Article Per Year (5 Year)
p-Index From 2021 - 2026
2.217
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika Jurnal Varian Majalah Ilmiah Matematika dan Statistika (MIMS) Humanism : Jurnal Pengabdian Masyarakat Engineering, Mathematics and Computer Science Journal (EMACS) International Journal of Data Science, Engineering, and Analytics (IJDASEA) eProceedings of Engineering
Rifdatun Ni’mah
Institut Teknologi Telkom Surabaya
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Public Health Social Sciences Other

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

Found 14 Documents
Search

 1   2 
Analisis Sentimen Publik Terhadap Implementasi Kurikulum Merdeka: Pendekatan Algoritma Random Forest dan Support Vector Machine Yoga Abira , Senna; Ni'mah, Rifdatun; Putri Permata , Regita
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Krisis pendidikan di Indonesia mendorong pemerintah menerapkan Kurikulum Merdeka sebagai strategi peningkatan mutu pembelajaran. Namun, respons publik terhadap implementasinya masih menuai pro dan kontra, terutama di media sosial. Penelitian ini menganalisis sentimen publik terhadap Kurikulum Merdeka menggunakan 10.066 data dari platform X yang dikumpulkan selama satu tahun (Oktober 2023–Oktober 2024). Data dianalisis menggunakan algoritma Support Vector Machine (SVM) dan Random Forest (RF), melalui tahapan pelabelan manual, praproses teks, ekstraksi fitur dengan TF-IDF, serta penambahan data sintetis ke kelas minoritas menggunakan metode SMOTE. Model dievaluasi dalam tiga tahap hyperparameter tuning. Hasil menunjukkan bahwa model SVM memberikan performa terbaik dengan akurasi 72,42% dan F1-score makro 69,67%, dibandingkan RF yang mencapai akurasi 68,49% dan F1-score makro 66,25%. Sentimen netral dan negatif lebih mendominasi opini publik, sementara sentimen positif relatif rendah. Penambahan data sintetis terbukti meningkatkan kemampuan model dalam mengenali kelas minoritas. Penelitian ini memberikan gambaran empiris mengenai persepsi publik terhadap kebijakan pendidikan, sekaligus menunjukkan potensi analisis sentimen berbasis media sosial sebagai alat evaluasi kebijakan secara real-time. Kata kunci—analisis sentimen, kurikulum merdeka, media sosial, random forest, support vector machine, X
Klasifikasi Tingkat Kedalaman Kemiskinan di Indonesia Menggunakan Support Vector Machine dan Regresi Logistik Mufaidah, Astikhatul; Ni'mah, Rifdatun; Nur Alifah, Amalia
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Kemiskinan merupakan masalah kompleks yang masih menjadi tantangan utama di Indonesia, dengan dampak yang luas terhadap kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kedalaman kemiskinan menggunakan dua model machine learning yakni Support Vector Machine (SVM) dan Regresi Logistik, serta mengidentifikasi faktor-faktor yang secara signifikan memengaruhinya. Dataset yang digunakan mencakup variabel sosial-ekonomi dari berbagai wilayah, seperti Bantuan Sosial, Rata-Rata Lama Sekolah, dan Jumlah Penduduk. Hasil analisis menunjukkan bahwa model SVM dan Regresi Logistik sama sama menghasilkan performa klasifikasi yang tinggi, dengan akurasi 99%. Regresi Logistik pada penelitian ini digunakan untuk mengetahui faktor-faktor yang berpengaruh secara signifikan terhadap tingkat kedalaman kemiskinan melalui pen- dekatan uji signifikansi statistik. Regresi Logistik menunjukkan bahwa tiga variabel yang paling signifikan adalah Bantuan Sosial, Pendapatan Asli Daerah, dan Rata-rata Lama Sekolah, Temuan ini diharapkan dapat menjadi dasar bagi pengembangan kebijakan yang lebih tepat sasaran dalam upaya pengentasan kemiskinan di Indonesia Kata kunci— Analisis Data, Indeks Kedalaman Kemiskinan, Kemiskinan, Regresi Logistik, Support Vector Machine
Peramalan Data Kualitas Udara Menggunakan Multivariat LSTM di Wilayah Kota Surabaya Faradila Efaranti , Inge; Putri Permata, Regita; Ni'mah, Rifdatun
