Article Per Year (5 Year)
p-Index From 2021 - 2026
5.495
P-Index
This Author published in this journals
All Journal Pythagoras: Jurnal Matematika dan Pendidikan Matematika Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal Journal of Information System Jurnal Teknologi dan Sistem Komputer Jurnal Informatika JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal TAM (Technology Acceptance Model) JURNAL ILMIAH INFORMATIKA ILKOM Jurnal Ilmiah DoubleClick : Journal of Computer and Information Technology INTECOMS: Journal of Information Technology and Computer Science Jiko (Jurnal Informatika dan komputer) Jurnal ULTIMATICS Jurnal Informasi dan Komputer STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Progresif: Jurnal Ilmiah Komputer Jurnal Pendidikan dan Konseling Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Informatika dan Rekayasa Perangkat Lunak Journal of Applied Engineering and Technological Science (JAETS) Generation Journal JATI (Jurnal Mahasiswa Teknik Informatika) Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Ilmiah Wahana Pendidikan Paradigma
Betha Nurina Sari
Program Studi Informatika, Universitas Singaperbangsa Karawang
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 Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 52 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 52 Documents
Search

 2   3   4   5   6 
KLASIFIKASI ULASAN PENGGUNA APLIKASI DISCORD MENGGUNAKAN METODE INFORMATION GAIN DAN NAÏVE BAYES CLASSIFIER Syafrida Nabila Salsabila; Betha Nurina Sari; Rini Mayasari
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.6277

Abstract

Pada saat terjadinya covid-19, aplikasi discord banyak di download oleh masyarakat karena dapat digunakan untuk pembelajaran yang dilakukan secara daring dari rumah. Banyak ulasan yang diberikan oleh pengguna aplikasi discord di google play store. Ulasan dari pengguna dapat berisi informasi bagi pengembangan aplikasi, oleh karena itu dilakukan klasifikasi ulasan pengguna aplikasi discord. Penelitian ini menggunakan metodologi CRISP-DM dengan tahap awal dilakukan scraping web, lalu data diberi label positif dan negatif menggunakan InSet Lexicon dan setelah itu divalidasi oleh ahli bahasa. Setelah divalidasi, data akan dibersihkan dan melalui tahap preprocessing. Lalu data akan melalui tahap seleksi fitur menggunakan Information Gain dan dilanjutkan dengan algoritma Naïve Bayes Classifier. Hasil klasifikasi dengan algoritma Naive Bayes Classifier menggunakan Information Gain dibandingkan dengan yang tidak menggunakan Information Gain. Setelah dibandingkan didapatlah nilai accuracy tertinggi yaitu 84%, precision 84%, recall 84%, f1-score/f-measure 83% yang didapatkan dengan 90% data training dan 10% data testing menggunakan Information Gain.
Penerapan Silhouette Coefficient, Elbow Method dan Gap Statistics untuk Penentuan Cluster Optimum dalam Pengelompokkan Provinsi di Indonesia Berdasarkan Indeks Kebahagiaan Afifa Atira; Betha Nurina Sari
Jurnal Ilmiah Wahana Pendidikan Vol 9 No 17 (2023): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.8282638

Abstract

Currently, the assessment of regional development success is still limited to economic growth and poverty factors. However, evaluation based solely on economic factors is not accurate enough because high economic growth does not always guarantee the happiness of society and can even worsen social inequality. Therefore, one of the important priorities in development is to create economic growth that can improve the welfare of society equally, without creating gaps between social groups. The well-being and social progress in a region can be influenced by the happiness of its people. Happiness can be used as a measure to assess the welfare obtained by individuals. In this study, clustering of happiness index based on provinces in Indonesia was conducted using the K-Means algorithm in RStudio. Through the K-Means clustering analysis, the results of this study can be used as a reference by the government in formulating strategic plans or making improvements to increase the level of happiness and welfare of the Indonesian society. There are three methods to determine the optimal number of clusters: Silhouette method, Elbow method, and Gap Statistics. In the comparison of methods, it is observed that the optimal cluster formation occurs with 2 clusters, where the Elbow and Silhouette methods yield the best results. The data was processed using the K-Means method, resulting in 2 groups: 16 provinces with a high-level happiness group and 18 provinces with a low-level happiness group. From the evaluation using the Silhouette Index, a value of 0.4005945 was obtained at k=2, indicating that this cluster falls into the weak structure category.
PENGELOMPOKAN TINGKAT KEMISKINAN DI SETIAP PROVINSI DI INDONESIA MENGGUNAKAN ALGORITMA K-MEDOIDS Fathimatuz Zahra; Assyifa Khalif; Betha Nurina Sari
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 2 (2024)
Publisher : Universitas Lampung

