Article Per Year (5 Year)
p-Index From 2021 - 2026
6.703
P-Index
This Author published in this journals
All Journal Jurnal Simetris Prosiding SNATIF Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal JUPITER (Jurnal Pendidikan Teknik Elektro) Jurnal Pendidikan Fisika dan Keilmuan (JPFK) Jurnal Sisfokom (Sistem Informasi dan Komputer) DoubleClick : Journal of Computer and Information Technology DIKEMAS (Jurnal Pengabdian Kepada Masyarakat) Diklat Review : Jurnal manajemen pendidikan dan pelatihan Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] bit-Tech Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Generation Journal Jurnal Abdi Insani Indonesian Journal of Electrical Engineering and Computer Science Budimas : Jurnal Pengabdian Masyarakat Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Infotek : Jurnal Informatika dan Teknologi Nusantara Science and Technology Proceedings Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Multicience Jurnal Ekonomi TIERS Information Technology Journal Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Jurnal Teknik Informatika Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Digital Transformation Technology (Digitech) Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Pena Dimas: Jurnal Pengabdian Masyarakat SATIN - Sains dan Teknologi Informasi Nusantara Journal of Computers and its Applications Journal Of Artificial Intelligence And Software Engineering SmartComp
Hasanah, Herliyani
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Biochemistry, Genetics & Molecular Biology 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 Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 2   3   4   5   6 
Pemodelan Sistem Rekomendasi Pemilihan Paket Internet IndiHome Menggunakan Metode Knowledge Lestari, Fany; Hartanti, Dwi; Hasanah, Herliyani
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 9 No 1 (2025): JANUARI-MARET 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v9i1.3065

Abstract

As time goes by, the internet has become a basic human need. There are various internet service providers with various and interesting products. Each internet service provider has its own advantages and disadvantages. This makes customers confused about choosing a suitable internet package to use to support their activities. The Indihome internet package selection recommendation system uses a knowledge-based method and is designed to help users choose an internet package that suits their needs. This knowledge based method is based on existing knowledge. The use of a knowledge base is easy for users to understand and makes it possible to produce recommendations that suit user needs. It is hoped that the results of this system can be used as a consideration for consumers in making decisions regarding selecting the internet service package to be used and increasing customer satisfaction.
Perbandingan Tingkat Akurasi Penyakit Diabetes Menggunakan Metode Regresi Logistik dan Random Forest Saputro, Khoirul Adi; Atsir, Ega Muhammad; Hasanah, Herliyani
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2 (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2.pp159-166

Abstract

This study analyzes and compares the performance of Logistic Regression and Random Forest methods in diabetes prediction. Diabetes is an increasingly common chronic condition. If left untreated, diabetes can cause major problems. Predicting and detecting diabetes early is very important. This study uses a dataset from Kaggle consisting of 9 demographic and clinical variables. The research method includes data collection and pre-processing, model selection, model training, and model evaluation. The results showed that the Random Forest model had 97.0% accuracy and 95.6% precision, which was higher than the Logistic Regression which had 95.9% accuracy and 86.4% precision. Although both models faced challenges in predicting positive classes, Random Forest performed better with a recall of 68.4% and F1-Score of 79.7%, compared to Logistic Regression which had a recall of 61.3% and F1-Score of 71.8%. This study advances our knowledge of how machine learning techniques can be applied to diabetes prediction and helps in the creation of more accurate and productive diagnostic tools for use in clinical settings.
Penggunaan Metode Content Based Filtering Dalam Sistem Rekomendasi Elektronik di Toko Pareto Ester Anugrayningtyas; Mulindar, Joni; Hasanah, Herliyani
JURNAL FASILKOM Vol. 14 No. 2 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

