Article Per Year (5 Year)
p-Index From 2020 - 2025
3.916
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JIEET (Journal of Information Engineering and Educational Technology) PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science Journal of Informatics and Computer Science (JINACS)
ANITA QOIRIAH
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Negeri Surabaya
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Analisis Sentimen Opini Publik Terhadap Program Merdeka Belajar Kampus Merdeka Dengan Algoritma Naive Bayes - Support Vector Machine (NBSVM) Uyun, Qurrotul; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 02 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n02.p589-605

Abstract

Abstrak— Pendidikan memegang peran penting untuk mendorong pengembangan dan penyebaran teknologi  secara inklusif. Untuk mendorong hal itu Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi mengeluarkan kebijakan penyelenggaraan program Merdeka Belajar – Kampus Merdeka (MBKM). Permasalahan serta manfaat yang ingin didapatkan melalui program MBKM menimbulkan pro dan kontra dari akademisi maupun khalayak umum. Pro dan kontra tersebut diutarakan oleh publik melalui media sosial Twitter (X) dan membentuk beragam jenis sentimen. Pada penelitian ini dilakukan klasifikasi terhadap opini positif, negatif, dan netral dengan metode Naive Bayes - Support Vector Machine dengan data bersumber dari media sosial Twitter. Kombinasi antara metode Naive Bayes yang sesuai untuk melakukan klasifikasi pada cuplikan singkat dari dokumen dan Support Vector Machine yang cocok untuk teks dalam jumlah relatif banyak diharapkan mampu menunjukkan gambaran umum persepsi publik terhadap pelaksanaan Program Merdeka Belajar - Kampus Merdeka. Penelitian ini merupakan penelitian eksperimen yang memanfatkan metode kuantitatif. Dalam penelitian ini, data yang telah melewati tahap prapemrosesan dibagi menjadi data latih dan data uji. Data yang telah melalui proses ekstraksi fitur dirangkai menjadi unigram, bigram, dan trigram yang digunakan untuk melatih Model Naive Bayes - Support Vector Machine. Pengolahan data pada model NBSVM penelitian ini memanfaatkan pemrosesan serial. Pada tahap terakhir dilakukan uji performansi pada model yang telah dilatih. Uji performansi pada model menunjukkan metode Naive Bayes - Support Vector Machine (NBSVM) dengan memanfaatkan K-fold Cross Validation untuk pembagian data menunjukkan akurasi yang paling optimal dengan nilai fold yaitu 25. Adapun hasil akurasi yang didapatkan sebesar 95%, precision 95%, recall dan f1-score sebesar 94%.   Kata Kunci— n-gram, analisis sentimen, NBSVM, kampus merdeka, kombinasi metode.
Exploring the tree algorithms to generate the optimal detection system of students' stress levels Yamasari, Yuni; Qoiriah, Anita; Rochmawati, Naim; Prapanca, Aditya; Prihanto, Agus; Suartana, I Made; Ahmad, Tohari
Indonesian Journal of Electrical Engineering and Computer Science Vol 36, No 1: October 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v36.i1.pp548-558

Abstract

The significant changes in the world of education after the coronavirus disease 2019 (COVID-19) pandemic have increased students' anxiety levels. This anxiety can trigger stress which can interfere with students' academic performance. Therefore, this condition is a critical problem that needs to be addressed immediately. However, researchers have not previously conducted much research to detect post-COVID stress levels. Apart from that, the existence of a system capable of carrying out this detection is still lacking. Therefore, this research focuses on building a system for detecting student stress levels. First, an exploration of the tree algorithm was carried out to find the most optimal method for recognizing student stress levels. Then a detection system is built using this optimal method. The research results show that the tree ID3 (Iterative Dichotomiser 3) algorithm achieves the highest accuracy value of 95% compared to other tree algorithms with the scenario of dividing training data into test data of 80%:20%. Moreover, this telegram bot-based detection system works well in recognizing three categories of stress, namely: light-, moderate-, and heavy stress based on black-box testing techniques.
Penerapan DINOv2 pada Content Based Image Retrieval (CBIR) dalam Website Katalog Digital Batik Surabaya Rafif Raif, Andi Rhifqy; Putra, Ricky Eka; Prapanca, Aditya; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n03.p678-687