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

Abstract

Kemiskinan adalah keadaan di mana individu atau sekelompok masyarakat tidak memiliki kemampuan untuk memenuhi kebutuhan dasar mereka, seperti pangan, sandang, tempat tinggal, pendidikan, dan layanan kesehatan. Kemiskinan bervariasi menurut provinsi di Indonesia. Tujuan dari penelitian ini adalah untuk mengidentifikasi klaster kemiskinan di setiap negara bagian dengan menggunakan pendekatan algoritma K-Medoids. K-Medoids adalah teknik pengelompokan partisi  yang  mengelompokkan kumpulan objek ke dalam cluster. Penelitian ini menggunakan data  Badan Pusat Statistik (BPS) yang mencakup 34 provinsi di Indonesia pada tahun 2015 hingga 2022. Hasil yang diperoleh adalah terdapat tiga klaster yang berbeda: klaster sangat miskin, klaster miskin, dan klaster rentan miskin. 50% penduduknya tergolong dalam kemiskinan ekstrem, 45% lagi berada dalam kemiskinan, dan sisanya berada dalam kemiskinan rentan. Nilai Silhouette Score sebesar 0,4 menunjukkan  clustering yang dihasilkan sangat baik.
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI JASA OJEK ONLINE MAXIM PADA GOOGLE PLAY DENGAN METODE NAÏVE BAYES CLASSIFIER Anisa Nur Hasanah; Betha Nurina Sari
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3628

Abstract

In this age of digitalization, public transportation has developed, such as the creation of Online Transportation or commonly called Online Ojek.  Online transportation is clear evidence of the development of application-based technology. Now with the Online ojek service can provide convenience in ordering ojek. Currently, more and more online ojek service companies are emerging, one of which is Maxim. Maxim has been enjoyed by approximately 47 cities in Indonesia. Maxim is also famous for its relatively affordable price. With the many enthusiasts of the Maxim application, the author is interested in conducting Sentiment Analysis on this application. Sentiment Analysis is done by analyzing user reviews of the Maxim application on the Google Play Store with the Naïve Bayes Classifier method. The author conducts this research, namely to find out the opinions or opinions of users which can later be used as input for application developers so that later the Maxim application can continue to be improved in terms of quality. The results showed that the Maxim application received many positive comments, but there were also some negative comments that could be used as evaluation material for the application developer.
Penerapan CNN Untuk Klasifikasi Tingkat Kematangan Berry Dengan Augmentasi Transformasi Dan Colorjitter Menggunakan Tensorflow Lusen, Vieri; Purnamasari, Intan; Sari, Betha Nurina
JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi Vol 23 No 3 (2024): September 2024
Publisher : LP2M STAI Miftahul 'Ula (STAIM) Nganjuk

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

Abstract

With the increasing consumer demand for fresh and high-quality fruits, automated recognition of fruit ripeness becomes crucial to enhance the quality and efficiency in fruit production. This research focuses on the implementation of Convolutional Neural Network (CNN) with Transformation Augmentation and Color Jitter using TensorFlow to classify the ripeness level of berries through images. The dataset consists of images of berries that have undergone pre-processing steps, including resizing images to 224x224 pixels, horizontal flipping, a rotation range of 20 degrees, zoom range of 0.3, shear range of 0.3, height shift range of 0.3, width shift range of0.3, random hue of 0.08, random saturation of 0.6-1.6, random brightness of 0.05, and random contrast of 0.7-1.3. The network architecture comprises 4 convolution layers, 4 max-pooling layers, a global average pooling layer, and a dense layer. The results show that the CNN method with Transformation Augmentation and Color Jitter using TensorFlow can achieve good accuracy in classifying the ripeness of berries. After 500 epochs of training, the model achieved an accuracy of 93.75% on the training data and 90.33% on the testing data. The model also achieved 100% accuracy on 30 new data samples that were different from the training and testing data. Additionally, the use of Transformation Augmentation and Color Jitter in CNN has a positive impact on the accuracy of ripeness classification of berries, with the augmented model showing higher accuracy.
Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi menggunakan Algoritma K-Means Vania, Putri; Sari, Betha Nurina
Jurnal Ilmiah Wahana Pendidikan Vol 9 No 21 (2023): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10081332

