Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal DoubleClick : Journal of Computer and Information Technology Infotek : Jurnal Informatika dan Teknologi Jurnal Sistem Informasi JIKI (Jurnal Ilmu Komputer dan Informatika) sudo Jurnal Teknik Informatika
Qudsiah Nur Azizah
Unversitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE Andreyestha Andreyestha; Qudsiah Nur Azizah
Infotek: Jurnal Informatika dan Teknologi Vol 5, No 1 (2022): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (98.549 KB) | DOI: 10.29408/jit.v5i1.4581

Abstract

Along with the development of technology, social media is now often used to provide an assessment, one of which is Twitter is one of the most popular microblogging. On Twitter, users don't just review a product, but they often complain or share their experiences about their level of satisfaction while using Tokopedia. Sentiment analysis on tokopeida provides useful indicators for various purposes which can be found in comments, feedback or criticism. This study uses the Naïve Bayes and Random Forest algorithms to provide the expected classification results, the analysis will be carried out by comparing several combinations of algorithms that will be tested on twitter tweets about Tokopedia, including the combination with Synthetic Minority Oversampling Technique (SMOTE) to optimize unbalanced data. In the Tokopedia Twitter tweet test, SMOTE was able to increase the accuracy of the Naive Bayes algorithm to 86.93%, an increase of 3.4% from the previous 83.53%. Meanwhile, Random Forest with SMOTE has an accuracy value of 88.44%, an increase of 1.55% from the previous Random Forest test of 86.89%.
Sistem Informasi Perpustakaan Berbasis Web pada SMK Karya Bhakti Purbalingga (SIPUS-KB) Riyan Latifahul Hasanah; Rizka Nurul Khasanah; Fajar Sarasati; Rousyati Rousyati; Qudsiah Nur Azizah
DoubleClick: Journal of Computer and Information Technology Vol 4, No 1 (2020): Teknologi Tepat Guna di Era Pandemik Covid 2019
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v4i1.6496

Abstract

Perpustakaan merupakan salah satu fasilitas yang dimiliki lembaga pendidikan. Penyelenggaraan perpustakaan sekolah menjadi sumber referensi utama bagi para siswa dan guru dalam mendapatkan materi-materi pelajaran. Layanan perpustakaan yang ideal harus mengacu pada kebutuhan dari pemustaka, mengikuti perkembangan teknologi informasi dan layanan prima. SMK Karya Bhakti Purbalingga merasa perlu untuk memanfaatkan perkembangan teknologi informasi dalam pelayanan perpustakaan untuk mendukung pelayanan perpustakaan yang mudah dan cepat, serta dapat memberikan kemudahan bagi pustakawan dalam proses pengolahan data. Pembaruan sistem baru dengan teknologi informasi berbasis web dilakukan dengan membangun aplikasi SIPUS-KB. Metode yang digunakan pada pengembangan perangkat lunak ini adalah model waterfall yang terdiri dari analisa kebutuhan, desain, pembuatan kode program, pengujian dan pemeliharaan. Aplikasi SIPUS-KB mampu memberikan kemudahan bagi pengunjung untuk memperoleh informasi serta memudahkan pustakawan dalam mengakses data-data dan dalam pembuatan laporan.
Penerapan Sistem Pendukung Keputusan Penilaian Karyawan Terbaik Dengan Metode Simple Additive Weighting Ainun Zumarniansyah; Rian Ardianto; Yuris Alkhalifi; Qudsiah Nur Azizah
Jurnal Sistem Informasi Vol 10 No 2 (2021): JSI Periode Agustus 2021
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (733.397 KB) | DOI: 10.51998/jsi.v10i2.419

