Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) INTEGER: Journal of Information Technology J-Innovation
Dian Ahkam Sani
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Rancang Bangun Mobile Game Adventure Of Studies Sebagai Media Pembelajaran Setta Ramadaniati; Dian Ahkam Sani; Mochammad Firman Arif
INTEGER: Journal of Information Technology Vol 6, No 1: Mei 2021
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2021.v6i1.1200

Abstract

Dalam   upaya   meningkatkan   efisiensi   penyediaan  aplikasi   yang   mengandung   unsur pendidikan  maka diperlukan  berbagai  alternatif  dan  inovasi  baru  dalam  hal  pemrograman untuk  bisa  diterapkan  sebagai  alat  untuk  mempermudah  proses  pembelajaran.  Dengan adanya  Rancang Bangun Mobile Game Adventure Of Studies sebagai Media Pembelajaran  ini  diharapkan  untuk  meningkatkan  kemampuan  berfikir  anak dalam  proses  belajar,  bahwa  game  ini  sangat  berguna  di  bidang  pendidikan. Penyusun    memilih    anak-anak   dan remaja sebagai    target    pemain, karena    kesulitan    proses pembelajaran secara teoritis yang di ajarkan pada anak-anak dan remaja, mengingat mereka lebih suka bermain. Metode penelitian yang digunakan adalah metode penelitian dan pengembangan (Research and Development) yang menggunakan tahapan penelitian Analisis Kebutuhan, Desain dan Perancangan Game, Pengembangan Game, Implementasi atau Uji Kelayakan Game, Evaluasi Hasil. Pembuatan game dilakukan dengan menggunakan game engine Construct 2. Penerapan  game media pembelajaran   ini   diharapkan   dapat   mengatasi   masalah   tersebut.   Sehingga   di   saat   anak memainkan game ini secara tidak langsung dapat belajar, dengan harapan semangat anak untuk belajar akan lebih terpacu dan meningkatkan kualitas belajar anak.
Evaluasi Sentimen Review Produk Roundup Menggunakan Algoritma Support Vector Machine: Evaluasi Sentimen Review Produk Roundup Menggunakan Algoritma Support Vector Machine Mohamad Khoiron; Dian Ahkam Sani; Mohammad Zoqi Sarwani; Muhammad Mahrus Ali; Khoirul Anwar; Muhammad Udin
J-Innovation Vol. 13 No. 2 (2024): Jurnal J-Innovation
Publisher : Politeknik Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55600/jipa.v13i2.313

Abstract

In today's digital era, more and more internet users are sharing their experiences and opinions about certain products. Sentiment analysis can be used to extract valuable information from the data generated by the shopee application users. This study aims to conduct a sentiment analysis of Roundup product reviews. The method used is the Support Vector Machine (SVM). SVM is an effective machine learning method for classifying text based on positive or negative sentiments. The purpose of this study is the SVM model which can be used to perform sentiment analysis automatically on Roundup product reviews. The results of this analysis can provide important insights for Roundup producers in understanding consumer perceptions of their products. In addition, this research can also be a guide for consumers in choosing and understanding weed killer products that suit their needs and preferences. In this study, the accuracy value was 80%, the precision value was 80%, the recall value was 100% and the value F1 score of 88.89%.
Klasifikasi Jenis Penyakit Mata Katarak Menggunakan Metode K-Nearest Neighbors (KNN) Rizki Ikhwan Pamuji; Dian Ahkam Sani; Rudi Hariyanto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.67786

Abstract

Katarak merupakan gangguan penglihatan yang terjadi akibat kekeruhan pada lensa mata, umumnya disebabkan oleh proses degeneratif, paparan radikal bebas, atau gangguan lain seperti glaukoma. Diagnosis dini sangat penting untuk mencegah komplikasi, namun metode konvensional memerlukan pemeriksaan manual yang memakan waktu. Penelitian ini bertujuan mengembangkan model klasifikasi katarak menggunakan algoritma K-Nearest Neighbors (KNN), sebuah pendekatan non-parametrik yang menentukan kelas berdasarkan kedekatan fitur terhadap data pelatihan. Dataset yang digunakan terdiri dari 300 data dengan 26 atribut, dan dibagi dengan rasio 80:20. Hasil evaluasi menunjukkan bahwa KNN dengan parameter k=3 mampu menghasilkan akurasi sebesar 98,33% dengan precision 99%, recall 99%, serta f1-score 99% pada macro average dan pada weight average mendapatkan precision 98%, recall 98%, serta f-score 98%. Temuan ini menunjukkan bahwa KNN efektif dalam mendeteksi jenis penyakit mata katarak, meskipun masih terdapat ruang untuk pengembangan lebih lanjut melalui peningkatan jumlah data, teknik preprocessing yang lebih variatif, serta eksplorasi metode klasifikasi lain guna memperoleh hasil yang lebih optimal. 
Co-Authors KHOIRUL ANWAR Mochammad Firman Arif Mohamad Khoiron Mohammad Zoqi Sarwani Muhammad Mahrus Ali Muhammad Udin Rizki Ikhwan Pamuji Rudi Hariyanto Setta Ramadaniati