Abstract

Indonesia adalah negara agraris dengan industri pertanian yang besar, Indonesia memiliki hasil produksi padi tahun 2022 mencapai angka 54,75 juta ton GKG. Data yang dihasilkan dari sektor pertanian akan selalu bertambah banyak, maka perlu dilakukannya pengolahan data yang ada salah satunya yaitu menggunakan data mining. Proses data mining salah satunya adalah clustering, di mana dalam prosesnya perlu penentuan jumlah klaster yang tepat. Penelitian ini dilakukan dengan tujuan membandingkan metode untuk penentuan jumlah klaster yang optimal antara metode elbow dengan metode silhouette coefficient dalam pengelompokkan produksi dan lahan padi di Jawa Barat pada tahun 2020, 2021, dan 2022 menggunakan algoritma k-means. Metodologi yang digunakan pada penelitian ini adalah Knowledge Discovery in Database (KDD). Klaster yang dihasilkan metode elbow berjumlah 3 klaster, sedangkan metode silhouette berjumlah 5 klaster. Hasil evaluasi DBI menggunakan silhouette coefficient sebesar 0,27 sedangkan metode elbow 0,39. Hasil penelitian ini menunjukkan metode silhouette coefficient lebih unggul dalam menentukan jumlah klaster dari pada medote elbow.
Klasterisasi Tingkat Kemiskinan di Indonesia menggunakan Algoritma K-Means Khalif, Assyifa; Hasanah, Anisa Nur; Ridwan, Muhammad Hafizh; Sari, Betha Nurina
Generation Journal Vol 8 No 1 (2024): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v8i1.21470

Abstract

Poverty is one of the deep social challenges around the world and is a major focus in the global development agenda. This article discusses the role of clustering methods in analyzing and understanding poverty issues. We use data from Statistics Indonesia (BPS) on 34 provinces in Indonesia to classify groups of people who are vulnerable to poverty. Clustering analysis helps us identify characteristics that may be overlooked by conventional approaches, which in turn enables the development of more targeted and effective solutions to poverty. We use the K-Means method in our analysis and present it within the framework of the CRISP-DM methodology. The results show that almost 95% of the poor in Indonesia belong to the 'Poor' group. Therefore, we recommend effective actions based on indicators that are the main factors of poverty, as well as designing specific policies for regions with similar characteristics. This article aims to contribute to the global effort to end poverty and achieve the vision of equitable and inclusive sustainable development.
IMPLEMENTASI ALGORITMA ARTIFICIAL NEURAL NETWORK PADA CHATBOT WEBSITE PRODI INFORMATIKA UNSIKA Arbizal, Yusril; Sari, Betha Nurina; ., Garno
Jurnal informasi dan komputer Vol 12 No 01 (2024): Jurnal Informasi dan Komputer yang terbit pada tahun 2024 pada bulan 4 (April)
Publisher : LPPM Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v12i01.507

Abstract

Program studi informatika adalah salah satu program studi fakultas ilmu komputer, dan program studi informatika mempunyai website untuk memberikan informasi kepada mahasiswa fakultas ilmu komputer terutama program studi informatika. Tetapi sayangnya website tersebut masih kurangnya informasi yang diberikan dan juga sulitnya mencari informasi karena hal tersebut, mahasiswa sering kali menanyakan informasi melalui group whatsapp angkatan atau menanyakan langsung kepada ketua program studi. Maka dari itu dibutuhkannya chatbot untuk menanggani masalah tersebut. Tujuan dari penelitian ini adalah untuk mengimplementasikan algoritma artificial neural network pada chatbot website prodi informatika unsika yang berguna untuk mempermudah mahasiswa mencari informasi dengan cepat. Dengan menggunakan metode AI Project Cycle dan dibantu dengan model Artificial Intelligence Markup Language agar akurasi dan kecepatan respon mendapatkan hasil yang bagus. Hasil pengujian System Usability Scale terhadap chatbot yang diimplementasikan menunjukan bahwa chatbot dapat diterima oleh mahasiswa dengan kategori grand scale yaitu excelent atau B dengan skor sebesar 86.6.
OPTIMALISASI PERFORMA K-MEANS CLUSTERING DENGAN PCA DALAM ANALISIS TINGKAT KEMISKINAN DI JAWA BARAT Nurohmah, Yunita; Mayasari, Rini; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6884

Abstract

Kemiskinan adalah permasalahan kompleks dan sulit diatasi, terutama di Provinsi Jawa Barat yang memiliki tingkat kemiskinan yang tinggi di Indonesia. Data kemiskinan yang akurat menjadi faktor utama dalam mendukung strategi penanggulangan, sementara tingkat kemiskinan suatu wilayah dapat diketahui lebih mudah melalui pengukuran dan penentuan indikator pendukungnya. Penelitian ini bertujuan untuk mengetahui klasterisasi tingkat kemiskinan di Provinsi Jawa Barat dari tahun 2019 hingga 2022 dengan menggunakan metodologi Knowledge Discovery in Data Base (KDD) . Metode yang diterapkan pada penelitian ini adalah pengelompokan data menggunakan dua algoritma yaitu Principal Component Analys (PCA) dan K-Means Clustering. dan menggunakan metode evaluasi silhouette coefficient untuk mengetahui nilai dari model. Hasil evaluasi dari 2 skenario model pada penelitian ini menyatakan bahwa membangun model dengan tahap reduksi dimensi variabel terlebih dahulu, lalu dilanjutkan dengan tahap pengelompokkan data menggunakan algoritma K-Means (skenario 2) yang menghasilkan performa terbaik diantara model lainnya dengan nilai evaluasi 0.74 yang termasuk dalam kriteria kuat.
PENERAPAN ALGORITMA C4.5 DENGAN FEATURE FORWARD SELECTION UNTUK ANALISIS CAPAIAN INDIKATOR KINERJA UTAMA BERDASARKAN TRACER STUDY : STUDI KASUS: FASILKOM UNSIKA Rahmayani, Fenny; Nurina Sari, Betha; Maulana, Iqbal; Garno, Garno; Mayasari, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7175