Abstract

Abstrak— Penelitian ini bertujuan mendeskripsikan  Penerapan sistem teknologi model AI dengan metode pelatihan DINOv2 dalam CBIR untuk motif batik pada website katalog digital batik Surabaya, Hasil pengukuran performa website katalog digital batik Surabaya, dan hasil penilaian pelaku UKM batik Surabaya terhadap efektivitas website dalam membantu memperkenalkan dan memasarkan batik dengan motif khas Surabaya. Jenis penelitian adalah deskriptif kuantitatif. Metode penelitian menggunakan double diamond model meliputi empat tahap yaitu: Discover meliputi analisis informasi mengenai jenis-jenis batik Surabaya yang dijadikan sebagai sumber ide utama pembuatan Katalog digital berbasis web dengan menerapkan DINOv2, define yaitu menganalisis tahapan yang akan dilakukan dalam pengembangan dan perancangan Katalog Digital, Develop yaitu pengembangan dari permasalahan yang ada pada tahap sebelumnya dengan solusi melakukan penyusunan storyboard, susunan gambar batik, rancangan desain katalog digital, dan elemen-elemen desain katalog digital, dan Deliver yaitu dilakukan pemikiran secara konvergen dan fokus kepada responden.. Instrumen pengumpulan data menggunakan kuisioner dengan jumlah responden 18 orang pelaku UKM batik. Skala instrumen yang digunakan yaitu rating scale likert dengan interval 1- 4. Hasil penelitian menunjukkan bahwa Penerapan DINOv2 dalam CBIR untuk motif batik Surabaya dapat dilakukan Performa CBIR dapat mencapai 74% dengan rata-rata 64% Katalog digital batik Surabaya dinilai efektif sebagai sarana informasi batik motif khas surabaya. Berdasarkan hasil tersebut disimpulkan bahwa secara keseluruhan website katalog digital batik Surabaya mendapatkan nilai yang baik. Katalog digital batik Surabaya bisa digunakan sebagai media pengenalan dan pemasran motif batik khas Surabaya sehingga bisa dikenal lebih luas oleh masyarakat.   Kata Kunci— Batik Surabaya, CBIR, DINOv2, Katalog digital.
Rekomendasi Prioritas Penyelesaian Masalah Berdasarkan Notulensi dari Bimbingan Skripsi dengan Machine Learning AB Sinaga, Christiano Zetro; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p910-923

Abstract

Abstrak— Proses bimbingan skripsi sering kali menghasilkan notulensi yang memuat berbagai permasalahan yang harus diselesaikan dengan tingkat prioritas berbeda. Namun, penentuan tingkat prioritas tersebut sering kali subjektif dan memakan waktu. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi tingkat prioritas berdasarkan notulensi bimbingan skripsi menggunakan Machine Learning dengan algoritma SVM. Proses pengembangan model meliputi pengumpulan dataset notulensi dari mahasiswa semester akhir, augmentasi data melalui back-translation, preprocessing data, pencarian parameter optimal, serta pelatihan model SVM. Data penelitian diambil dari notulensi mahasiswa dengan total 1720 data yang telah diproses menjadi tiga kelas prioritas. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, menghasilkan akurasi tertinggi 97% dengan kernel RBF setelah penghapusan outlier. Sistem sederhana berbasis model SVM kemudian diuji 58 mahasiswa dari berbagai universitas untuk mengevaluasi tingkat kepuasan terhadap akurasi dan kemudahan sistem. Penilaian dilakukan melalui kuesioner berbasis skala likert. Hasil analisis menunjukkan bahwa pengguna memberikan penilaian positif terhadap akurasi hasil rekomendasi, kemudahan penggunaan, serta kejelasan informasi yang diberikan sistem Kata Kunci— Machine Learning, SVM, Notulensi, Rekomendasi, Prioritas, Bimbingan Skripsi
Implementasi Algoritma Machine Learning untuk Pengelolaan Laporan pada Website Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) Kota Surabaya Iqbal Zaki, Naufal; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1063-1075

