Article Per Year (5 Year)
p-Index From 2021 - 2026
2.338
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Indonesian Journal on Software Engineering (IJSE) JURNAL MEDIA INFORMATIKA BUDIDARMA EVOLUSI : Jurnal Sains dan Manajemen Jurnal Mantik JAMI: Jurnal Ahli Muda Indonesia Jurnal Sistem Informasi Akuntansi Conten : Computer and Network Technology Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat
Nadiyah Hidayati
Universitas Bina Sarana Informatika
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Komparasi Machine Learning Berbasis Pso Untuk Prediksi Tingkat Keberhasilan Belajar Berbasis E-Learning Saputra, Elin Panca; Nurajizah, Siti; Maulidah, Mawadatul; Hidayati, Nadiyah; Rahman, Taufik
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236469

Abstract

Perkembangan bidang teknologi memiliki aspek perkermbangan yang begitu cepat. penelitian kami memiliki tujuan untuk mentransmisikan sebuah pengetahuan tentang machine learning yang telah menjadi begitu popular digunakan hingga saat ini, pada penelitian ini bagaimana mendapatkan fitur seleksi atribut dan mendapatkan hasil prediksi dari pembelajaran pada Universitas atau lembaga Pendidikan yang menerapkan belajar dengan metode pembelajaran jarak jauh ataupun e-learning di era pandemic ini. Permasalahan pada penelitian ini yaitu jumlah atribut pada data dapat mengurangi akurasi, maka dari percobaan dengan beberapa algoritma pada machine learning kami mencoba menerapkan Particle Swarm Optimizatio(PSO) untuk meningkatkan akurasi yang lebih tinggi. Maka dari itu dapat disimpulkan penerapan menggunakan algoritma Naïve Bayes(NB) berbasis PSO mendapatkan hasil kenerja dengan bobot sebesar 94.40% dan angka AUC sebesar 94.50%, berikutnya Algoritma Support Vectore Machine(SVM) Berbasis PSO dengan hasil kinerja akurasi sebesar 88.20 dan nilai AUC seberar 91.10%, dan Artificial Neural Network(NN) berbasis Particle Swarm Optimizatio(PSO) menghasilkan skor hasil kinerja akurasi dengan bobot 99.20% dan nilai akurasi sebesar 98.50%, maka Artificial Neural Network(NN)  berbasis PSO memiliki keunggulan lebih besar dari pada algoritma naïve bayer berbasis PSO dan Support Vector Machine(SVM) dengan PSO. Sedangkan atribut yang mempunyai pengaruh menentukan dari algoritma tersebut pada tingkat akurasi adalah Practice Questions, Quizzes, Midterm exams, dan Final exams. terbukti dari penelitian-penelitian kami yang sebelumnya maka algoritma neural network berbasis PSO memang memiliki keunggulan yang begitu baik. Karena ANN merupakan metode yang memiliki perhitungan yang membangun beberapa unit pada saat pemrosesan berdasarkan koneksitas yang saling berhubungan, metode ANN dengan akurasi prediksi dapat menjadi sebuah alat yang efisien dan baik untuk penelitian estimasi dan klasifikasi dalam bidang pendidikan. Abstract The development of the field of technology has a very fast development aspect. our research has the aim of transmitting knowledge about machine learning which has become so popularly used until now, in this study how to get attribute selection features and get predictive results from learning at universities or educational institutions that apply learning by distance learning methods or e-learning. -Learning in this pandemic era. The problem in this study is that the number of attributes in the data can reduce accuracy, so from experiments with several yahoos on machine learning, we tried to apply Particle Swarm Optimizatio (PSO) to increase higher accuracy. Then the application key using the PSO-based Naïve Bayes (NB) algorithm can get performance results with a weight of 94.40% and an-AUC number of 94.50%, then the PSO-based Support Vectore Machine (SVM) Algorithm with a performance result of 88.20 and an AUC value of 91.10%, and Artificial Neural Network-(NN) based on Particle Swarm Optimizatio (PSO) produces an accuracy performance score with a weight of 99.20% and an accuracy value of 98.50%. Support Vector Machine (SVM) with PSO. While the attributes that have an influence to determine the algorithm on the level of accuracy are Practice Questions, Quizzes, Mid-Semester Exams, and Final Exams. it is evident from our previous studies that the PSO-based neural network algorithm does have a very good advantage. based on ANN is a method that has calculations that build several units of interconnected connectivity, the ANN method with predictive accuracy can be an efficient and good tool for forecasting and classification research in the field of education.
PREDIKSI KESEHATAN TIDUR DAN GAYA HIDUP MENGGUNAKAN MACHINE LEARNING Maulidah, Mawadatul; Hidayati, Nadiyah
CONTEN : Computer and Network Technology Vol. 4 No. 1 (2024): Juni 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v4i1.4918

