang aktif mengajar dan bersedia mengikuti seluruh rangkaian pelatihan. Prosedur penelitian mencakup pelaksanaan pretest, pelatihan STEAM berbasis Assemblr Edu, observasi keterampilan mengajar, pengisian angket literasi digital, dan pemberian posttest. Analisis data dilakukan melalui statistik deskriptif, uji normalitas Shapiro–Wilk, uji paired sample t-test, serta perhitungan N-Gain. Hasil penelitian menunjukkan adanya peningkatan kompetensi guru yang signifikan, dibuktikan melalui hasil paired sample t-test (sig. = 0.000) dan nilai rata-rata N-Gain sebesar 0.73 yang termasuk kategori tinggi. Observasi kinerja mengindikasikan bahwa guru mampu mengembangkan proyek berbasis AR dengan kualitas sangat baik, serta memperoleh skor literasi digital yang tinggi. Temuan ini menegaskan bahwa pelatihan STEAM dengan dukungan teknologi augmented reality melalui Assemblr Edu dapat memperkuat pemahaman konseptual, kemampuan perancangan proyek, dan keterampilan pedagogis guru. Dengan demikian, pelatihan STEAM yang memanfaatkan Assemblr Edu berpengaruh positif terhadap peningkatan kompetensi guru Sekolah Dasar.
Digital Authenticity under Generative AI: Mechanisms of Synthetic Signal Construction and Strategic Legitimacy in Branding Nuk Ghurroh Setyoningrum; Ahmad Mundzir
Manexia: Journal of Business, Management, and Creative Economy Vol. 1 No. 2 (2025): Strategic Reconfiguration and Generative AI in Marketing and Creative Economy
Publisher : UDEX Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66203/manexia.01205

Abstract

The diffusion of generative artificial intelligence (GenAI) in branding practices challenges a central assumption in authenticity research: that legitimacy derives primarily from indexical continuity between expressive artifacts and experiential origin. As firms increasingly rely on synthetic systems to produce scalable, adaptive, and stylistically coherent brand communications, the structural linkage between expression and embodied authorship becomes attenuated. This article develops a mechanism-based framework to explain how authenticity and strategic legitimacy are reconstructed under conditions of generative intensification. Integrating signaling theory, legitimacy theory, and dynamic capabilities, the analysis conceptualizes authenticity as an emergent property of orchestrated synthetic signal regimes rather than as an intrinsic attribute of origin. The framework specifies a curvilinear relationship between generative AI intensity and perceived authenticity: moderate integration enhances coherence and responsiveness, while uncalibrated intensification risks signal dilution and perceived artificiality. Perceived authenticity mediates the effect of generative intensity on strategic legitimacy, and synthetic signal orchestration capability conditions the threshold at which legitimacy erosion occurs. Contextual salience, including heritage intensity and customer epistemic sensitivity, further shapes these dynamics. By reframing authenticity as governance-dependent under digital abundance, the article extends branding theory and dynamic capabilities scholarship while providing a structured agenda for empirical examination of AI-enabled marketing transformation.
Co-Authors Agung Prihandono Ahmad Mundzir Aini Syifa, Raisa Hilia ALAM Anisa Solehah Nurwendah Ansor, Muhamad Ardhiansyah Dea Dewi Damayanti Drajat, Hilmi Maulana Dwika Ananda Agustina Pertiwi Ema Utami Fauzan Natsir Ferry Wahyu Wibowo Ferry Wahyu Wibowo Fithri Sri Mulyani Hanina Sapira Hari Murti Hilmi Rahmawati Ia Riham Nurrahma KAPI, CECEP M. Kholiq Mochamad Ramdan Khozizah, Putri Kusrini Lodana, Mae B Mae Lodana mar'atusholihat, amelia Miftahudin Miftahudin Much Aziz Muslim Mustofa, Pramesti Melyna N. Nelis Febriani SM Nenden Nurkhopipah Nurdin, Arif Muhamad Nursamsi , Dede Rizal Nursamsi, Dede Rizal Pepi Alpiani Praseptiawan, Mugi Priyadi, Dimas Putri Khozizah Rifa Maulida Rizal Nursamsi, Dede Robby Maududy Sri Sudiarti Sudiarjo, Aso Syifa Aenun Naja Wildan Hannan, Muhammad Windriyana Yustiana Yustiana