Claim Missing Document
Check
Articles

Klasifikasi kualitas mutu susu pasteurisasi menggunakan metode klasifikasi k-Nearest Neighbor Wakhidah, Nur; Rochmah, Shafira Nur
AITI Vol 21 No 1 (2024)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v21i1.58-71

Abstract

Milk is a product that is often consumed because it has many good benefits for the body. One of the benefits of milk is that it contains calcium, which is useful for the growth of bones and teeth. However, many consumers still choose dairy products based only on their appearance, even though milk quality is not based on its appearance but is found during milk processing. Pasteurization is the process of heating whole milk at a specific temperature and for a certain period to increase the milk's shelf life and maintain the milk's quality. Two types of pasteurization processes are Long Temperature Long Time and High Temperature Short Time. k-Nearest Neighbor or k-NN is a data mining method used to classify objects from the data, using distance calculations or Euclidean Distance to look for similarities between neighbors. So, based on this problem, milk quality classification is carried out. The research was carried out by classifying milk quality using the K-NN method. The public data used to classify is 1,059 pasteurized milk data, with seven regular or ordinary attributes and one special or class attribute. The K values ​​that will be used in this research are k=3, k=5, and k=7. From the analysis of calculation results using the k-NN method, the accuracy values ​​obtained are k=3 is 97%, k=5 is 89%, and k=7 is 87%.
OPTIMASI PEMANFAATAN MS. POWER POINT SEBAGAI MEDIA PEMBELAJARAN GURU MADRASAH ALIYAH DI WILAYAH KKM MA ARIF DEMAK Hidayati, Nurtriana; Wakhidah, Nur; Pungkasanti, Prind Triajeng
TEMATIK Vol. 2 No. 2 (2022): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v2i2.4670

Abstract

Madrasah merupakan satuan pendidikan formal dalam binaan Menteri Agama yang menyelenggarakan pendidikan umum dan kejuruan dengan kekhasan Agama Islam. Madrasah Aliyah (MA) merupakan jenjang pendidikan menengah sebagai lanjutan dari Sekolah Menengah Pertama, MTs, atau bentuk lain yang sederajat, diakui sama atau setara Sekolah Menengah Pertama atau MTs. MA berada dalam ruang lingkup Kelompok Kerja Madrasah (KKM). KKM Ma arif Demak memiliki 32 MA yang tersebar di wilayah kerja KKM Ma arif Demak. Selama pandemic Covid 19 yang dimulai sejak Maret 2020, proses pelaksanaan pendidikan di KKM Ma arif Demak dilakukan secara daring. Proses pelaksanaan pendidikan secara daring menyebabkan: 1) materi yang diberikan tidak tersampaikan dengan baik; 2) tampilan media pembelajaran kurang menarik; 3) keterbatasan kuota pembelajaran baik dari sisi siswa maupun guru apabila proses pelaksanaan pendidikan dilakukan dengan cara conference terus menerus; dan 4) siswa merasa kesulitan dalam mengulang materi pembelajaran apabila proses pelaksanaan pendidikan dilakukan dengan cara conference. Oleh sebab itu, MA di KKM Ma arif Demak membutuhkan sebuah media interaktif yang dapat digunakan dan dimanfaatkan sebagai media pembelajaran. Salah satu aplikasi yang mudah untuk digunakan sebagai media interaktif pembelajaran adalah Ms. Power Point. Ms. Power Point menyediakan beberapa fitur diantaranya: efek, gambar, animasi, suara, serta video. Seluruh fitur yang disediakan Ms. Power Point dapat dimanfaatkan sebagai daya tarik penyampaian bahan ajar kepada siswa dalam mengikuti proses pelaksanaan pendidikan.
PEMANFAATAN APLIKASI EDMODO SEBAGAI ALAT BANTU PENGAJARAN PADA GURU SD NEGERI WONOSARI 01 SEMARANG Pungkasanti, Prind Triajeng; Wakhidah, Nur; Hidayati, Nutriana
TEMATIK Vol. 2 No. 2 (2022): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v2i2.4385

