Article Per Year (5 Year)
p-Index From 2021 - 2026
1.853
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Jurnal Teknik Informatika (JUTIF) Journal of Law, Administration, and Social Science AJAD : Jurnal Pengabdian kepada Masyarakat Tameh : Journal of Civil Engineering EDUCTUM: Journal Research Innovative: Journal Of Social Science Research Business and Investment Review Socius: Social Sciences Research Journal Jurnal Multidisipliner Kapalamada JGEN : Jurnal Pengabdian Kepada Masyarakat Persepsi: Jurnal Riset Mahasiswa Psikologi
Rahmadani, Fitria
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Perlindungan hukum bagi korban tinndak pidana ITE terhadap pencemaran nama baik Ramadhani, Putri; Nizam, Khairun; Arfila, Ezra; Alrizky, Muhammad Furqan; Lubis, M Ardhan Hakim; Ritonga, Khairunnisa; Ritonga, Nauli; Alfarizi, Dava; Alfarobi, Muhammad; Rahmadani, Fitria; Kinaryosi, Regi
Journal of Law, Administration, and Social Science Vol 4 No 6 (2024)
Publisher : PT WIM Solusi Prima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54957/jolas.v4i6.963

Abstract

Perlindungan hukum kepada masyarakat Penyalahgunaan kehormatan orang lain melalui sarana sosial didasarkan pada Undang-Undang Nomor 19 Tahun 2016 Tentang Informasi dan Transaksi Elektronik. Akhir-akhir ini banyak terjadi delik pidana Penyalahgunaan Nama Baik dari beberapa kalangan masyarakat, sehingga mengakibatkan adanya korban dari masyarakat dan pelaku yang dikenai sanksi dari hukum pidana, hukum pidana itu adalah pidana yang dijatuhkan kepada seorang masyarakat karna sudah melakukan suatu perbuatan tindak hukum pidana, yang mana hasil dari perbuatannya itu perbuatannya kemungkinan besar akan mengakibatkan kerusakan terhadap masyarakat lain. Penelitian ini menggunakan penelitian hukum normatif dengan menggunakan pendekatan Perundang-Undangan dan pendekatan Konseptual. Penyalahgunaan kehormatan atau nama baik orang lain melalui teknologi canggih dalam bentuk software atau sering disebut dengan penyalahgunaan nama baik di sarana sosial. Tindakan tersebut adalah prilaku aksi pidana karna bisa merusak keamanan serta dapat mendatangkan kerusakan orang lain baik materiil maupun non materil bagi masyarakat yang dirusak akibat perbuatan itu. Pelanggaran ini bisa dimasukkan dalam cybercrime. Hal ini diatur dalam Pasal 27 ayat (3) Undang-Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik.
PERAN FEAR OF MISSING OUT (FOMO) TERHADAP PERILAKU PHUBBING GENERASI Z DENGAN JENIS KELAMIN SEBAGAI VARIABEL MODERASI Rahmadani, Fitria; Ivan Muhammad Agung
Persepsi: Jurnal Riset Mahasiswa Psikologi Vol. 3 No. 3 (2024): Persepsi: Jurnal Riset Mahasiswa Psikologi
Publisher : Fakultas Psikologi UIN Suska Riau

