Article Per Year (5 Year)
p-Index From 2021 - 2026
2.217
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Innovation in Research of Informatics (INNOVATICS) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Journal of Information Technology (JIfoTech) Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS IPSIKOM Manexia Jurnal Nasional Komputasi dan Teknologi Informasi
Nuk Ghurroh Setyoningrum
Universitas Cipasung Tasikmalaya
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Neuroscience Public Health Social Sciences Transportation

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

Found 14 Documents
Search

 1   2 
Klasifikasi Ketepatan Waktu Keberangkatan Jamaah Haji pada Kemenag Kabupaten Tasikmalaya Menggunakan Algoritma Decision Tree Nenden Nurkhopipah; Nuk Ghurroh Setyoningrum
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/j4w34388

Abstract

Abstrak - Masa tunggu antrean pendaftaran haji yang sangat panjang memerlukan sistem pemetaan yang objektif untuk mengidentifikasi karakteristik jamaah rentan. Penelitian ini bertujuan untuk membangun model klasifikasi ketepatan waktu keberangkatan jamaah haji pada Kantor Kementerian Agama Kabupaten Tasikmalaya dengan menerapkan algoritma Decision Tree C4.5. Data historis sebanyak 1.407 baris diolah berdasarkan tiga atribut utama: Usia, Nomor Porsi, dan Kuota Daerah. Kebaruan penelitian ini terletak pada integrasi variabel kuota proporsional berbasis regulasi (1% dari populasi penduduk Muslim daerah, yaitu 7.659 kuota) langsung ke dalam logika pelabelan target porsi ("Tepat Waktu" dan "Terlambat"), serta penerapan teknik Pre-Pruning untuk mengatasi masalah overfitting yang umum terjadi pada pohon keputusan murni. Eksperimen dilakukan melalui pemodelan interaktif dengan mengunci kedalaman maksimum pohon (max depth) pada level 6 berdasarkan evaluasi validation curve. Hasil pengujian menunjukkan model mampu menghasilkan performa klasifikasi yang sangat baik dengan tingkat akurasi mencapai 83.93%, presisi sebesar 83.25%, dan F1-Score sebesar 88.25%, serta sensitivitas deteksi (Recall) sebesar 93.89%. Aturan keputusan (IF-THEN Rules) yang diekstrak secara otomatis dari model ini sukses membentuk basis pengetahuan (knowledge base) terstruktur yang bernilai aplikatif bagi pemangku kebijakan untuk optimalisasi manajemen antrean haji di daerah. Penelitian ini masih terbatas pada studi kasus satu wilayah kabupaten dan belum dibandingkan dengan algoritma klasifikasi lain sebagai pembanding kinerja. Kata kunci: Klasifikasi; Jamaah Haji; Decision Tree C4.5; Pre-Pruning; Abstract - The very long waiting times for hajj registration requires an objective mapping system to identify the characteristics of vulnerable pilgrims. This study aims to build a classification model for the timeliness of hajj pilgrims departure at the Office of the Ministry of Religious Affairs in Tasikmalaya Regency by applying the Decision Tree C4.5 algorithm. Historical data consisting of 1,407 rows were processed based on three main attributes: Age, Portion Number, and Regional Quota. The novelty of this research lies in the integration of a regulation-based proportional quota variable (1% of the local Muslim population, equivalent to 7,659 quotas) directly into the target portion labeling logic ("On Time" and "Delayed"), alongside the implementation of Pre-Pruning techniques to address the overfitting issues common in pure decision trees. Experiments were conducted through interactive modeling by locking the maximum tree depth at level 6 based on validation curve evaluation. The test results show that the model is capable of generating excellent classification performance, achieving an accuracy rate of 83.93%, a precision of 83.25%, and an F1-Score of 88.25%, along with a detection sensitivity (Recall) of 93.89%. The decision rules (IF-THEN Rules) extracted automatically from this model successfully formed a structured knowledge base that is practically valuable for policymakers in optimizing regional hajj queue management. This study is still limited to a single-regency case and has not been benchmarked against other classification algorithms. Keywords: Classification; Hajj Pilgrims; Decision Tree C4.5; Pre-Pruning;
Implementasi Algoritma C4.5 dalam Klasifikasi Jenis Konsumen LPG 3 Kg Menggunakan Data Transaksi Pelanggan Syifa Aenun Naja; Nuk Ghurroh Setyoningrum
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/r1vbsf74