Abstract

Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) Kota Surabaya menghadapi tantangan dalam pengelolaan laporan perizinan akibat tingginya volume data dan proses manual yang kurang efisien. Penelitian ini mengimplementasikan algoritma Machine Learning dalam sistem pengelolaan laporan berbasis web guna mengotomatisasi proses klasifikasi dan prediksi secara cerdas. Algoritma Naive Bayes digunakan untuk memprediksi jenis layanan, sedangkan Regresi Linear digunakan untuk memprediksi durasi layanan. Dataset yang digunakan terdiri dari 3.434 entri laporan perizinan bulan November 2024 yang telah melalui proses preprocessing. Hasil pelatihan model Naive Bayes menunjukkan akurasi sebesar 95–96%, dengan presisi tertinggi 97% pada skenario pembagian data 70:30 serta F1-Score yang stabil pada angka 96%. Model Regresi Linear menunjukkan performa terbaik pada skenario 85:15 dengan Mean Absolute Error (MAE) sebesar 0,38 hari dan Mean Absolute Percentage Error (MAPE) sebesar 8,42%. Sistem ini terbukti mampu mengurangi kesalahan manual, mempercepat pemrosesan laporan, dan meningkatkan keandalan hasil prediksi. Antarmuka sistem yang interaktif dan mudah digunakan telah diuji oleh 18 responden, dengan tingkat kepuasan mencapai 100%. Hasil ini menunjukkan bahwa implementasi algoritma Machine Learning secara signifikan dapat meningkatkan efisiensi dan akurasi pelayanan publik, serta berpotensi menjadi model rujukan bagi pengembangan sistem serupa di instansi pemerintahan lainnya. Kata Kunci— Machine Learning, Naive Bayes, Regresi Linear, Laporan Perizinan, DPMPTSP Surabaya.
Perancangan Dan Pembangunan Sistem Informasi Keuangan Yayasan Umar Faruq Al Arifin Berbasis Website Menggunakan Metode Agile Pendekatan Kanban Zulfikar, Mochammad; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1120-1130

Abstract

Abstrak— Yayasan Umar Faruq Al-Arifin merupakan lembaga pendidikan swasta yang menaungi dua institusi, yaitu SMP dan MA Al-Arifin. Yayasan ini menghadapi kendala dalam pengelolaan keuangan karena masih menggunakan sistem manual, seperti pencatatan melalui buku dan penyampaian laporan via WhatsApp. Hal ini menyebabkan kurangnya transparansi, keterlambatan informasi, dan risiko kehilangan data. Untuk menyelesaikan masalah pada yayasan tersebut, penelitian ini dilakukan untuk merancang dan membangun sistem informasi keuangan berbasis websitemenggunakan metode Agile dengan pendekatan Kanban. Sistem ini dikembangkan dengan teknologi PHP, Laravel, MySQL, dan dilakukan pengujian menggunakan metode Blackbox Testing serta System Usability Scale (SUS). Fitur utama yang dikembangkan meliputi pengelolaan pembayaran SPP, tagihan asrama, donasi, laporan keuangan, serta riwayat transaksi pengguna. Hasil penelitian menunjukkan bahwa seluruh fitur utama seperti pengelolaan pembayaran SPP, tagihan asrama, donasi, laporan keuangan, dan riwayat transaksi berhasil dikembangkan dan berfungsi sesuai rencana. Pengujian Menggunakan blackbox pada setiap task menunjukkan sistem berhasil dikembangkan tanpa adanya eror dan bug pada sistem begitu pun dengan pengujian System Usability Scale (SUS) menghasilkan skor 72,4 yang termasuk dalam kategori layak digunakan dan diterima oleh pengguna dengan grade C.   Kata Kunci— Agile, Kanban, Laravel, Sistem informasi keuangan, SUS, Website, Yayasan
Sistem Pengelolaan Dan Prediksi Pemeliharaan Kendaraan Satpol PP Kota Surabaya Berbasis Website Bintang, Elroy; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Vol. 6 No. 04 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v6n04.p1163-1167