Abstract

Pemerintah mewajibkan semua penduduk mengikuti program wajib belajar pendidikan dasar selama dua belas tahun dengan rincian enam tahun pendidikan di sekolah dasar, tiga tahun di sekolah menengah pertama, dan tiga tahun di sekolah menengah atas. Sistem pengajaran yang diterapkan di sekolah selama ini masih menggunakan metode pengajaran Teacher Learning Center (TCL) yang mana guru hanya memberikan materi di depan kelas dan memberikan tugas untuk mengukur penangkapan siswa mengenai materi yang diberikan pada saat itu. Sistem pengajaran TCL hanya bisa dilakukan saat Proses Belajar Mengajar (PBM) dilakukan secara tatap muka pada saat guru dan siswa bertemu di dalam kelas. Namun pada pandemic Covid-19 ini PBM TCL tidak dapat dilakukan, sehingga Pemerintah dalam hal ini Kementrian Pendidikan dan Kebudayaan dituntut untuk mengeluarkan kebijakan pendidikan dengan mengedepankan kesehatan dan keselamatan peserta didik, pendidik, tenaga kependidikan, keluarga dan masyarakat, maka pembelajaran secara daring, salah satunya SDN Wonosari 01 Semarang. PBM di SDN Wonosari 01 Semarang juga sudah menggunakan aplikasi pengajaran secara daring, namun belum adanya keseragaman dalam menggunakan aplikasi pembelajaran secara daring tersebut, sehingga menjadi kendala bagi guru, siswa, dan terutama bagi orang tua siswa yang ikut membantu mendampingi siswa selama PBM. Edmodo merupakan platform media sosial, seperti facebook yang dikembangkan khusus untuk siswa dan guru dalam suatu ruangan kelas virtual yang dapat berfungsi untuk melaksanakan pembelajaran yang menarik dan mudah digunakan (Subiyantoro, 2013). Edmodo membuat pembelajaran menjadi dapat diselenggarakan dimana saja dan kapan saja tidak terbatas ruang dan waktu. Pemanfaatan Aplikasi Edmodo sebagai aplikasi yang digunakan dalam PBM di SDN Wonosari 01 Semarang sehingga memudahkan para guru dalam menyampaikan materi, memberikan tugas, dan video pembelajaran, selain itu memudahkan para guru untuk melakukan penilaian dan merekap kehadiran siswa.
Penerapan Regresi Linear Terhadap Tingkat Perceraian Di Jawa Tengah Menggunakan Bahasa Python Muhajannah, Syarifatul; Kadisi, Angelo Risang; Wakhidah, Nur
Jurnal Tekno Kompak Vol 19, No 2 (2025): AGUSTUS (In Progress)
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i2.4936

Abstract

Penelitian ini dilakukan untuk mengidentifikasi pola trend hubungan antara jumlah pernikahan dengan tingkat perceraian yang terjadi di 35 kabupaten/kota di Provinsi Jawa Tengah. Metode yang digunakan adalah regresi linier sederhana, dengan data utama yang bersumber dari Badan Pusat Statistik (BPS) Jawa Tengah pada tahun 2023. Dalam proses analisis, penelitian ini memanfaatkan bahasa pemrograman Python karena berbagai keunggulan yang dimilikinya. Python tidak hanya menawarkan sintaks yang sederhana dan mudah dipahami, tetapi juga memiliki berbagai pustaka yang sangat mendukung analisis data, seperti Pandas untuk pengolahan data, Scikit-learn untuk membangun model prediktif, dan Matplotlib untuk visualisasi data. Kemampuannya dalam mengelola data dalam jumlah besar secara efisien membuat Python sangat cocok untuk analisis yang memerlukan kecepatan dan akurasi tinggi. Model regresi linier sederhana yang diterapkan dalam penelitian ini menunjukkan hasil yang cukup signifikan. Nilai R-squared mencapai 87,74%, yang berarti bahwa sebanyak 87,74% variasi tingkat perceraian dapat dijelaskan oleh jumlah pernikahan di kabupaten/kota yang dianalisis. Di sisi lain, nilai Mean Squared Error (MSE) sebesar 79.745,23 menunjukkan tingkat kesalahan prediksi yang berada dalam batas yang dapat diterima. Model ini juga mengungkapkan bahwa setiap peningkatan satu pernikahan rata-rata akan berhubungan dengan kenaikan sebesar 0,3486 pada tingkat perceraian. Beberapa hasil prediksi tingkat perceraian di kabupaten/kota tertentu berdasarkan jumlah pernikahan menghasilkan angka seperti 2.281,39; 3.501,47; 1.518,09; 1.455,32; 1.264,24; 2.240,59; dan 3.046,43 kasus. Hasil prediksi ini menggambarkan estimasi tingkat perceraian yang dihasilkan oleh model di wilayah-wilayah tersebut. Analisis ini memperlihatkan adanya korelasi positif antara jumlah pernikahan dan tingkat perceraian, di mana wilayah dengan jumlah pernikahan yang lebih tinggi cenderung memiliki tingkat perceraian yang juga lebih tinggi. Penemuan ini memberikan bukti empiris yang memperkuat adanya hubungan linier yang signifikan antara kedua variabel tersebut. Dengan demikian, penelitian ini diharapkan dapat menjadi pijakan ilmiah dalam perumusan kebijakan yang lebih efektif. Melalui pendekatan berbasis data ini, intervensi yang dirancang untuk mengurangi angka perceraian di masa depan dapat dilakukan secara lebih terarah dan strategis
Perbandingan Algoritma Machine Learning Dalam Memprediksi Kelulusan Siswa Maftucha, Nidaul; Salma, Saffanah; Rahmayuna, Novita; Wakhidah, Nur
Jurnal Tekno Kompak Vol 19, No 2 (2025): AGUSTUS (In Progress)
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i2.5090