Abstract

Abstrak - LPG 3 Kg merupakan salah satu kebutuhan energi bersubsidi yang banyak digunakan oleh masyarakat, khususnya rumah tangga dan usaha mikro. Tingginya jumlah transaksi yang terjadi pada pangkalan LPG menghasilkan data yang berpotensi dimanfaatkan untuk mendukung pengambilan keputusan dalam pengelolaan distribusi. Namun, data transaksi tersebut umumnya hanya digunakan sebagai arsip sehingga informasi mengenai karakteristik konsumen belum dapat dimanfaatkan secara optimal. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4.5 dalam mengklasifikasikan jenis konsumen LPG 3 Kg pada PT Hasan Basri Putra Jaya berdasarkan pola transaksi pelanggan. Data yang digunakan sebanyak 1.159 data konsumen yang terdiri atas 893 konsumen rumah tangga dan 266 konsumen usaha mikro. Atribut yang digunakan meliputi kategori frekuensi transaksi, kategori jumlah pembelian, dan waktu transaksi. Tahapan penelitian meliputi pengumpulan data, preprocessing data, transformasi atribut, pembentukan model C4.5, serta evaluasi model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Data dibagi menjadi data latih sebesar 80% dan data uji sebesar 20%. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu menghasilkan akurasi sebesar 85,34%, precision sebesar 84,60%, recall sebesar 85,34%, dan F1-score sebesar 84,20%. Selain itu, atribut kategori jumlah pembelian memiliki pengaruh terbesar terhadap proses klasifikasi dengan nilai importance sebesar 52,15%, diikuti kategori frekuensi transaksi sebesar 36,25%, dan waktu transaksi sebesar 11,61%. Hasil penelitian menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan jenis konsumen LPG dengan baik sehingga dapat digunakan sebagai pendukung pengambilan keputusan dalam pengelolaan distribusi LPG. Kata Kunci: C4.5; Data Mining; Klasifikasi; Konsumen LPG; Decision tree; Abstract - LPG 3 Kg is one of the subsidized energy sources widely used by households and micro-enterprises. The large number of transactions generated at LPG distribution points produces valuable data that can be utilized to support decision-making in distribution management. However, transaction data are generally used only as archives, preventing the optimal utilization of consumer behavior information. This study aims to implement the C4.5 algorithm to classify LPG 3 Kg consumers at PT Hasan Basri Putra Jaya based on transaction patterns. The dataset consisted of 1,159 consumer records, including 893 household consumers and 266 micro-enterprise consumers. The attributes used were transaction frequency category, purchase quantity category, and transaction time. The research stages included data collection, preprocessing, attribute transformation, C4.5 model construction, and model evaluation using confusion matrix, accuracy, precision, recall, and F1-score metrics. The dataset was divided into 80% training data and 20% testing data. The results showed that the C4.5 algorithm achieved an accuracy of 85.34%, precision of 84.60%, recall of 85.34%, and F1-score of 84.20%. Furthermore, the purchase quantity category was identified as the most influential attribute with an importance value of 52.15%, followed by transaction frequency category at 36.25% and transaction time at 11.61%. These findings indicate that the C4.5 algorithm is capable of classifying LPG consumers effectively and can support decision-making processes in LPG distribution management. Keywords: C4.5; Data Mining; Classification; LPG Consumer; Decision tree;
Data Augmentation Strategies on Spectrogram Features for Infant Cry Classification Using Convolutional Neural Networks Alam Alam; Nuk Ghurroh Setyoningrum; Robby Maududy; Dea Dewi Damayanti; Hilmi Rahmawati
Innovation in Research of Informatics (Innovatics) Vol 7, No 2 (2025): September 2025
Publisher : Department of Informatics, Siliwangi University, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v7i2.16823

Abstract

Infant cry classification is an important task to support parents and healthcare professionals in understanding infants needs, yet the challenge of limited and imbalanced datasets often reduces model accuracy and generalization. This study proposes the application of diverse audio data augmentation strategies including time stretching, time shifting, pitch scaling, and polarity inversion combined with spectrogram representation to enhance Convolutional Neural Network (CNN) performance in classifying infant cries. The dataset from the Donate-a-Cry Corpus was expanded from 457 to 6,855 samples through augmentation, improving class balance and variability. Experimental results show that CNN accuracy increased from 85% before augmentation to 99.85% after augmentation, with precision, recall, and F1-score reaching near-perfect values across all categories. The confusion matrix further confirms robust classification with minimal misclassifications. These findings demonstrate that data augmentation is crucial to overcoming dataset limitations, enriching acoustic feature diversity, and reducing model bias, while offering practical implications for the development of accurate, reliable, and real-world applicable infant cry detection systems.
Analisis Sentimen Layanan Akademik Civitas – Suteki Menggunakan Metode Naïve Bayes Hilmi Rahmawati; Nuk Ghurroh Setyoningrum
Journal of Information Technology Vol. 6 No. 2 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i2.1133

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi layanan akademik Civitas–Suteki guna memahami bagaimana pengguna merespons dan mengalami penggunaan aplikasi tersebut. Tingginya proporsi ulasan negatif yang mencapai lebih dari sepertiga total data mengindikasikan perlunya evaluasi sistematis terhadap kualitas layanan aplikasi. Data dikumpulkan melalui teknik web scraping pada Google Play Store, menghasilkan 534 ulasan pada rentang Maret 2020 hingga April 2026. Proses preprocessing meliputi penghapusan duplikat, cleaning, case folding, tokenizing, stopword removal, dan stemming. Pembobotan kata menggunakan TF-IDF dan klasifikasi dilakukan dengan algoritma Multinomial Naive Bayes. Dari 473 ulasan valid, sebanyak 291 ulasan (61,52%) bersentimen positif dan 182 ulasan (38,48%) bersentimen negatif. Model mencapai akurasi sebesar 78,26%, dengan precision 0,79, recall 0,87, dan F1-score 0,83 untuk kelas positif, serta precision 0,77, recall 0,65, dan F1-score 0,71 untuk kelas negatif. Hasil ini menunjukkan bahwa metode Multinomial Naive Bayes dengan pembobotan TF-IDF efektif digunakan dalam klasifikasi sentimen ulasan berbahasa Indonesia dan dapat menjadi bahan evaluasi bagi pengembang aplikasi untuk meningkatkan kualitas layanan.
Co-Authors Ahmad Mundzir ALAM Alam Alam Anisa Solehah Nurwendah Dea Dewi Damayanti Hanina Sapira Hilmi Rahmawati Kholiq Mochamad Ramdan Miftahudin Miftahudin Miftahudin N. Nelis Febriani SM Nenden Nurkhopipah Pepi Alpiani Putri Khozizah Rifa Maulida Robby Maududy Syifa Aenun Naja Windriyana Yustiana Yustiana