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

Abstract

Penelitian ini dilakukan dengan tujuan mengembangkan sistem rekomendasi yang dapat memberikan rekomendasi produk lebih personal dan sesuai dengan preferensi konsumen berbasis Content Based Filtering menggunakan metode Term Frequency - Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Analisis sistem dilakukan untuk memahami proses yang telah berjalan di toko elektronik Pareto terkait rekomendasi barang. Toko Pareto menyadari tingginya tingkat persaingan dalam bisnis penjualan barang elektronik, sehingga mendorong mereka untuk meningkatkan sistem penjualan produk dengan memanfaatkan sistem rekomendasi yang dapat merekomendasikan produk kepada konsumen secara lebih efektif.Metode penelitian ini mencakup pengumpulan data historis mengenai informasi daftar barang elektronik seperti nama barang, merk, tipe, harga, dan diskon, yang sudah terdokumentasi sebelumnya. Peneliti bertugas mencari dan mengumpulkan data-data tersebut untuk selanjutnya diolah menggunakan metode TF-IDF dan Cosine Similarity guna menghasilkan rekomendasi produk yang lebih akurat dan personal.Dalam implementasinya, metode TF-IDF digunakan untuk menghitung bobot frekuensi kemunculan kata dalam dokumen serta mengukur kemiripan antar data berdasarkan vektor bobotnya. Sementara Cosine Similarity menjadi metode perhitungan kemiripan antara vektor dari dua data. Selanjutnya, sistem rekomendasi berbasis konten berhasil diterapkan pada data barang elektronik yang ada di toko Pareto, dan memberikan rekomendasi kepada konsumen.Dari hasil pengujian tersebut, sistem mampu menampilkan 5 produk yang mirip dengan produk uji, yakni Lemari Es 1 Pintu merk Polytron tipe PRA 16, dengan nilai similaritas tertinggi dimiliki oleh Lemari Es 1 Pintu merk Polytron tipe PRA 18 sebesar 0.549533 dan presentase similaritasnya yaitu 54.953252%. Dari hasil sistem yang ada bahwa menggunakan metode TF-IDF dan Cosine Similarity bisa meningkatkan akurasi dan personalisasi sistem rekomendasi di toko Pareto. Sistem rekomendasi yang lebih akurat dan personal dapat meningkatkan kepuasan konsumen dan membantu toko Pareto bersaing dengan toko lainnya dalam bisnis penjualan barang elektronik.
Rancang Bangun Sistem Monitoring dan Kendali Tanaman Pintar Berbasis Android Pangestu, Arnan Dwi; Hasanah, Herliyani; Muhtarom, Moh.
Generation Journal Vol 9 No 1 (2025): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v9i1.24603

Abstract

Perkembangan teknologi di bidang perkebunan, khususnya dalam sistem penyiraman tanaman, telah mengalami kemajuan yang signifikan. Penyiraman merupakan kegiatan penting untuk menjaga kesegaran dan pertumbuhan tanaman, karena tanaman memerlukan air untuk kelangsungan hidup. Umumnya, penyiraman dilakukan pada pagi dan sore untuk memberikan kelembapan optimal. Namun, banyak petani yang kesulitan menentukan waktu dan jumlah air yang tepat, terutama di perkotaan dengan keterbatasan ruang dan waktu. Salah satu masalah utama dalam penyiraman tanaman adalah kurangnya kemampuan untuk memantau kelembapan tanah pada tanaman dan penyiraman otomatis. Oleh karena itu, dibutuhkan sistem monitoring dan kendali yang efisien dan efektif untuk membantu pengelolaan tanaman. Penelitian ini bertujuan mengembangkan sistem kendali tanaman berbasis Internet of Things (IoT) yang dapat menyiram tanaman secara otomatis. Sistem ini dilengkapi dengan sensor kelembapan tanah dan sensor ketinggian air untuk memantau kondisi tanaman secara real-time. Data yang diperoleh dari sensor dikirimkan ke Firebase dan ditampilkan pada aplikasi mobile. Hasil percobaan menunjukkan bahwa kelembapan tanah dipantau dengan nilai awal 53%, 46/%, dan 41%, serta ketinggian air 80%, 75%, dan 70%. Delay sensor kelembapan tanah tercatat 1 detik, pengiriman data ke Firebase 3 detik, dan ke aplikasi mobile 2 detik. Sistem ini membantu menjaga kelembapan tanah dengan efektif, mempermudah perawatan tanaman
Penerapan Metode Collaborative Filtering Pada Pemilihan Bibit Padi Di Wonogiri Muhamad Aldiyansyah; Intan Oktaviani; Herliyani Hasanah
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 3 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i3.775

