Article Per Year (5 Year)
p-Index From 2021 - 2026
2.583
P-Index
This Author published in this journals
All Journal International Journal of Advances in Applied Sciences Jurnal Edukasi dan Penelitian Informatika (JEPIN) Computatio : Journal of Computer Science and Information Systems CogITo Smart Journal Technologia: Jurnal Ilmiah Journal of Information Systems and Informatics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Infotech: Journal of Technology Information Journal of Informatics, Information System, Software Engineering and Applications (INISTA) Konstelasi: Konvergensi Teknologi dan Sistem Informasi JURNAL POLI-TEKNOLOGI Nuansa Informatika Riwayat: Educational Journal of History and Humanities Informasi interaktif : jurnal informatika dan teknologi informasi Jurnal Ragam Pengabdian
Ahya Radiatul Kamila
Universitas Bunda Mulia
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Studi Kasus Feature Engineering Untuk Data Teks: Perbandingan Label Encoding dan One-Hot Encoding Pada Metode Linear Regresi Cevi Herdian; Ahya Kamila; I Gusti Agung Musa Budidarma
Technologia : Jurnal Ilmiah Vol 15, No 1 (2024): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i1.13457

Abstract

Di dalam pemodelan pembelajaran mesin (Machine Learning), data terbagi menjadi jenis data numerik dan jenis data teks. Tetapi Machine Learning lebih cenderung efektif dalam mengenali pola pada jenis data numerik karena algoritma Machine Learning, terutama yang berbasis statistik dan matematika, dirancang untuk memproses dan menganalisis data numerik. Sehingga bentuk data teks harus dirubah ke dalam bentuk data numerik yang merupakan bagian dari Feature Engineering. Pada penelitian ini, peneliti membanding sebuah hasil akurasi dari prediksi Machine Learning yaitu linear regresi pada teks label data yang telah dilakukan perubahan menjadi numerik dengan metode Feature engineering Label Encoding dan juga Feature Engineering One-Hot Encoding. Pada penelitian ini didapatkan hasil R-Square untuk Label Encoding 0.54 dan R-Squared untuk One-Hot Encoding 0.85 (hasil One-Hot Encoding lebih baik). Sehingga tentu saja yang harus dipilih untuk model yang dibuat adalah Feature Engineering One-Hot Encoding. Untuk kedepannya bisa dilakukan pengujian dengan metode lain untuk merubah data teks menjadi numerik seperti Bags of Words (BoW), Term Frequency-Inverse Document Frequency (TF-IDF), dan yang lainnya.
Rancang Bangun Aplikasi Member Parkir Terintegrasi dengan Kartu Tanda Mahasiswa Andry, Johanes Fernandes; Lee, Francka Sakti; Geasela, Yemima Monica; Kamila, Ahya Radiatul; Meyliana, Sintia; Winata, Samuel
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v4i2.10129

Abstract

Dalam konteks universitas, teknologi smart card sering kali digunakan sebagai metode autentikasi di gerbang parkir, dengan tujuan meningkatkan efisiensi dan efektivitas. Penelitian ini berfokus pada pengembangan aplikasi dan sistem kartu member parkir yang terintegrasi dengan Kartu Tanda Mahasiswa (KTM) menggunakan metode Waterfall. Tujuan utama penelitian ini adalah untuk memfasilitasi akses parkir di kampus melalui aplikasi desktop yang terhubung dengan KTM, sehingga mahasiswa dapat dengan mudah mengelola keanggotaan parkir mereka. Hasil perancangan menunjukkan bahwa sistem ini memberikan berbagai manfaat, termasuk kemudahan dalam verifikasi identitas mahasiswa, otomatisasi proses parkir, serta optimasi sumber daya kampus. Dengan menggunakan metode Waterfall, penelitian ini memberikan solusi terstruktur dalam pengembangan aplikasi, mulai dari analisis kebutuhan hingga pengujian, yang secara signifikan meningkatkan efisiensi pengelolaan parkir di kampus. Penelitian ini berkontribusi pada pengembangan teknologi integrasi sistem di lingkungan kampus dan membuka wawasan baru tentang implementasi teknologi untuk meningkatkan layanan kampus.
Identifikasi Ciri Link Phishing Menggunakan Algoritma Random Forest Untuk Meningkatkan Keamanan Cyber Tampinongkol, Felliks; Ilham, Rozali; Kamila, Ahya; Purnomo, Yunianto; Herdian, Cevi; Virginia, Stella
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 9 No 2 (2024): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v9i2.7664

