Article Per Year (5 Year)
p-Index From 2021 - 2026
1.879
P-Index
This Author published in this journals
All Journal CogITo Smart Journal JURNAL PENDIDIKAN TAMBUSAI Journal of Applied Engineering and Technological Science (JAETS) Journal of Computer Scine and Information Technology Bhakti Nagori (Jurnal Pengabdian kepada Masyarakat) Jurnal Sains Informatika Terapan (JSIT) Jurnal Komtekinfo Sistem Pendukung Keputusan dengan Aplikasi Journal Of Computer Science And Technology Jubiko : Jurnal Perilaku Bisnis Kontemporer
Nadya Alinda Rahmi
Information System Department, Computer Science Faculty, Putra Indonesia University YPTK Padang, Indonesia
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Efektifitas Penggunaan Media Pembelajaran Berbasis Android Elvira Sawitri; Nadya Alinda Rahmi; Ilmawati Ilmawati
Jurnal Pendidikan Tambusai Vol. 6 No. 2 (2022): Agustus 2022
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (277.527 KB) | DOI: 10.31004/jptam.v6i2.4321

Abstract

Berdasarkan pengamatan di SMK Negeri 5 Sijunjung pada mata pelajaran komputer dan jaringan dasar di kelas X Jurusan Multimedia (MM) SMK Negeri 5 Sijunjung didapatkan masih adanya penggunaan smartphone yang kurang tepat oleh pelajar pada saat jam pelajaran seperti mengakses media sosial facebook, BBM, Instagram, Line, WhatsApp, dan game. Smartphone tidak hanya untuk mengakses media sosial tetapi juga dapat digunakan sebagi media pendukung dalam proses belajar mengajar dan bagi siswa dapat digunakan sebagai media belajar mandiri. Oleh sebab itu dengan adanya pengembangan media pembelajaran berbasis android sebagai media pembelajaran untuk dapat meningkatkan pemahaman siswa dan meningkatkan hasil belajar siswa. Metode penelitian yang digunakan yaitu Research and Development (R&D) dengan model pengembangan 4D (Four-D). Tahap penelitian ini meliputi define (pendefinisian), design (perancangan), develop (pengembangan), dan disseminate (penyebaran). Dalam pengujian efektifiktas menggunakan instrument berupa tes hasil belajar (post-test) pada kelas kontrol dan kelas eksperimen. Hasil yang diperoleh dari penelitian ini adalah media pembelajaran yang efektif dalam proses pembelajaran.
Metode Multi Attribute Utility Theory (MAUT) untuk Sistem Pendukung Keputusan Pemilihan Mobil Bekas Rahmatia Wulan Dari; Sopi Sapriadi; Nadya Alinda Rahmi; Pradani Ayu Widya Purnama; Ilmawati
Jurnal KomtekInfo Vol. 10 No. 2 (2023): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v10i2.378

Abstract

Transportasi merupakan kebutuhan primer dalam memindahkan barang dan orang. Kendaraan pribadi, seperti mobil dan sepeda motor, menjadi preferensi bagi sebagian orang karena kenyamanan dan kemewahan yang ditawarkan. Namun, proses penjualan mobil bekas seringkali menghadapi kendala dalam pencatatan manual. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan menggunakan metode Multi Attribute Utility Theory (MAUT) dalam transaksi penjualan mobil bekas. Sistem ini diharapkan dapat mempermudah dan meningkatkan efektivitas serta efisiensi proses penjualan mobil bekas. Metode MAUT ini memungkinkan penilaian relatif terhadap setiap atribut mobil bekas yang relevan, sehingga memudahkan penjual dalam memilih mobil bekas yang sesuai dengan preferensi dan kebutuhan konsumen. Dataset yang digunakan dalam penelitian ini mencakup informasi tentang mobil bekas, termasuk harga, kondisi mesin, usia, warna, dan atribut lainnya. Data ini digunakan sebagai dasar dalam pengambilan keputusan pemilihan mobil bekas terbaik. Hasil penelitian menunjukkan bahwa sistem pendukung keputusan dengan metode MAUT dapat membantu penjual dalam memilih mobil bekas yang paling sesuai dengan kebutuhan konsumen. Penggunaan sistem ini mempercepat proses pencatatan penjualan mobil bekas, meningkatkan akurasi data, dan memudahkan analisis serta pelaporan. Sistem pendukung keputusan yang dikembangkan dapat menjadi alat yang efektif dan efisien dalam membantu penjual dalam mengambil keputusan yang tepat dalam pemilihan mobil bekas yang akan dijual kepada konsumen.
Standardscaler's Potential in Enhancing Breast Cancer Accuracy Using Machine Learning Febri Aldi; Febri Hadi; Nadya Alinda Rahmi; Sarjon Defit
Journal of Applied Engineering and Technological Science (JAETS) Vol. 5 No. 1 (2023): Journal of Applied Engineering and Technological Science (JAETS)
Publisher : Yayasan Riset dan Pengembangan Intelektual (YRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37385/jaets.v5i1.3080