Abstract

Kualitas tidur merupakan faktor penting bagi kesejahteraan manusia yang sering terabaikan dan dipengaruhi oleh berbagai aspek gaya hidup seperti aktivitas fisik, tingkat stres, dan rutinitas sehari-hari. Penelitian ini memanfaatkan algoritma machine learning untuk menganalisis data terkait kesehatan tidur dan gaya hidup guna memprediksi gangguan tidur. Dataset yang digunakan "Sleep Health and Lifestyle" dari Kaggle berisi informasi tentang kebiasaan tidur, aktivitas fisik, stres, BMI, dan faktor lainnya dari 359 responden. Beberapa algoritma machine learning, termasuk Random Forest, Support Vector Machine (SVM), Logistic Regression, K-Nearest Neighbors (KNN), Gradient Boosting, dan Decision Tree, diterapkan untuk membangun model prediksi. Hasil menunjukkan bahwa Gradient Boosting memberikan akurasi tertinggi sebesar 91%, diikuti oleh Random Forest dan SVM dengan akurasi masing-masing 88%. Analisis mengungkapkan bahwa durasi tidur dan kualitas tidur sangat dipengaruhi oleh tingkat aktivitas fisik dan stres, sedangkan kategori BMI juga memainkan peran signifikan dalam gangguan tidur. Penelitian ini menggarisbawahi pentingnya manajemen stres dan aktivitas fisik dalam meningkatkan kualitas tidur, serta potensi penggunaan teknologi untuk memantau dan meningkatkan kesehatan tidur. Rekomendasi untuk penelitian selanjutnya termasuk penggunaan dataset yang lebih luas dan penambahan fitur tambahan untuk meningkatkan akurasi model.
Peningkatan Daya Saing Produk UMKM Sampurna Jaya Desa Sidapurna Melalui Pelatihan Branding dan Packaging Fanny Fatma Wati; Nadiyah Hidayati; Mawadatul Maulidah; Siti Khalimah; Galih Praditya Nugraha
Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol. 8 No. 1 (2025): Januari 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jabdimas.v8i1.7429

Abstract

UMKM Sampurna Jaya merupakan kumpulan usaha mikro, kecil, dan menengah yang berlokasi di Desa Sidapurna, Kabupaten Tegal, Jawa Tengah. Meski memiliki potensi produk yang menjanjikan, terutama di sektor makanan dan minuman,   UMKM Sampurna Jaya menghadapi beberapa kendala seperti kurangnya pengetahuan dan keterampilan dalam branding produk, kemasan yang kurang menarik, kesulitan meningkatkan daya saing produk, minimnya inovasi, serta akses terbatas pada informasi dan pelatihan mengenai branding dan packaging. Untuk mengatasi permasalahan tersebut, diusulkan solusi berupa kegiatan sosialisasi dan pelatihan branding serta packaging produk. Tujuannya agar UMKM dapat memahami konsep branding yang baik, merancang identitas merek yang konsisten, serta menghasilkan kemasan yang menarik dan sesuai tren pasar saat ini. Selain itu, direncanakan pula pelatihan pemanfaatan teknologi informasi untuk meningkatkan penjualan dan memberikan pemahaman tentang pentingnya riset dan pengembangan serta manajemen waktu dalam berwirausaha. Kegiatan pengabdian masyarakat ini telah dilaksanakan dengan metode sosialisasi, pelatihan, dan pendampingan oleh tim dosen dan mahasiswa dari Universitas Bina Sarana Informatika Tegal. Hasil dari pengabdian masyarakat yang telah dilaksanakan meliputi peningkatan pengetahuan, keterampilan, dan kualitas produk UMKM Sampurna Jaya Desa Sidapurna.
ANALISIS SENTIMEN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR PADA REVIEW APLIKASI SHOPEE Wati, Fanny Fatma; Hidayati, Nadiyah; Maulidah, Mawadatul; Widodo, Andrian Eko; Astuti, Rachmawati Darma
CONTEN : Computer and Network Technology Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v5i2.10116