Abstract

Perguruan tinggi, sebagai pusat ilmu, penelitian, dan pengabdian masyarakat, dituntut untuk fokus pada capaian Indikator Kinerja Utama Perguruan Tinggi Negeri (IKU-PTN). Salah satu kunci dalam mengelola kinerja perguruan tinggi adalah melalui IKU-PTN yang mendukung relevansi dengan industri dan dunia kerja terdapat pada IKU1. Namun, data tracer study Fasilkom Unsika menunjukkan capaian IKU1 pada tahun 2020 dan 2021 di bawah target, menandakan perlunya analisis pola data alumni. Penelitian ini menggunakan algoritma C4.5 untuk mengevaluasi kelayakan alumni dalam mencapai IKU1. Setelah feature selection, ditemukan atribut paling berpengaruh seperti "Status Bekerja," "Gaji," "Mendapat Pekerjaan Kurang dari 6 Bulan," "1.2 x UMP," dan "Jenis Tempat Bekerja." Model terbaik, yaitu model 5, menghasilkan akurasi 98.77% dengan Weighted Precision rata-rata 100%, Recall 96%, dan f1-Score 89%. Penerapan Decision Tree C4.5 dan metodologi Knowledge Discovery in Databases (KDD) menghasilkan 5 aturan penting yang membantu menilai pencapaian IKU1 berdasarkan fitur-fitur signifikan. Penelitian ini memberikan panduan bagi lembaga pendidikan untuk memahami faktor-faktor yang memengaruhi kesuksesan penempatan kerja alumni serta memberikan prediksi akurat untuk meningkatkan capaian IKU1. Kontribusi ini berpotensi mendorong evaluasi dan pengembangan program pendidikan yang lebih efektif.
Co-Authors ., Garno Aan Rohanah Abimanyu Widhiantoyo Adam Mukti Wibisono Afifa Atira Agil Aditya Agil Aditya Ahmad Khusaeri Ammellia Putri, Zahra Andini Diyah Pramesti Anggri, Anggri Anisa Nur Hasanah Apriade Voutama aqillah Aqillah Fadia Haya Arbizal, Yusril Assyifa Khalif Ato Sugiharto Audy Sukma Putera Aulia Kusnadi, Putri Azhari Ali Ridha Bayu Adhi Pamungkas Bintang Selviana Budi Arif Dermawan Dadang Yusuf Darmawan, Adam Delpidat, Derrenz Dinda Fitriani Duwo Jiwo Saputro, Adi Dwi Latifah Rianti Fathimatuz Zahra Febriandika Dian Nurcahyo Fida Nafisah Giustin garno, Garno Hannie, Hannie Hasanah, Anisa Nur Hayah, Najmil Ibnu Alfitra Salam Ilham, Septian Ilyas Shiddiq Pratama Intan Purnamasari Iqbal Maulana Iskandar Zulkarnaen Ivan Jovian Katon Wahyudi Putra Khalif, Assyifa Lusen, Vieri Luthfiyyah, Ibtihal Qomariyyah Margaretta, Putri Mayasari, Rini Muhamad Khandava Mulyadien Muhammad Diki Hendriyanto Muhammad Fadhlil Aziz Nabilla Audy, Ide Nur Padilah, Tesa Nurhasanah, Desi Nurhusaeni, Muhamad Nurohmah, Yunita Padilah, Tesa Nur Rahmat Alfanza Rahmawati, Erika Rahmayani, Fenny Ratna Mufidah Reynaldi Azhar Ridha, Azhari Ali Ridwan, Muhammad Hafizh Rini Mayasari Rizal Fadilah Sani Shalihamidiq Senjaya, Rico Silvana Fitria Mandang Sisca Yuliantina Sisca Yuliatina Sita Alden Sofi Defiyanti Suna Mulyani Susilawati Susilawati Syafrida Nabila Salsabila Tesa Nur Padilah Tesa Nur Padilah Topan Adib Amrulloh, Ibnu Vania, Putri Wira Buana Yanti, Fajri