Abstract

The major consequence of breast cancer is death. It has been proven in many studies that machine learning techniques are more efficient in diagnosing breast cancer. These algorithms have also been used to estimate a person's likelihood of surviving breast cancer. In this study, we employed machine learning algorithms to predict breast cancer. A total of 569 breast cancer datasets were obtained from kaggle sites. Some of the machine learning algorithms that we use are K-Nearest Neighbor (KNN), besides Random Forest (RF), there is also Gradient Boosting (GB), then Gaussian Naive Bayes (GNB), Vector Support Machine (SVM), and then Logistic Regression (LR). Before algorithms were used to train and test breast cancer datasets, StandardScaler was leveraged to transform training datasets and test datasets for improved algorithm performance. As a result of this utilization, the performance measurement carried out succeeded in producing high accuracy. The highest results were obtained from the Logistic Regression algorithm with an accuracy value of 99%. The value of precison is 99% benign, and 100% malignant. The recall results are 100% benign, and 98% malignant. The F1-Score results show 99% benign, and 99% malignant. It is hoped that this research can help the medical party to determine the next step in dealing with breast cancer.
Enhancing Machine Learning Model Performance in Addressing Class Imbalance Lucky Lhaura Van FC; M. Khairul Anam; Muhammad Bambang Firdaus; Yogi Yunefri; Nadya Alinda Rahmi
CogITo Smart Journal Vol. 10 No. 1 (2024): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v10i1.626.478-490

Abstract

This research aims to investigate methods for handling class imbalance in machine learning models, with a focus on the Support Vector Machine (SVM) algorithm. We apply oversampling (SMOTE) and undersampling techniques to a dataset with class imbalance and evaluate the performance of SVM using these methods. Experiments are conducted using data from Twitter social media regarding the 2024 general electionsThe findings indicate that incorporating SMOTE effectively enhances the performance of SVM models, particularly within the SVM Polynomial variant. However, the use of undersampling shows limited impact on improving SVM model performance. This study provides valuable insights for researchers and practitioners in choosing the appropriate strategy for handling class imbalance in machine learning models.
Product Pricing Decision Support System with the Simple Additive Weighting Method Nadya Alinda; Ilmawati
Journal of Computer Scine and Information Technology Volume 9 Issue 1 (2023): JCSITech
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/jcsitech.v9i1.38

Abstract

The development of information systems today has caused quite significant changes in the pattern of decision making within a company. The development of this information system has also made changes from various groups who act as information seekers to always obtain the most appropriate and accurate information that can be used in the process of updating information. Furniture data management at the Kabun Raya Furniture store is still done manually and product pricing is done based on furniture data records. Doing product pricing based on manual management can cause manipulation of product data which makes product pricing irrelevant. To overcome these problems, we need a system that provides convenience in storing and processing product data in the store. The method used in this research is field research, library research, and laboratory research. The tool used for design is UML (Unified Modeling Language). By implementing a decision support system using the PHP Programming Language and MySQL Database, it makes it easy for leaders to determine product prices.
Pengembangan Model Stacking Machine Learning Dengan Optimasi Hyperparameter Untuk Deteksi Serangan Malware Pada Server Elvira Sawitri; Nadya Alinda Rahmi; Ilmawati Rahmi; Pradani Ayu Widya Purnama
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.973