Abstract

Abstrak - Penelitian ini bertujuan untuk mengembangkan website yang dapat membantu pengelolaan dan prediksi pemeliharaan kendaraan operasional Satuan Polisi Pamong Praja Kota Surabaya. Sistem ini dirancang untuk meningkatkan efisiensi pencatatan, mengurangi kesalahan manual, serta mendukung pengambilan keputusan berbasis data. Dalam pengembangannya, sistem ini menggunakan metode Waterfall dan memanfaatkan algoritma Random Forest Regressor untuk memprediksi waktu pemeliharaan kendaraan berdasarkan data historis seperti usia kendaraan, kilometer tempuh, dan jenis kerusakan. Selain fitur Pengelolaan kendaraan dan servis, sistem juga dilengkapi dengan modul prediksi pemeliharaan dan laporan digital. Hasil pengujian menunjukkan bahwa model tanpa data sintetis memiliki akurasi prediksi yang cukup stabil dengan nilai Mean Absolute Percentage Error (MAPE) di kisaran 38%–40% dan Mean Absolute Error (MAE) di Kisaran 1,4245-1,5098% yang mengindikasikan kinerja model yang masih perlu ditingkatkan. Namun, penambahan data sintetis berhasil menurunkan nilai MAPE secara signifikan menjadi 2,4%–2,5% dan Mean Absolute Error (MAE) menjadi 0,891-0,937% . Sistem ini diharapkan dapat meningkatkan kinerja Satpol PP dalam pengelolaan kendaraan dinas secara lebih digital, akurat, dan proaktif.   Kata Kunci: Sistem Informasi, Prediksi Pemeliharaan, Random Forest Regressor, Kendaraan Dinas, Satpol PP, Website Laravel, Manajemen Kendaraan.
Pelatihan Aplikasi Komputer untuk Penulisan Ilmiah di SMPN 1 Pagerwojo Tulungagung Jawa Timur: Computer Application Training for Scientific Writing at SMPN 1 Pagerwojo Tulungagung East Java Yamasari, Yuni; Qoiriah, Anita; Putra, Ricky Eka; Prihanto, Agus; Suartana, I Made; Prapanca, Aditya
PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Vol. 10 No. 8 (2025): PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33084/pengabdianmu.v10i8.9435

