Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal JURNAL INFORMATIKA Madaniya Bulletin of Information Technology (BIT) Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Pelita Pengabdian SAINTEK
Zaenur Rozikin
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Prediksi Ketebalan Powder Coating Menggunakan Algoritma SVM Dan Naïve Bayes Zaenur Rozikin; Ahmad Turmudi Zy; Antika Zahrotul Kamalia
Bulletin of Information Technology (BIT) Vol 4 No 2: Juni 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i2.687

Abstract

Data Mining is a method that has been widely used to make scientific discoveries from a collection of datasets which so far have only been stored without further management. In the industrial world the use of data mining methods has helped with problems that are often found in the industrial field. Data mining helps in making predictions regarding thickness quality problems in a panel box product. Data mining is very useful for finding patterns in complex manufacturing data processing processes. Especially when we talk about consumers or service users of our product panels who want the panel to have good powder coating quality. This made the researchers conduct research to find the accuracy value which would later be used as a definite reference regarding the thickness of the powder coating. The results of this test the svm algorithm is better than naïve Bayes because the data in general can be categorized as a good result which has an accuracy of 97.60%, precision 99.56% and 96.03% recall. This res ult is an illustration for consumers to ensure that the panels to be purchased are of the best quality. By showing the data that has been processed, the consumer is sure that the purchase is really valid
Strategi Pendampingan Penggunaan Media Sosial yang Positif dan Produktif bagi Generasi Alpha Zaenur Rozikin; Antika Zahrotul Kamalia; Wiyarno Wiyarno; Mahesa Rezky Ramadhan; Qoriah Ar Raudhatul Hasanah
Madaniya Vol. 6 No. 1 (2025)
Publisher : Pusat Studi Bahasa dan Publikasi Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53696/27214834.1139

Abstract

Program Strategi Pendampingan Penggunaan Media Sosial yang Positif dan Produktif bagi Generasi Alpha di MI AT-Taqwa Cikarang Selatan bertujuan untuk meningkatkan keterampilan siswa dalam menggunakan media sosial secara bijak dan produktif. Program ini difokuskan pada empat indikator utama, yaitu pemahaman penggunaan media sosial yang positif, pembuatan konten edukatif, kesadaran akan keamanan digital, dan pemanfaatan media sosial untuk pengembangan diri. Melalui pendampingan yang intensif, peserta berhasil mengidentifikasi cara-cara positif dalam menggunakan media sosial, membuat dan membagikan konten yang bermanfaat, serta memahami langkah-langkah perlindungan data pribadi. Hasil program menunjukkan bahwa peserta mampu memanfaatkan media sosial dengan lebih produktif, yang tidak hanya meningkatkan keterampilan digital mereka tetapi juga membentuk kebiasaan positif dalam berinteraksi di dunia maya.
Pemberdayaan Siswa Sekolah Dasar Dalam Edukasi Penggunaan Media Sosial Yang Cerdas Zaenur Rozikin; Antika Zahrotul Kamalia; Nursinta Afrianti; Setiyadi Wicaksono; Rangga Purnama
Madaniya Vol. 6 No. 2 (2025)
Publisher : Pusat Studi Bahasa dan Publikasi Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53696/27214834.1220