Abstract

Penelitian ini dibuat karena semakin pesat dan cepatnya perkembangan teknologi. Sistem rekomendasi merupakan salah satu contoh dari perkembangan tekonologi itu sendiri. Wilayah Wonogiri khususnya daerah Wuryantoro sebagian besar penduduknya bekerja sebagai petani. Masalah yang dihadapi oleh petani diantaranya salah dalam pemilihan bibit padi yang mengakibatkan petani gagal panen. Oleh karena itu sistem rekomendasi pemilihan bibit ini dibangun untuk memudahkan petani dalam memilih bibit padi yang tepat. Penelitian ini juga memberikan sampel dari petani yaitu Bpk. Agus, Bpk. Agung, Bpk. Joko, dan Bpk. Narso, seangkan untuk bibit yang digunakan adalah Mikongga, CakraBuana, M70, Mantap. Dari hasil perhitungan menggunakan Collaborative Filtering hasil yang didapat adalah nilai identik Bpk. Narso dengan Bpk. Joko. Hasil dari penelitian ini adalah sistem rekomendasi pemilihan bibit padi yang dapat membantu petani dalam pemilihan bibt padi yang tepat
Implementasi Algoritma Naive Bayes dalam Sistem Analisis Sentimen Aplikasi Zenius pada Playstore Wahyudi, Risqi; Hasanah, Herliyani; Nastiti, Faulinda Eli
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 2 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i2.7436

Abstract

Telah berkembang belajar online di salah satu platform pembelajaran online terkemuka di Indonesia yang menawarkan berbagai materi pendidikan untuk siswa dari berbagai jenjang, mulai dari sekolah dasar hingga menengah atas. Zenius telah menjadi salah satu platform utama yang menawarkan berbagai kursus online dalam berbagai bidang. Maka diperlukan analisis sentimen pengguna untuk mengetahui apakah aplikasi zenius ini dapat memberikan Pelajaran atau kursus online secara baik dan memuaskan. tujuan penelitian ini adalah untuk menerapkan algoritma Naive Bayes ke dalam sistem analisis sentimen yang berkaitan dengan komentar-komentar pengguna yang terkait dengan aplikasi Zenius di Play Store.  Naive bayes algoritma yang didasarkan pada Teorema Bayes, yang menggabungkan probabilitas kejadian sebelumnya dengan bukti baru untuk membuat prediksi.Algoritma Naïve Bayes diterapkan untuk mengidentifikasi sentimen pengguna yang dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasil analisis menunjukkan bahwa dengan train-test split 10%, aplikasi memiliki tingkat sentimen positif sebesar 83%, negatif 55%, netral 16%, dan akurasi 69%. Dengan train-test split 20%, hasilnya adalah positif 88%, negatif 58%, netral 28%, dan akurasi 76%. Sedangkan dengan train-test split 30%, diperoleh hasil positif 87%, negatif 52%, netral 28%, dan akurasi 75%.
Website-Based Sales Transaction Data Monitoring Information System Risandi, Arfika Putri; Hasanah, Herliyani; Oktaviani, Intan
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2679

Abstract

Micro, Small, and Medium Enterprises (MSMEs) contribute significantly to the Indonesian economy, yet many still rely on manual transaction recording using Excel, which often results in errors, delays in reporting, and difficulties in accessing historical sales data. These limitations hinder effective decision-making and reduce operational efficiency. In response to these challenges, this study aims to develop a website-based sales transaction data monitoring information system that enables real-time monitoring and structured data management for various user roles: admin, reseller, and leader. The system was developed using the Rapid Application Development (RAD) method, which emphasizes fast prototyping and user feedback to ensure functionality meets actual needs. Features include automated Excel data uploads, interactive dashboards, and reseller performance visualizations tailored to user roles. Testing was conducted using Black Box Testing and User Acceptance Testing (UAT). The results indicate that all system functions operated according to design specifications and received positive feedback from users regarding usability and effectiveness. The implementation of this system successfully addresses the common problems faced by MSMEs in transaction management by improving accuracy, speeding up reporting, and enhancing monitoring transparency. In conclusion, this system offers a practical solution that is ready to be adopted by MSMEs with similar transaction recording issues, supporting digital transformation and operational efficiency in the MSME sector.
Predicting Social Media Addiction Using Machine Learning and Interactive Visualization with Streamlit Tegar, Alfiyan Tegar Budi Satria; Hasanah, Herliyani; Oktaviani, Intan
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2715