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Peningkatan polusi udara di wilayah perkotaan, termasuk Kota Surabaya, mendorong perlunya pengembangan model peramalan kualitas udara yang akurat dan adaptif. Penelitian ini bertujuan untuk menganalisis hubungan antara parameter meteorologi dan kualitas udara, serta membangun model peramalan menggunakan metode Long Short-Term Memory (LSTM) berbasis data multivariat. Data yang digunakan diperoleh dari Stasiun Pemantauan Kualitas Udara (SPKU) Kebonsari periode Januari 2022– Desember 2024, dengan parameter suhu udara, kelembapan, dan kecepatan angin sebagai input, serta PM10 dan CO sebagai target.Analisis korelasi dilakukan untuk meng identifikasi pengaruh antar parameter, dan hasilnya menunjukkan hubungan signifikan yang dapat dimanfaatkan dalam peramalan. Model LSTM dibangun dengan pendekatan time series dan dilatih menggunakan arsitektur jaringan yang mampu menangkap pola temporal antar variabel. Evaluasi kinerja mo del dilakukan dengan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), dan Symmetric Me an Absolute Percentage Error (SMAPE). Hasil evaluasi menunjukkan bahwa model menghasilkan MSE sebesar 113.6211, RMSE sebesar 10.6593, MAPE sebesar 49.45%, dan SMAPE sebesar 28.17%, yang mengindikasikan performa peramalan yang cukup baik. Dengan hasil tersebut, model multivariat LSTM memiliki potensi untuk digunakan sebagai alat bantu dalam pemantauan dan pengendalian kualitas udara oleh instansi terkait di Kota Surabaya. Kata kunci— CO, Kualitas Udara, LSTM, Multivariat, PM10, Peramalan
Segmentasi Mahasiswa Berdasarkan Kesiapan Karir menggunakan Algoritma K-Means dan Visualisasi Interaktif di Telkom University Surabaya Taqhsya Dwiyana , Ananda; Putri Permata, Regita; Ni'mah, Rifdatun
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Tingginya angka keraguan mahasiswa semester akhir terhadap motivasi dan kompetensi kerja mereka menunjukkan pentingnya evaluasi terhadap kesiapan karir mahasiswa. Pra-survei yang dilakukan di Telkom University Surabaya mengungkap bahwa 78% mahasiswa merasa tidak yakin terhadap motivasi internal mereka, dan 83% meragukan kemampuan mereka untuk bersaing di dunia kerja. Berdasarkan hal tersebut, penelitian ini bertujuan untuk mengelompokkan mahasiswa berdasarkan tingkat kesiapan karir menggunakan algoritma K-Means, serta menyajikan hasilnya dalam bentuk dashboard interaktif. Lima faktor utama yang dianalisis meliputi motivasi, kematangan pribadi, kematangan sosial, sikap kerja, dan kompetensi kerja. Data dikumpulkan melalui kuesioner skala Likert dan dianalisis secara langsung menggunakan algoritma K-Means untuk membentuk kelompok mahasiswa dengan karakteristik kesiapan karir yang serupa. Setelah klaster terbentuk, dilakukan reduksi dimensi menggunakan Principal Component Analysis (PCA) guna memvisualisasikan hasil klaster dalam ruang dua dimensi. Validasi jumlah klaster optimal dilakukan menggunakan metode Elbow dan Silhouette Score. Penelitian ini menghasilkan tiga klaster utama yaitu klaster Siap Kerja, klaster Menuju Siap Kerja, dan klaster Butuh Pembinaan. Visualisasi interaktif melalui Looker Studio membantu dalam memahami karakteristik tiap klaster secara lebih dinamis. Hasil penelitian ini mendukung pengambilan keputusan berbasis data oleh Career Development Center (CDC) dalam merancang program pengembangan karir yang lebih tepat sasaran. Kata kunci— Kesiapan karir, K-Means, segmentasi mahasiswa, PCA visualisasi, dashboard interaktif
Co-Authors Alifah, Amalia Nur Amri Muhaimin Andrea Tri Rian Dani Bernadus Anggo Seno AjiAji Dani, Andrea Tri Rian Faradila Efaranti , Inge Faroby, Mohammad Hamim Zajuli Al Helisyah Nur Fadhilah Mohammad Hamim Zajuli Al Faroby Mufaidah, Astikhatul Putri Permata , Regita Regita Putri Permata Rizkika, Rizal Rahman Sembiring, Fikrie Hartanta Tanzilal Mustaqim Taqhsya Dwiyana , Ananda Yoga Abira , Senna