Abstract

Penelitian ini dilatarbelakangi oleh meningkatnya ancaman serangan malware yang mengganggu sistem server di lingkungan institusi pendidikan, termasuk Universitas Muhammadiyah Muara Bungo (UMMUBA). Server kampus menjadi pusat layanan akademik, administrasi, serta penyimpanan data penting, sehingga rentan terhadap gangguan keamanan yang disebabkan oleh aktivitas malware. Penanganan serangan ini tidak bisa lagi dilakukan secara manual karena keterbatasan waktu, sumber daya manusia, dan kompleksitas serangan yang terus berkembang. Oleh karena itu, dibutuhkan suatu sistem deteksi malware yang dapat bekerja secara otomatis, akurat, real-time, dan mudah dioperasikan oleh pengguna non-teknis. Penelitian ini bertujuan untuk mengembangkan model stacking machine learning dengan algoritma Naive Bayes (Gaussian, Multinomial, Bernoulli, Complement) sebagai base learners dan Logistic Regression sebagai meta learner. Untuk mengatasi masalah ketidakseimbangan data antara kelas malware dan non-malware, digunakan teknik SMOTE (Synthetic Minority Over-sampling Technique). Selain itu, performa model ditingkatkan dengan optimasi hyperparameter menggunakan GridSearchCV, sehingga diperoleh konfigurasi terbaik. Penelitian dilakukan melalui beberapa tahap, mulai dari pengumpulan dan pelabelan data dari log server UMMUBA, preprocessing data, pelatihan model dasar, pengembangan arsitektur stacking, evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, hingga implementasi ke dalam antarmuka aplikasi web berbasis Streamlit. Aplikasi ini memungkinkan pengguna untuk mengunggah file log dan mendapatkan hasil klasifikasi serta visualisasi performa model secara langsung. Hasil penelitian diharapkan mampu memberikan solusi nyata untuk deteksi malware pada server institusi pendidikan.
Penerapan Sistem Pendukung Keputusan untuk Strategi Digital Marketing Menggunakan AHP dan EDAS Pradani Ayu Widya Purnama; Indra Irawan; Nadya Alinda Rahmi; Desi Ardila; Kaila Azahra; Mutiara Sakinah
Sistem Pendukung Keputusan dengan Aplikasi Vol 4 No 1 (2025)
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/spk.v4i1.1098

Abstract

Pemasaran digital merupakan elemen penting dalam strategi bisnis modern, namun efektivitasnya sangat dipengaruhi oleh tren pasar, preferensi pelanggan, dan efisiensi iklan. Penelitian ini bertujuan mengoptimalkan strategi digital marketing di Toko Sumber Perabot dan Elektronik dengan menggunakan Sistem Pendukung Keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) dan Evaluation based on Distance from Average Solution (EDAS). Metode AHP digunakan untuk menentukan bobot prioritas tiap kriteria pemasaran, sedangkan EDAS digunakan untuk merangking alternatif strategi berdasarkan jaraknya dari solusi rata-rata. Hasil penelitian menunjukkan bahwa strategi iklan di media sosial berbasis tren pasar memperoleh peringkat tertinggi dengan skor akhir 0,931, menandakan efektivitas yang lebih tinggi dibanding alternatif lainnya. Pendekatan ini membantu toko meningkatkan daya saing dan efisiensi pemasaran digital. Selain itu, metode AHP-EDAS terbukti mengurangi subjektivitas dalam pengambilan keputusan dan memberikan wawasan yang lebih akurat dalam menentukan strategi pemasaran yang optimal.
PENERAPAN MULTIMEDIA DALAM PENANAMAN NILAI BERBAKTI KEPADA ORANGTUA MELALUI FILM BERBAHASA INGGRIS Rasmita; Rosi Kumala Sari; Nadya Alinda Rahmi
BHAKTI NAGORI (Jurnal Pengabdian kepada Masyarakat) Vol. 5 No. 2 (2025): BHAKTI NAGORI (Jurnal Pengabdian kepada Masyarakat) Desember 2025
Publisher : LPPM UNIKS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/bhakti_nagori.v5i2.5076