Abstract

The increasing use of social media among students has raised concerns regarding its impact on mental health, academic performance, and interpersonal relationships. This study introduces a Streamlit-based web application that predicts social media addiction levels using the Random Forest algorithm. The model incorporates variables such as daily usage hours, mental health scores, and conflicts caused by social media. The innovation of this approach lies in combining machine learning with interactive visualizations for real-time addiction prediction, providing a user-friendly, data-driven tool for early screening. Unlike traditional models that primarily rely on self-reported data or simple metrics, this method integrates multiple behavioral and psychological indicators to improve prediction accuracy. The model outperforms linear regression in all key metrics, achieving an R² value of 0.9903, which explains 99.03% of the variation in addiction scores. It also reports a low Mean Absolute Error (MAE) of 0.0370, Mean Squared Error (MSE) of 0.0244, and Root Mean Squared Error (RMSE) of 0.1561, highlighting its accuracy. Black-box testing showed an average error of just 0.354% in predictions and confirmed that the app’s features function effectively across devices. These findings emphasize the potential of this application as an effective tool for identifying students at risk of social media addiction, enabling timely interventions, and offering a foundation for future improvements through real-time data integration and advanced machine learning models.
Design and implementation of smart farming prototype with renewable energy and IoT Susanto, Rudi; Lestari, Wiji; Hasanah, Herliyani
Indonesian Journal of Electrical Engineering and Computer Science Vol 39, No 2: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v39.i2.pp1326-1336

Abstract

Indonesia faces food security challenges in several regions, and the adoption of advanced technologies such as artificial intelligence (AI), internet of thing (IoT), and renewable energy in the agricultural sector has not been optimal. This research aims to develop an integrated smart farming system, including monitoring, controlling, and prediction features based on renewable energy to support national food security, especially for chili plants. The method used in the research is an experiment, starting from analysis, design, manufacture, and testing. The result of the research is a smart farming prototype that has been tested with experts, partners and farmers. The results of expert testing obtained that the monitoring feature, in this case the accuracy is 4.36 out of 5 for all sensors, as well as the controlling and prediction features have met technical, functional, and practical needs. The results of the usability evaluation using the system usability scale (SUS) method involving partners and farmers obtained an average SUS score of 73.125. This result is categorized as an excellent rating and can be given a grade B and the acceptance range is high. So, from this study it can be concluded that the smart farming prototype can be used by chili farmers.
Perbandingan Model Gated Recurrent Unit dan Long Short-Term Memory Dalam Prediksi Harga Saham Ardi Lestari, Sofiana; Atina, Vihi; Hasanah, Herliyani
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/9q31rx63