Abstract

E-commerce merupakan media yang memfasilitasi transaksi komersial antara individu dengan individu maupun antara individu dan organisasi melalui sistem daring. Salah satu bentuk implementasi e-commerce adalah aplikasi Shopee. Shopee dikembangkan sebagai aplikasi berbasis perangkat mobile yang memungkinkan pengguna melakukan aktivitas belanja secara online dengan mudah, sehingga transaksi dapat dilaksanakan dimanapun dan kapanpun. Aplikasi tersebut tentunya mempunyai kekurangan dan kelebihan yang dirasa oleh masyarakat. Dari adanya kekurangan dan kelebihan aplikasi shopee tidak sedikit masyarakat yang memberikan ulasan negatif maupun positif terhadap aplikasi tersebut. Pemanfaatan data dalam jumlah besar dapat dilakukan melalui penerapan teknik Data Mining. Penelitian ini bertujuan untuk menganalisis berbagai masalah yang dituju terhadap pengguna terhadap aplikasi Shopee di Google Play Store serta mengukur tingkat akurasi analisis sentimen yang dihasilkan menggunakan algoritma K-Nearest Neighbors (KNN). Menghasilkan bahwa dengan algoritma KNN diperoleh nilai akurasi Pred.Negatif nilainya sebesar 69,59%. Hasil dari Pred.Positif nilainya sebesar 71,70%.  Sedangkan nila accuracy 70,51% dan nilai AUC sebesar  0.804 +/- 0.053 (mikro: 0.804) (positive class: Positif).   E-commerce is a means of commercial transactions between individuals and organizations or a buying and selling transaction conducted online. One example of e-commerce implementation is the Shopee application. Shopee is available in the form of a mobile phone application that makes it easier for users to shop online, allowing access anytime and anywhere. Of course, this application has advantages and disadvantages perceived by the public. Due to the application’s strengths and weaknesses, many users provide both positive and negative reviews of the app. Techniques for utilizing large amounts of data can be applied through Data Mining. The purpose of this research is to analyze issues related to several reviews of the Shopee application on Google Play Store and to determine the accuracy results of sentiment analysis generated using the KNN (K-Nearest Neighbors) algorithm. The result showed that with KNN algorithm obtained the value of Pred. Negative accuracy value of 69.59%. Results from Pred. Positive value of 71.70%.  While accuracy value 70.51% and AUC value of 0804 +/-0053 (Micro: 0804) (positive class: positives). 
Co-Authors Ade Irma Rizmayanti Andi Saryoko Andrian Eko Widodo Anggraini, Recha Abriana Astuti, Rachmawati Darma Chintamia Bunga Sari Dewi Fanny Fatma Wati Fatma Wati, Fanny Galih Praditya Nugraha Gata, Windu Mawadatul Maulidah Nugraha, Fitra Septia Panca Saputra, Elin Rhini Fatmasari Rizmayanti, Ade Irma Siti Khalimah Siti Nurajizah Sopiyan Dalis Taufik Rahman Wati, Fanny Fatma Windu Gata Yudi Ramdhani