Abstract

Prediksi kelulusan siswa sangat penting karena dapat membantu sekolah, guru, dan orang tua merencanakan bagaimana membantu siswa yang berisiko tidak lulus. Prediksi ini juga dapat memberi lembaga pendidikan kesempatan untuk meningkatkan kualitas pembelajaran dan mengembangkan tindakan yang lebih efisien. Pada penelitian ini membahas tentang perbandingan algoritma machine learning dalam memprediksi kelulusan siswa. Masalah utama yang diidentifikasi adalah kurangnya sistem prediksi yang efektif, yang dapat memprediksi kelulusan siswa. Tujuan dari penelitian ini adalah untuk menemukan metode terbaik dengan membandingkan kinerja lima algoritma machine learning yaitu K-NN, Naive Bayes, Decision Tree, Random Forest, dan SVM dalam memprediksi kelulusan siswa berdasarkan confusion matrix. Kemudian, dataset yang digunakan untuk penelitian ini memiliki tiga kategori fitur, yaitu: dataset numerikal, dataset kategorikal, dan dataset keseluruhan (gabungan dari numerikal dan kategorikal). Hasil pengujian dari dataset numerikal algoritma Random Forest mendapatkan nilai akurasi terbaik sebesar 74.12%. Pada algoritma dengan fitur kategorikal K-NN dan SVM memiliki nilai akurasi tertinggi dengan mendapatkan nilai sebesar 93.11%. Namun, algoritma Random Forest memiliki performa yang paling konsisten dan unggul ketika seluruh fitur digabungkan. Dengan mendapatkan nilai akurasi tertinggi sebesar 76.50% dan F1-Scorenya 75.00%.
PELATIHAN OPTIMALISASI PEMASARAN MENGGUNAKAN TIKTOK UNTUK KEAHLIAN KULINER DI SMK NEGERI 6 SEMARANG Asmiatun, Siti; Wicaksana, Dinar Anggit; Wakhidah, Nur; Fitrianti, Ayang
Sawala : Jurnal pengabdian Masyarakat Pembangunan Sosial, Desa dan Masyarakat Vol 6, No 1 (2025): Sawala : Jurnal pengabdian Masyarakat Pembangunan Sosial, Desa dan Masyarakat
Publisher : Universitas Padjadjaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24198/sawala.v6i1.61114

Abstract

Dalam era digital saat ini, TikTok telah berkembang menjadi salah satu platform media sosial yang efektif untuk promosi dan penjualan produk, termasuk produk kuliner. Pelatihan ini disusun untuk memberikan pengetahuan dan keterampilan kepada siswa Kuliner SMK N 6 Semarang dalam menggunakan berbagai fitur TikTok guna memperluas jangkauan pemasaran serta meningkatkan daya saing produk  yang mereka hasilkan. Metode pelatihan meliputi pemberian materi, demonstrasi praktis, serta simulasi pembuatan konten kreatif untuk promosi di TikTok. Hasil dari kegiatan ini diharapkan dapat meningkatkan pemahaman siswa tentang strategi pemasaran digital serta kemampuan mereka dalam mengaplikasikan teknologi modern untuk kebutuhan bisnis kuliner. Selain itu, program ini juga bertujuan untuk memperkuat soft skills siswa dalam bidang kewirausahaan, khususnya dalam pemanfaatan media sosial untuk komersial. Evaluasi keberhasilan program dilakukan melalui penilaian terhadap pemahaman siswa sebelum dan sesudah pelatihan serta melalui hasil kuesioner pretest dan posttest. Hasil menunjukkan bahwa 86% siswa memahami materi pelatihan yang diberikan.
Optimization of K-Means Clustering with Elbow Method for Identification of TB Prone In Central Java RAFIKA HANJAYA PUTRI, LIEM, ANGELITA; Wakhidah, Nur
Journal of Computer Science, Information Technology and Telecommunication Engineering Vol 6, No 1 (2025)
Publisher : Universitas Muhammadiyah Sumatera Utara, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/jcositte.v6i1.21669