Abstract

Di era digital saat ini, pemanfaatan media sosial terus mengalami perkembangan yang pesat dan telah menjadi bagian yang tidak terpisahkan dari kehidupan sehari-hari, termasuk di kalangan anak-anak dan remaja. Program pemberdayaan siswa sekolah dasar dalam edukasi penggunaan media sosial yang cerdas di SDN 1 Ciranggon Karawang bertujuan untuk meningkatkan pemahaman dan keterampilan siswa dalam menggunakan media sosial secara bijak dan bertanggung jawab. Melalui metode yang meliputi presentasi, diskusi, dan studi kasus, program ini memberikan wawasan kepada siswa mengenai pentingnya etika digital, dampak negatif penggunaan media sosial, serta cara memanfaatkan media sosial untuk tujuan yang positif. Hasil evaluasi menunjukkan bahwa program ini berhasil mencapai tujuan dengan capaian yang lebih tinggi dari target yang ditetapkan, dengan peningkatan pemahaman siswa mencapai 90%, kesadaran etika 85%, dan kemampuan mengidentifikasi dampak negatif media sosial mencapai 80%. Meskipun demikian, perlu ada penguatan lebih lanjut pada literasi digital dan penanganan dampak psikologis dari penggunaan media sosial. Program ini diharapkan dapat memberikan bekal yang berguna bagi siswa dalam menggunakan media sosial secara cerdas dan bertanggung jawab.
Klasifikasi Kondisi Pasar Harga Emas ANTAM Indonesia Menggunakan Algoritma Decision Tree Antika Zahrotul Kamalia; Choiriyatun Nisa Latansa; Zaenur Rozikin
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.800

Abstract

This study aims to classify Indonesian ANTAM gold market states using a Decision Tree model built on daily price data from 2010–2024. Market conditions are categorized into three classes: bullish, bearish, and sideways, based on forward returns with an adaptive quantile-based thresholding scheme. The feature set comprises multi-horizon rolling volatility indicators (e.g., std_5, std_10, std_20) and momentum measures (e.g., mom_5, mom_10, mom_20). A time-based split is applied, allocating 80% of observations for training and 20% for testing. Evaluation on the test set yields an accuracy of 0.337 with a macro-F1 of approximately 0.34, indicating limited predictive performance in a three-class setting. Interpretability analysis reveals that std_20 is the most influential feature, followed by std_10 and mom_5, while one-day returns contribute marginally. These findings suggest that aggregated volatility and momentum patterns are more informative than single-day fluctuations for market regime mapping. Overall, the Decision Tree is best positioned as an interpretable baseline for transparent market-state analysis, providing a foundation for future work involving richer features and more robust models.
Segmentasi Pelanggan dan Target Pemasaran (Targeting) Menggunakan Algoritma K-Means Clustering untuk Kampanye Iklan yang Efektif Roswanda Nuraini; Zaenur Rozikin; Suprapto Suprapto
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2742

Abstract

Perkembangan teknologi informasi menyebabkan meningkatnya volume data transaksi pelanggan yang dimiliki perusahaan, namun data tersebut sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan pemasaran, khususnya dalam penyusunan rekomendasi strategi targeting yang tepat sasaran. Penelitian ini bertujuan melakukan segmentasi pelanggan berdasarkan perilaku transaksi menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering. Data yang digunakan terdiri atas 5.000 pelanggan dengan 32.295 transaksi. Setelah melalui tahap preprocessing yang meliputi pemeriksaan struktur data, pengecekan missing value, penghapusan duplikasi, filtering dataset, dan transformasi tipe data, diperoleh 3.864 pelanggan dengan 28.009 transaksi. Selanjutnya, pembentukan variabel RFM menghasilkan 3.522 pelanggan yang memenuhi kualifikasi agregasi untuk proses segmentasi. Data kemudian dinormalisasi menggunakan metode Min-Max Scaling. Proses clustering dilakukan menggunakan algoritma K-Means dengan penentuan jumlah cluster menggunakan Elbow Method dan evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa empat cluster dipilih dengan nilai Silhouette Score sebesar 0,3787 karena menghasilkan segmentasi yang lebih representatif untuk kebutuhan interpretasi bisnis. Berdasarkan karakteristik nilai centroid RFM, empat segmen yang terbentuk terdiri atas VIP Customer, Loyal Customer, Regular Customer, dan At-Risk Customer. Hasil segmentasi menunjukkan bahwa setiap segmen memiliki karakteristik perilaku transaksi yang berbeda sehingga menghasilkan rekomendasi strategi targeting yang berbeda untuk masing-masing segmen pelanggan. Dengan demikian, hasil penelitian ini dapat menjadi dasar analitis dalam penyusunan rekomendasi strategi targeting yang lebih terarah dan berbasis data serta berpotensi mendukung pengambilan keputusan pemasaran dan upaya mempertahankan pelanggan bernilai tinggi.
Pengembangan Sistem Informasi Laporan Produksi Berbasis Web Menggunakan Metode Rapid Application Development (RAD) Pada PT. Nichias Metalwork Indonesia Zaenur Rozikin; Edi Hotman Sijabat
Prosiding Sains dan Teknologi Vol. 3 No. 1 (2024): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 3 - Januari 2024
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