Abstract

Pengabdian kepada masyarakat ini bertujuan untuk menerapkan teknologi multimedia dalam menanamkan nilai berbakti kepada orang tua (birrul walidain) melalui media film berbahasa Inggris di TPQ Nurul Huda Kelurahan Gunung Pangilun Kota Padang. Kegiatan ini muncul sebagai respon terhadap menurunnya kesadaran anak-anak akan pentingnya menghormati dan mencintai orang tua, serta rendahnya minat belajar bahasa Inggris di kalangan santri. Pemanfaatan teknologi multimedia dilakukan melalui tiga tahapan utama: (1) pemutaran film bertema keluarga dan nilai-nilai birrul walidain dalam bahasa Inggris, yang dilengkapi subtitel bahasa Indonesia, menggunakan perangkat audiovisual digital; (2) diskusi interaktif berbasis tampilan multimedia untuk menggali pesan moral, nilai keagamaan, dan ekspresi bahasa asing dari film yang ditonton; serta (3) aktivitas pembelajaran kreatif berbasis komputer seperti bermain peran digital dan tugas multimedia sederhana yang mendukung pemahaman nilai karakter. Kegiatan ini melibatkan 30 santri berusia 07–12 tahun yang dipilih secara acak. Hasil evaluasi menunjukkan bahwa 85% peserta mengalami peningkatan pemahaman terhadap nilai birrul walidain berdasarkan hasil kuesioner pascakegiatan, dan 70% santri menyatakan lebih tertarik mempelajari bahasa Inggris melalui pendekatan multimedia. Kegiatan juga melibatkan orang tua dan pengurus TPQ dalam sesi refleksi berbasis video, menciptakan kolaborasi sinergis antara keluarga, pendidik, dan masyarakat. Hasil dari kegiatan pengabdian ini menunjukkan bahwa penggunaan teknologi multimedia tidak hanya memperkuat nilai-nilai karakter Islam, tetapi juga meningkatkan minat terhadap penguasaan bahasa asing di lingkungan TPQ. Inovasi ini diharapkan dapat menjadi model pengembangan pembelajaran terpadu berbasis nilai dan teknologi di lembaga pendidikan Islam serupa.
PENGARUH INTELLECTUAL CAPITAL, GOOD CORPORATE GOVERNANCE, DAN UKURAN PERUSAHAAN TERHADAP KINERJA KEUANGAN PERUSAHAAN DENGAN LEVERAGE SEBAGAI VARIABEL INTERVENING: PENGARUH MODAL INTELEKTUAL, TATA KELOLA PERUSAHAAN YANG BAIK, DAN UKURAN PERUSAHAAN TERHADAP KINERJA KEUANGAN PERUSAHAAN DENGAN LEVERAGE SEBAGAI VARIABEL INTERVENSI Nadya Putri Ananta; Berta Agus Petra; Dodi Suryadi
Jurnal Perilaku Bisnis Kontemporer Vol. 2 No. 2 (2025): Journal of Contemporary Business Behavior
Publisher : Sumatera Scientist

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62769/gvm51k19

Abstract

Penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh intellectual capital, good corporate governance (GCG), dan ukuran perusahaan terhadap kinerja keuangan perusahaan dengan leverage sebagai variabel intervening. Hasil penelitian menemukan terdapat intellectual capital tidak berpengaruh signifikan terhadap leverage dengan nilai probabilty sebesar 0,059. Good corporate governance (GCG) tidak berpengaruh signifikan terhadap leverage dengan nilai probability sebesar 0,868. Ukuran perusahaan berpengaruh positif dan signifikan terhadap leverage dengan nilai probability sebesar 0,000. Intellectual capital tidak berpengaruh signifikan terhadap kinerja keuangan perusahaan dengan nilai probability sebesar 0,066. Good corporate governance (GCG) berpengaruh positif dan signifikan terhadap kinerja keuangan perusahaan dengan nilai probability sebesar 0,024. Ukuran perusahaan tidak berpengaruh signifikan terhadap kinerja keuangan perusahaan dengan nilai probability sebesar 0,082. Leverage berpengaruh negatif dan signifikan terhadap kinerja keuangan perusahaan dengan nilai probability sebesar 0,027. Intellectual capital berpengaruh positif dan signifikan terhadap kinerja keuangan perusahaan melalui leverage sebagai variabel intervening, dimana nilai pengaruh langsung lebih kecil dari pengaruh tidak langsung -0,141 < 0,023. Good corporate governance (GCG) tidak berpengaruh signifikan terhadap kinerja keuangan perusahaan melalui leverage sebagai variabel intervening, dimana nilai pengaruh langsung lebih besar dari nilai pengaruh tidak langsung 0,164 > -0,002. Ukuran perusahaan berpengaruh negatif dan signifikan terhadap kinerja keuangan perusahaan melalui leverage sebagai variabel intervening, dimana nilai pengaruh langsung lebih kecil dari nilai pengaruh tidak langsung -0,140 < -0,068.
Peningkatan Akurasi Klasifikasi Sentimen Pengguna Dompet Digital Menggunakan Stacking Ensemble Machine Learning Ilmawati; Nadya Alinda Rahmi; Elvira Sawitri
Journal of Computer Science and Technology (JOCSTEC) Vol 4 No 2 (2026): JOCSTEC - Mei
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v4i2.759