Abstract

Intisari— Dalam Penilaian Karyawan Terbaik pada PT. Berkah Jaya Motor, ada beberapa faktor yang menjadi penilaian dan berdasarkan penilaian kinerja karyawan diperusahaan. Penilaian karyawan di PT. Berkah Jaya Motor masih mengalami kendala karena masih menggunakan sistem Penilaian dengan cara Perundingan. Demi efisiensi kerja maka pengambilan keputusan yang tepat sangat diperlukan. Dengan tujuan untuk membangun dan memberikan alternatif. Untuk Penilaian karyawan terbaik dengan menggunakan metode Simple Additive Weighting (SAW). dimana ada beberapa kriteria yang masing-masing memiliki bobot penilaian sehingga memberikan hasil penilaian karyawan yang akurat terhadap setiap kinerja karyawan terbaik. Hasil akhir diperoleh dari proses perhitungan, yaitu penjumlahan dari matriks ternormalisasi dengan bobot per kriteria yang menunjukan rangking pemilihan karyawan terbaik dari pertama hingga yang terakhir dari kriteria. Dari penilaian tersebutlah menjadi alternatif yang kemudian mendapat Karyawan Terbaik. Kata Kunci— Sistem Pendukung Keputusan, Karyawan Terbaik, Simple Additive Weighting Referensi : [1]  A. G. Anto, H. Mustafidah, and A. Suyadi, “Sistem Pendukung Keputusan Penilaian Kinerja Karyawan Menggunakan Metode SAW (Simple Additive Weighting) di Universitas Muhammadiyah Purwokerto,” JUITA, vol. 4, pp. 193–200, 2015, Accessed: Jun. 18, 2021.[Online]. Available: http://www.jurnalnasional.ump.ac.id/index.php/JUITA/article/view/876 [2]  A. T. Widiyanto and Y. Erliani, “Sistem Pendukung Keputusan Dalam Menentukan Karyawan Terbaik Pada PTt. Tembaga Mulia Semanan Dengan Metode Topsis,” 2016. [3]  I. Pratama, Sistem Informasi dan Implementasinya. 2019. [4]  D. I. Sabanayo, “Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan Metode SAW Pada PT. Berkah Cahaya Muria Kudus,” 2015. [5]  T. Syahputra, M. Yetri, and S. D. Armaya, “Sistem Pengambilan Keputusan Dalam Menentukan Kualitas Pemasukan Pangan Segar Metode Smart,” JURTEKSI, vol. 04, no. 01, 2017, Accessed: Jun. 18, 2021. [Online]. Available: https://jurnal.stmikroyal.ac.id/index.php/jurteksi/article/view/19/18 [6]  I. Fahmi, Teori dan Teknik Pengambilan Keputusan Kualitatif dan Kuantitatif . 2016. [7]  S. Mallu, “Sistem Pendukung Keputusan Penentuan Karyawan Kontrak Menjadi Karyawan Tetap Menggunakan Metode TOPSIS,” JITTER, vol. 01, no. 02, 2015, Accessed: Jun. 18, 2021. [Online]. Available: http://journal.widyatama.ac.id/index.php/jitter/article/view/53 . 2021 [8] K. Safitri, F. Tinus Waruwu, and Mesran, “Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Dengan Menggunakan Metode Analytical Hieararchy Process Process Studi Case PT.Capella Dinamik Nusantara Takengon vol. 1, no. 1, pp. 12–16, 2017, Accessed: Jun. 18,  ,” vol. 1, no. 1, pp. 12–16, 2017, Accessed: Jun. 18, 2021. [Online]. Available: https://ejurnal.stmik budidarma.ac.id/index.php/mib/article/view/317/268 [9]  G. Taufiq, “Implementasi Logika Fuzzy Tahani Untuk Model Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan,” Jurnal Pilar Nusa Mandiri, vol. XII, no. 1, 2016, Accessed: Jun. 18, 2021. [Online]. Available: http://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/254/224 [10] D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan, I. Yogyakarta: Deepublish, 2014. [11] D. Fatihudin, Metode Penelitian untuk Ekonomi, Manajemen dan Akuntansi. 2015. [12]  J. Hartono, Analisis & Desain Sistem Informasi Pendekatan Terstruktur Teori Dan Praktik Aplikasi Bisnis. 2014. [13]  I. G. B. Subawa, I. M. A. Wirawan, and I. M. G. Sunarya, “Pengembangan Sistem Pendukung Keputusan Pemilihan Pegawai Terbaik Menggunakan Metode Simple Additive Weighting (SAW) Di PT Tirta Jaya Abadi Singaraja,” Karmapati, vol. 4, no. 5, 2015, Accessed: Jun. 18, 2021. [Online]. Available: https://ejournal.undiksha.ac.id/index.php/KP/article/view/6623/4511
KLASIFIKASI PENYAKIT DAUN APEL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Qudsiah Nur Azizah; Andreyestha Andreyestha
JIKI (Jurnal llmu Komputer & lnformatika) Vol 3 No 1 (2022): JIKI Juli 2022
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jiki.v3i1.2379

Abstract

: Apel adalah salah satu buah paling produktif di dunia. Namun, berbagai penyakit sering terjadi dalam skala besar dalam produksi apel, sehingga menyebabkan kerugian ekonomi yang cukup besar. Oleh karena itu akan dibahas sebuah penelitian yang dimaksudkan untuk mengklasifikasikan penyakit daun apel dimana akan membantu para petani dalam menganalisa dan penanganan penyakit pada daun apel. Pengamatan manual adalah metode diagnosis tradisional yang kurang efektif,sehingga diusulkan metode otomatis menggunakan computer, yaitu menggunakan teknik pengolahan citra. Penelitian ini dilakukan untuk klasifikasi penyakit pada daun apel. Metode yang digunakan yaitu Convolutional Neural Network (CNN) untuk mengklasifikasi. Dataset sebanyak 3171 citra yang terdiri dari 4 kelas, yaitu Scab, Rust, Healthy, dan Blackrot. Hasil dari klasifikasi penyakit daun apel ini mendapatkan akurasi 98.73% yang artinya CNN adalah metode yang baik dan tepat untuk mengklasifikasikan penyakit daun apel.
Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network AlexNet Qudsiah Nur Azizah
sudo Jurnal Teknik Informatika Vol. 2 No. 1 (2023): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v2i1.227

Abstract

Jagung merupakan satu diantara beberapa sumber pangan utama di dunia termasuk di Indonesia. Penyakit pada tumbuhan jagung dapat dilihat melalui daunya. Namun akan menjadi masalah jika petani tidak mudah mendeteksi penyakit yang menyerang tanaman jagung, sehingga tidak mungkin untuk mengidentifikasi tanaman jagung yang sakit dan mengambil langkah untuk mengendalikannya. Masalah penyakit pada tanaman dapat menyebabkan penurunan fotosintesis pada tumbuhan yang menyebabkan usaha para tani menjadi tidak efisien dan mendapat kerugian, oleh karena itu perlu adanya pendekatan digital dapat mendeteksi beragam jenis penyakit. Dataset yang digunakan berjumlah 4198 citra daun jagung yang terdiri dari Blight, Commont Rust, Healthy, dan Gray Leaf Spot. Dengan menggunakan metode Convolutional Neural Network AlexNet dapat mengklasifikasikan dan memiliki hasil yang signifikan. Hasil dari klasifikasi penyakit daun jagung mendapatkan akurasi 90% yang berarti metode yang digunakan berjalan dengan baik dan tepat.
Co-Authors Andreyestha Andreyestha Fajar Sarasati Rian Ardianto Riyan Latifahul Hasanah Rizka Nurul Khasanah Rousyati Rousyati Yuris Alkhalifi