Abstract

Tuberculosis (TB) is an infectious disease caused by the bacillus Mycobacterium tuberculosis. This infectious disease needs more attention because the transmission rate is still high, especially in areas with high case finding rates and low treatment success rates. This study was conducted to monitor areas prone to TB case transmission, especially areas in Central Java Province. The K-Means method was applied to determine areas prone to TB transmission by considering the success rate of TB treatment, through the Elbow approach to determine the optimal number of clusters. The results of clustering show areas that are classified as vulnerable areas, which are areas with high transmission cases but low treatment success. Visualization of clustering results in scatter plots that clarify the division of areas into clusters and help in identifying treatments and areas that need further intervention.
Clustering Women Violence Cases Based on Number in Central Java Province Using K-Means Algorithm Tantisnio, Fanika Putri; Wakhidah, Nur
Journal of Computer Science, Information Technology and Telecommunication Engineering Vol 6, No 1 (2025)
Publisher : Universitas Muhammadiyah Sumatera Utara, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/jcositte.v6i1.21671

Abstract

Cases of violence against women are one of the cases that require special attention, especially in the Central Java Province area. This study aims to classify the number of cases of violence against women (age 18+) based on data from 2022 and 2023 using the K-Means algorithm. Through the K-Means método, the regions are classified into 2 clusters based on the pattern of the number of cases in the 2 years. The results of clustering show two main groups: the first cluster which is from the majority of regions with a fairly low number of violent cases, and the second cluster which includes Semarang City as a very high number of violent cases. This study provides an overview of cases of violence against women in Central Java Province and identifies areas with higher case rates. This research is expected to be used as a basis for more appropriate policy-making to reduce the rate of violence against women in the most affected areas.
Sistem Pendukung Keputusan Penerima Bantuan Sosial dengan AHP dan MOORA Setiawan Adi Nugroho; Nur Wakhidah
Jurnal Transformatika Vol. 23 No. 1 (2025): July 2025
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i1.12244

Abstract

Poverty is a multidimensional problem that requires prompt and appropriate handling to maintain a dignified human life. In Manyaran Sub-district, Semarang City, the distribution of social assistance often faces obstacles due to limited human resources and a manual selection process for recipients. Therefore, a Decision Support System (DSS) is needed to assist the selection process in a more objective and efficient manner. This study aims to develop a DSS for determining social assistance recipients in Manyaran Sub-district by combining the Analytic Hierarchy Process (AHP) and Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) methods. AHP is utilized to determine the weight of each criterion, while MOORA is used to calculate the final score of each recipient candidate. The results show that among the ten analyzed candidates, the individual coded P09 achieved the highest final score of 0.575. The top five candidates with the highest scores were declared eligible to receive social assistance, while the others were declared ineligible. The application of the AHP and MOORA methods in this DSS effectively improves the accuracy, objectivity, and efficiency of the selection process for social assistance recipients in Manyaran Sub-district.  
PREDIKSI PENERIMAAN MAHASISWA BARU DENGAN MULTI LAYER PERCEPTRON Khoirudin, Khoirudin; Nurdiyah, Dewi; Wakhidah, Nur
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 2 No. 1 (2018): Mei (2018)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v14i1.1212

Abstract

Penerimaan mahasiswa baru adalah agenda yang rutin dijalani oleh sebuah institusi perguruan tinggi,. Jumlah penerimaan mahasiswa baru dapat meningkat atau menurun setiap tahunnya di Universitas Semarang. Oleh karenanya, perlu adanya prediksi jumlah penerimaan mahasiswa baru dengan teknologi berbasis artificial intelligent. Penelitian ini mengusulkan metode untuk memprediski jumlah penerimaan mahasiswa baru di Universitas Semarang menggunakan algoritma Multi Layer Perceptron, dengan dataset time series pendaftaran mahasiswa baru dari tahun 2008 hingga 2017. Uji coba Multi Layer Perceptron dengan arsitektur 5-9-1 menghasilkan  Mean Squered Error pada data training sebesar 0.00096 dan Mean Squered Error   pada data testing sebesar 0.1. Sehingga, metode yang diusulkan sangat bagus digunakan untuk prediksi penerimaan mahasiswa baru di Universitas Semarang