Abstract

Penggunaan dompet digital yang terus meningkat menghasilkan banyak ulasan pengguna yang dapat dimanfaatkan untuk mengevaluasi kualitas layanan. Penelitian ini bertujuan meningkatkan akurasi klasifikasi sentimen pengguna dompet digital menggunakan metode Stacking Ensemble Machine Learning yang mengombinasikan Support Vector Machine (SVM), Multinomial Naïve Bayes (MNB), dan AdaBoost dengan Logistic Regression sebagai meta-learner. Data ulasan diproses melalui tahapan text preprocessing meliputi case folding, cleaning, tokenizing, stopword removal, stemming, dan pembobotan fitur menggunakan TF-IDF. Penyeimbangan data dilakukan dengan SMOTE, sedangkan evaluasi model menggunakan 5-Fold Cross-Validation. Hasil penelitian menunjukkan bahwa model Stacking Ensemble memperoleh akurasi rata-rata 80,55%, lebih tinggi dibandingkan algoritma dasar. Evaluasi menggunakan Confusion Matrix, Classification Report, dan ROC Curve juga menunjukkan peningkatan nilai precision, recall, F1-score, dan kemampuan diskriminasi model. Hasil ini menunjukkan bahwa pendekatan Stacking Ensemble Machine Learning efektif untuk meningkatkan akurasi klasifikasi sentimen pengguna dompet digital serta mendukung evaluasi kualitas layanan berbasis opini pengguna. The rapid growth of digital wallet usage has generated a large volume of user reviews that can be utilized to evaluate service quality. This study aims to improve the accuracy of digital wallet user sentiment classification using a Stacking Ensemble Machine Learning approach that combines Support Vector Machine (SVM), Multinomial Naïve Bayes (MNB), and AdaBoost with Logistic Regression as the meta-learner. User reviews were processed through text preprocessing stages, including case folding, text cleaning, tokenization, stopword removal, stemming, and TF-IDF feature weighting. Synthetic Minority Over-sampling Technique (SMOTE) was employed to address class imbalance, while model performance was evaluated using 5-Fold Cross-Validation. The experimental results show that the proposed Stacking Ensemble model achieved an average accuracy of 80.55%, outperforming the individual base learners. Furthermore, evaluations based on the Confusion Matrix, Classification Report, and Receiver Operating Characteristic (ROC) Curve demonstrated improvements in precision, recall, F1-score, and the model's discriminative capability. These findings indicate that the proposed Stacking Ensemble Machine Learning approach is effective in improving the accuracy of digital wallet user sentiment classification and can serve as a reliable tool for supporting service quality evaluation based on user opinions.
Co-Authors Anam, M Khairul Berta Agus Petra Dari, Rahmatia Wulan Desi Ardila Dodi Suryadi Elvira Sawitri Elvira Sawitri Elvira Sawitri Febri Aldi Febri Hadi Ilmawati Ilmawati Ilmawati Ilmawati Rahmi Indra Irawan Kaila Azahra Lucky Lhaura Van FC Muhammad Bambang Firdaus Mutiara Sakinah Pradani Ayu Widya Purnama Rasmita Rosi Kumala Sari Sarjon Defit Sopi Sapriadi Yogi Yunefri, Yogi