In general, production management consists of several functions in which management experts give their respective opinions. From the problems that exist in PT. Nichias Metalwork Indonesia in production, the process of inputting production report data still uses sheets of paper which are done manually and then collected at the supervisor's desk, and hinders the process of inputting data by the admin, because the admin has to take the report sheets that are on the supervisor's desk. The method used in this study is the Rapid Application Development (RAD) method. The Rapid Application Development method is a software development method that emphasizes development in a short time and uses iterative (repetitive) methods where the working model is constructed at the early stages of development to determine user requirements. In making the production report system the author uses the PHP Programming Language and MySQL database. The purpose of this study is to design and build a production reporting information system to make it easier to check and input goods to minimize the difference in production inventory and speed up the process of inputting and reporting production at PT. Nichias Metalwork Indonesia
Penggunaan Naïve Bayes Dalam Implementasi Prediksi Tingkat Curah Hujan Zaenur Rozikin; Irma Nurmaulida
Prosiding Sains dan Teknologi Vol. 3 No. 1 (2024): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 3 - Januari 2024
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Precipitation forecasting has been one of the most challenging scientific and technological problems worldwide in the last century. Rain is an event where water drops fall from the sky to the surface of the earth. Rain is also the water cycle on planet earth. Another definition of rain is an event of precipitation (the fall of liquid originating from the atmosphere that is liquid or frozen to the earth's surface) in the form of liquid. Rain requires the presence of a thick layer of the atmosphere in order to meet temperatures above the melting point of ice near and above the surface of the Earth. Throughout the year, rainfall has an erratic pattern making it difficult to predict manually. The amount of rainfall that is large enough cannot be determined with certainty, but this can be estimated. Thus, data mining allows machines to recognize and study complex data patterns. Therefore machine learning can study patterns of rainfall data to make predictions, so a rainfall prediction study was carried out using the Naïve Bayes method and the data used in this study is data taken from the official BMKG Indonesia website which can be accessed by all groups, both among children, adolescents, adults and even parents.
Prediksi Ketebalan Powder Coating Menggunakan Algoritma SVM Dan Naïve Bayes Zaenur Rozikin; Ahmad Turmudi Zy; Antika Zahrotul Kamalia
Bulletin of Information Technology (BIT) Vol 4 No 2: Juni 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i2.687

Abstract

Data Mining is a method that has been widely used to make scientific discoveries from a collection of datasets which so far have only been stored without further management. In the industrial world the use of data mining methods has helped with problems that are often found in the industrial field. Data mining helps in making predictions regarding thickness quality problems in a panel box product. Data mining is very useful for finding patterns in complex manufacturing data processing processes. Especially when we talk about consumers or service users of our product panels who want the panel to have good powder coating quality. This made the researchers conduct research to find the accuracy value which would later be used as a definite reference regarding the thickness of the powder coating. The results of this test the svm algorithm is better than naïve Bayes because the data in general can be categorized as a good result which has an accuracy of 97.60%, precision 99.56% and 96.03% recall. This res ult is an illustration for consumers to ensure that the panels to be purchased are of the best quality. By showing the data that has been processed, the consumer is sure that the purchase is really valid
Sistem Pendukung Keputusan Status Gizi Balita Menggunakan Metode Simple Additive Weighting Berbasis Web (Studi Kasus: Posyandu Gandasari 16) Zaenur Rozikin; Sinta Ayu Lestari
Jurnal SIGMA Vol 14 No 4 (2023): Desember 2023
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v14i4.7320