Abstract

Teacher professionalism development is one of the strategic steps in improving the quality of education at SMP Negeri 1 Pagerwojo, Tulungagung, East Java. However, limited access to training and a lack of utilization of technology are significant obstacles for teachers, especially in the field of scientific writing. Scientific writing skills are essential in improving teaching skills, developing learning materials, and contributing to educational literature. To solve this problem, this community service activity aims to enhance teachers' skills in scientific writing through training in the use of applications. The training utilizes key features, such as reference management, automatic citation settings, and scientific document management. The training method includes the application installation stage, direct training, and analysis of results through measuring participant responses using a Likert scale. The study showed that the training improved teachers' understanding and skills in utilizing technology to support scientific writing. Most participants responded positively to the training, with a percentage of 77.55%. These results indicate that similar training needs to be further developed to support teacher professionalism, especially in areas with limited access to training.
Prediksi Tingkat Stres Berdasarkan Pola Hidup Menggunakan Machine Learning Istiqomatul Anissa, Amanda; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Stres merupakan kondisi psikologis yang dapat mengakibatkan dampak yang serius terhadap kesehatan mental dan fisik individu. Penelitian ini bertujuan untuk mengembangkan model prediksi tingkat stres berdasarkan pola hidup individu menggunakan pendekatan Machine Learning dengan algoritma Random Forest. Proses pengembangan model meliputi pengumpulan dataset pola hidup individu, preprocessing data, pembagian data, Penyeimbangan data dengan SMOTE serta pelatihan dan evaluasi model Random Forest. Data pada penelitian ini diperoleh melalui kuesioner mencakup variabel-variabel pola hidup seperti kualitas tidur, aktivitas fisik, konsumsi kafein, kebiasaan merokok, dan konsumsi alkohol serta menggunakan hasil dari pengukuruan Skala Perceived Stress Scale (PSS-10) dengan total 204 data. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, menghasilkan akurasi tertinggi 83% dengan menggunakan Random Forest yang diuji menggunakan teknik Stratified K-Fold Cross Validation. Dengan demikian, penelitian ini diharapkan dapat menjadi dasar bagi sistem pendukung keputusan dalam upaya preventif menjaga kesehatan mental melalui perbaikan pola hidup. Namun, model ini belum dapat dijadikan acuan tunggal dalam penentuan diagnosis stres tanpa mempertimbangkan faktor lain serta validasi klinis lebih lanjut. Kata Kunci—Stres, pola hidup, Machine Learning, Random Forest, PSS-10, prediksi tingkat stres
Prediksi Kelayakan Pinjaman Berdasarkan Profil Risiko Nasabah Menggunakan Logistic Regression dan Random Forest Azam, Hafidh Ismu Azam; Qoiriah, Anita
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Penilaian kelayakan pinjaman menjadi faktor krusial dalam menjaga kualitas pembiayaan, terutama bagi lembaga seperti PNM Mekaar yang menyasar kelompok perempuan prasejahtera sebagai target utama. Penelitian ini mengembangkan sistem prediksi kelayakan pinjaman berdasarkan profil risiko nasabah dengan memanfaatkan dua pendekatan algoritmik, yaitu Logistic Regression dan Random Forest. Model Logistic Regression digunakan untuk menilai kelayakan awal berdasarkan variabel usia, jenis kelamin, pendapatan mingguan, jumlah pinjaman, serta persetujuan kelompok dan penanggung jawab. Sementara itu, Random Forest diterapkan untuk memprediksi kelayakan top-up pinjaman dengan mempertimbangkan histori keterlambatan pembayaran dan durasi peminjaman, serta dilengkapi teknik SMOTE untuk menangani ketidakseimbangan kelas pada data pelatihan. Hasil menunjukkan bahwa Logistic Regression mampu memisahkan nasabah layak tanpa perlu penerapan oversampling, sedangkan Random Forest efektif dalam mengklasifikasikan risiko nasabah ke dalam tiga kategori, yaitu rendah, sedang, dan tinggi. Evaluasi dengan k-fold cross-validation menunjukkan bahwa kedua model memiliki performa yang andal dan stabil dalam melakukan klasifikasi. Temuan ini diharapkan dapat mendukung pengambilan keputusan yang lebih akurat dan berbasis data dalam proses pembiayaan, serta meningkatkan ketepatan dalam penilaian risiko nasabah secara menyeluruh. Kata Kunci— kelayakan pinjaman, profil risiko, Logistic Regression, Random Forest, SMOTE, PNM Mekaar.
Co-Authors AB Sinaga, Christiano Zetro Aditya Prapanca Agus Prihanto Agustin Tjahyaningtijas, Hapsari Peni Amalia, Rahma Andi Iwan Nurhidayat Anggraini, Lusiana Arjunantyo, Algonza Dewangga Asmunin Asmunin Azam, Hafidh Ismu Azam Bintang, Elroy Chalatha Doa, Udkhul Rogodan Cynthia, Grace Eka Putra, Ricky Farhani, Farih Sartika Febriansyah, Tri Yoga Fresinsya, Vica Gunawan, Duta Alif Hasanah, Wahenda Uswatun Iqbal Zaki, Naufal Istiqomatul Anissa, Amanda Mahfudhoh, Meysa Mirnawati, Nila Napitupulu, Ingwer Ludwig Benjamin Putri, Dian Oktavia Qurrotul Uyun, Qurrotul Rafif Raif, Andi Rhifqy Rahmada, Vita Ramadhan, Ahmad Syaifudin Ricky Eka Putra Rina Harimurti Rochmawati, Naim Sadiyah, Siti Halimatus Siska Oktavia Sofi'ie, Farro Axza Febsinatra Suartana, I Made Suyatno, Dwi Fatrianto Tohari Ahmad YUNI YAMASARI Yusuf, Dhani Ahmad Zulfikar, Mochammad