Abstract

Mengikuti perkembangan ilmu perekonomian yang semakin meluas, pentingnya investasi di pasar modal kini semakin disadari oleh masyarakat. Ketidakstabilan dan risiko yang dialami bagi para investor menjadikan pertimbangan menyeluruh akan strategi dalam menghadapi pergerakan harga saham yang sulit ditebak. Penelitian ini menganalisa harga saham dengan membandingan model terbaik pada PT. Telkom Indonesia Tbk. menggunakan algoritma Gated Recurrent Unit (GRU) dan Long Short-Term Memory (LSTM). Penelitian ini menggunakan JupyterLab sebagai tools mengeksekusi proses pengembangan model. Kedua model dievaluasi berdasarkan nilai metric Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan R2. Hasil pengujian menunjukkan bahwa model LSTM memiliki tingkat kesalahan minimal, dengan RMSE sebesar 57,41, MAE sebesar 42.76, R2 sebesar 0.95, dan MAPE sebesar 0.02, yang menandakan model LSTM memberikan ketepatan prediksi yang lebih baik dibandingkan dengan model GRU.
Co-Authors Abi Yudistira, Muhammad Abinaya Awalia Adristi Asyifa, Elga Adi Nugroho, Rezza Adi Putra Wiratama, Ryan Adji Rohman, Bagus Afu Ichsan Pradana Agustina Srirahayu Ahmad Tomi Alamsyah, Bintang Aljundi, Izudin Alvian Andrianto, Rahmad Amilia Ayu Lala Kusumaningtyas An-Najmutsaqib, An-Najmutsaqib Anik Sulistiyanti Anisatul Farida Ardi Lestari, Sofiana Ardian Saputra, Muhammad Ardina Juliani, Novita Arfian Panji Sjifa Arfiyan, Muhammad Ariya Budi Santoso Arlin Govinda Putra Artika Rahmawati, Dinda Arya Kusuma, Aldy Athallah Maulana Faiq, Muhammad Atina, Vihi Atsir, Ega Muhammad Azzahra, Afifah Bachtiar Estu Saputro Bahtiar Rifai, Afin Begti Rizal Nugroho, Nanda Bima Priambada, Garneza Bimantara, Anugrah Buana Perdana, Rendi Burhanudin, Latif Carlos Ximenes, Egidio Chris Hendrato, Jehian Christian Putra Pratama, Michael Claudia Swastikawati Daffa Rizki Putra Noordi Darmaji, Farid Dewi Anggraini, Puspita Dimas Dewanto, Ignatius Divia Putri, Radika Dwi Hartanti Dwi Refa, Arjuna Edy Kurniawan Eka Kurniawan, Geraldi Eko Purwanto Ester Anugrayningtyas Fajar Wahyu Hanafi Farid Darmaji Fathi Zakka, Danang Febriano Dos Santos, Lissandro Fitria Eko Nurjanah Galih, Rhezka Mahendra Hanan Assyauqi, Wildan Handreas Satria, Vieri Ibrahimovic, Ridho Ilham Amani Saiful Haq Ilyas Nurulloh, Muhammad Intan Oktaviani Karininna, AllisyaYunda Kasetyaningsih, Sufia Widi Lestari, Fany Lila Aprilia, Arlinda Marcelina, Indi Marcelino Jonatan Mashar, Muhammad Ali Maulana Firmansyah, Iqsal Maulid Ardiyan, Afrilza Maulindar, Joni Moh Muhtarom Muh Amin Faiz Nur Ridho Muh. Ali Mashar Muhamad Aldiyansyah Muhammad Dion Febrian Tino Muhtarom, Moh Mulindar, Joni Nada Febriani, Nada Naoki Priyanto, Braverindo Nastainu Huda Alriefna, Muhammad Nastiti, Faulinda Eli Nofikasari, Indah Novemy Triyandari Nugroho Nugroho Arif Sudibyo Nurchim Nurchim Nurmalitasari Nurmalitasari Nurmalitasari Nurmalitasari Oktaviani, Intan Pangestu, Arnan Dwi Pasha Alghifary, Haikal Perdana Artania, Ipung Permatasari, Hanifah Pineda Prima Yoga Pipin Widyaningsih Prasetyo, Adi Tri Pratama, Hafiz Primadinata, Dimas Purwanto, Moch. Edy Putri Ristiyani, Asyira Raihan Ardiansyah, Muhammad Rijalul Hakim, Hanan Risandi, Arfika Putri Rizky Fadrilah, Septian Rohmad Mansa, Abel Rudi Susanto Safa Ariesta, Syahada Saktiawan, Galang Saputra Jati, Nugroho Saputro, Khoirul Adi Sarah Raihan, Alexadria Septiano Ozora, Kevin Setya Pradhana, Wahyudi Soenoto, Danudiraja Sri Sumarlinda Sufia Widi K. Sulistyani, Widya Suwandana, Alung Syaiful, Ido Syakuro, Abdan Syiffa Yofika Ailsa, Asy Tegar, Alfiyan Tegar Budi Satria Tino, Muhammad Dion Febrian Tri Djoko Santosa Ulung Septiaji, Dimas valentino, deva Viesta Marbun, Randy Viesta Marbun Wahyu Aji, Jatmika Wahyudi, Risqi Widya Sulistyani Wiji Lestari Wiji Lestari WIJI LESTARI Wijiyanto Wira Hadikusuma, Ananda Yuana Alifya, Alexsa Yusuf Arifin, Burhan Zakharia, Ade Zakiya Nafis, Muhamad Zulfia Zahra, Kerin