Abstract

Gizi buruk pada balita dapat menyebabkan gangguan kekebalan tubuh, peningkatan risiko infeksi, serta keterlambatan kognitif dan psikomotor sehingga diperlukan pemantauan pertumbuhan secara berkala. Di Posyandu Gandasari 16, penentuan status gizi masih dilakukan secara manual dan bergantung pada tenaga medis, sehingga dibutuhkan sistem pendukung keputusan untuk meningkatkan akurasi dan efisiensi penilaian. Penelitian ini bertujuan membangun sistem pendukung keputusan berbasis web menggunakan metode Simple Additive Weighting (SAW) untuk menentukan status gizi balita berdasarkan data antropometri seperti berat badan, tinggi badan, lingkar lengan, dan lingkar perut. Sistem dikembangkan menggunakan PHP dan MySQL dengan perancangan UML serta metode Rapid Application Development (RAD). Hasil penelitian menunjukkan bahwa sistem mampu memberikan keputusan status gizi yang lebih spesifik dan akurat, dengan nilai persentase tertinggi 99,41% pada balita usia 3 tahun 8 bulan. Sistem ini diharapkan dapat membantu kader posyandu dalam proses pengambilan keputusan dan dapat dikembangkan lebih lanjut dengan metode lain serta cakupan wilayah yang lebih luas.
Pengembangan Chatbot Untuk Deteksi Tingkat Stres Menggunakan NLP Berdasarkan Perceived Stress Scale (PSS) Dengan Metode TF-IDF Dan Cosine Similarity Zaenur Rozikin; Ravansa Rahman Santosa
Jurnal SIGMA Vol 16 No 2 (2025): September 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i2.7329

Abstract

Stres merupakan masalah kesehatan mental yang umum terjadi pada remaja dan dewasa muda sehingga deteksi dini sangat diperlukan untuk mendukung langkah pencegahan yang tepat. Penelitian ini bertujuan mengembangkan chatbot berbasis web untuk mendeteksi tingkat stres menggunakan Perceived Stress Scale versi 10 item (PSS-10) dalam Bahasa Indonesia. Sistem dibangun dengan pendekatan Natural Language Processing (NLP) menggunakan metode TF-IDF dan Cosine Similarity untuk mengklasifikasikan respons pengguna ke dalam kategori skor tertentu. Pengembangan dilakukan menggunakan framework Flask dengan integrasi database MySQL untuk menyimpan data interaksi. Dataset disusun dari berbagai variasi sinonim jawaban agar sistem mampu memahami bahasa alami secara lebih akurat. Pengujian dilakukan melalui black-box testing untuk memastikan fungsionalitas sistem serta uji akurasi skor dengan membandingkan hasil klasifikasi chatbot terhadap data acuan. Hasil menunjukkan seluruh fitur berjalan dengan baik dan sistem mampu memberikan klasifikasi skor yang akurat dengan tingkat akurasi 100% pada data uji. Penelitian ini membuktikan bahwa pendekatan NLP sederhana berbasis aturan tetap efektif untuk mendukung asesmen mandiri, serta menunjukkan bahwa chatbot “Tenangin” berpotensi menjadi solusi digital yang praktis dan mudah diakses untuk skrining awal tingkat stres.
Co-Authors Ahmad Turmudi Zy Antika Zahrotul Kamalia Choiriyatun Nisa Latansa Dwi Indra Prasetyo Edi Hotman Sijabat Hemdani Rahendra Herlianto Irma Nurmaulida Mahesa Rezky Ramadhan Nursinta Afrianti Qoriah Ar Raudhatul Hasanah Rangga Purnama Ravansa Rahman Santosa Roswanda Nuraini Setiyadi Wicaksono Sinta Ayu Lestari Suprapto Suprapto Wiyarno