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

Abstract

Fenomena Phubbing merupakan tingkah laku mengabaikan orang lain karena hanya berfokus pada Smartphone. Tujuan Penelitian ini untuk mengetahui peran FoMO terhadap perilaku Phubbing generasi Z pada mahasiswa di Fakultas Psikologi UIN Suska Riau dengan tambahan jenis kelamin sebagai variabel moderasi. Metode penelitian ini adalah kuantitatif korelasional dengan teknik proportionate starified non-random sampling. Partisipan dalam penelitian ini merupakan 243 mahasiswa Fakultas Psikologi UIN Suska Riau. Alat ukur yang digunakan dalam penelitian ini yaitu The Phubbing scale oleh Fauzan (2018) dan FoMO scale Kaloeti dkk. (2021), yang diterjemahkan kedalam Bahasa Indonesia. Hasil analisis korelasi product moment menunjukkan adanya peran Fear of Missing Out (FoMO) terhadap perilaku Phubbing generasi Z dengan nilai r sebesar 0,466 dan hasil Uji MRA moderated regression analysis variabel jenis kelamin tidak memperkuat hubungan kedua variabel. Variabel jenis kelamin tidak berinteraksi dengan variabel FoMO dengan signifikan 0,782 dan tidak mempunyai hubungan yang signifikan dengan variabel Phubbing. Maka dari itu dapat disimpulkan bahwa Fear of Missing Out (FoMO) dapat mendorong individu melakukan Phubbing namun, variabel jenis kelamin yang tidak mampu memoderasi kedua variabel yang diteliti.
Stroke Risk Prediction using Winsorizing Interquartile Range and Tree-Based Classification with Explainable Artificial Intelligence Rahmadani, Fitria; Wiharto, Wiharto; Zuhdi, Shaifudin
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 6 (2025): JUTIF Volume 6, Number 6, Desember 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.6.4760

Abstract

According to the Global Burden of Disease (GBD) Study, stroke is the third leading cause of death globally. Recognizing its signs early is crucial for both prevention and effective treatment. Although machine learning has made significant progress in predicting strokes, many current models operate like "black boxes", making them hard to interpret and often resulting in high error rates. This study aims to enhance prediction accuracy and interpretability in stroke risk detection by integrating Winsorizing Interquartile Range (IQR) for outlier management, a tree-based classification method, and Explainable Artificial Intelligence (XAI) techniques. The proposed approach applies Winsorizing Interquartile Range to handle extreme values while employing tree-based methods for prediction due to their superior performance in processing tabular data. Additionally, Explainable Artificial Intelligence techniques are utilized to improve model transparency and interpretability. Testing was conducted using the Cerebral Stroke Prediction-Imbalanced Dataset, comparing results with various existing models. The suggested approach demonstrated the lowest prediction error rates, achieving a False Positive Rate (FPR) of 15.74% and a False Negative Rate (FNR) of 8.56%. Additionally, it attained an accuracy of 84.39%, sensitivity of 91.43%, specificity of 84.26%, Area Under the Receiver Operating Characteristic Curve (AUROC) of 94.74%, and G-Mean of 87.76%, outperforming previous studies in stroke risk prediction. The combination of Winsorizing Interquartile Range, Random Under-Sampling, tree-based classification, and Explainable Artificial Intelligence techniques effectively enhances prediction accuracy and transparency, supporting early stroke detection with improved interpretability. This study contributes to medical informatics by integrating transparent predictive models suitable for decision support systems.
Co-Authors Akma, Muhammad Alfarizi, Dava Alfarobi, Muhammad Alrizky, Muhammad Furqan Ananda Ferga, Sherly Anggraini, Lola Annisa Arfila, Ezra Assidiq, Muhammad Balqis, Raudha Basri Basri Batubara, Zakaria Dias Pertiwi, Eka Elyana, Lulu Indah Ezril, Ezril Febrianda, Nuriasma Gultom, Rumondang Hayati, Kemala Hijaya, Agil Putra Ihsani, Dini Ishak, Khodijah Ivan Muhammad Agung Janno Sinaga Junery, Muhammad Fadhil Karim, Harli A Kinaryosi, Regi Lubis, M Ardhan Hakim Marbun, Kesia Lina Uli Martina, Siska Evi Mehilda, Sukma Melviani, Nur Muhammad Arafah Nizam, Khairun Nugroho, Rusdi Hidayat Putri Ramadhani, Putri Rahim, Hainnuraqma Binti Rahmah, Sintya Ayu Ramadani, Fazrineka Ritonga, Khairunnisa Ritonga, Nauli Rosman Ilato Rusli Isa Sakbaniah, Nur Selamat, Muhammad Isa Shobabiya, Mahasri Wardani, Amallia Putri Kusuma Wiharto Wiharto Yonggiana Zuhdi, Shaifudin