Abstract

Abstract— Keamanan data digital diera teknologi yang semakin berkembang menjadi salah satu fokus utama yang harus diantisipasi agar tidak terjadi pencurian data atau privasi. Data privasi berupa pesan elektronik (email), nama, nomer handphone, password sampai pada nomer rekening bank tidak boleh sampai diketahui oleh orang yang tidak bertanggung jawab, karena akan menyebabkan dampak yang serius seperti pembobolan rekening bank dan tindak cybercrime yang lain. Salah satu tindak kejahatan cyber yang marak terjadi adalah link phishing, yang membuat korban dapat terkecoh apabila tidak melihat link dengan lebih teliti. Dengan memanfaatkan teknologi Artificial Intelligence (AI) dan Machine Learning (ML) dapat dibuat suatu system yang mampu mendeteksi apakah link tersebut terkategori sebagai link phishing atau legitimate link. Suatu link dapat dikatakan sebagai phishing atau legitimate itu dapat dilihat dari karakteristik link tersebut (features). Setiap link memiliki domain yang unik, keunikan dari domain ini yang digunakan sebagai nilai masukan pada system AI dan diproses menggunakan algoritma Random forests classification. Berdasarkan dengan hasil yang diperoleh system AI yang dirancang menggunakan random forest classification dapat memprediksi atau membedakan link phishing atau legitimate sebesar 0.77% sebagai nilai akurasi model, dengan menggunakan 6 features untuk digunakan sebagai data training. Penggunaan data link dan penambahan features yang akan digunakan sebagai data latih juga dapat dilakukan untuk meningkatkan akurasi dan presisi dari model yang telah diperoleh.
RANCANG BANGUN TONGKAT BANTU PENDETEKSI PENGHALANG, AIR, DAN LOKASI TUNANETRA Benny Benny; Ahya Radhiatul Kamila; Teguh Tri Sugiono
Jurnal Poli-Teknologi Vol. 18 No. 2 (2019)
Publisher : Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/pt.v18i2.1443

Abstract

ABSTRACTVisually impaired is a general term used for the condition of someone who is experiencing a disorder / obstacle in his sense of sight. Barriers that are often experienced by blind people are to determine the object infront of him, puddles, and location. Blind people’s obstacles in determining their location caused their family’s anxiety. For now, the obstacles experienced by blind people when in public places have not been fully resolved. This tool is made to help the visually impaired (stick users) in order to know the presence of obstructions, puddles, and nlind people’s location. For this purpose, the stick is installed with a Soil Moisture Sensor as a water detector, SRF04 Ultrasonic Sensor as a barrier detector, and a GPS tracker as a location detector. This blind assistive stick is equipped with a Limit Switch which is useful as a power saver for barrier and water detection systems. When the auxiliary stick is not being used, the limit switch will not get the pressure from the stick will be OFF.Keywords: GPS Tracker, Limit Switch, ATMega328, Modul Sim800l, Blind People, SRF04, Soil Moisture SensorABSTRAKTunanetra adalah istilah umum yang digunakan untuk kondisi seseorang yang mengalami gangguan/hambatan dalam indra penglihatannya.. Hambatan yang sering dialami tunanetra diantaranya adalah hambatan dalam menentukan keberadaan penghalang, genangan air, dan lokasi. Hambatan tunanetra dalam menentukan lokasi menimbulkan kekhawatiran bagi keluarga tunanetra dalam mengetahui keberadaannya. Untuk saat ini, hambatan yang dialami oleh tunanetra ketika berada di tempat umum belum seluruhnya dapat terselesaikan. Alat ini dibuat untuk membantu tunanetra (pengguna tongkat) agar dapat mengetahui keberadaan penghalang, air, dan lokasi tunanetra. Untuk tujuan tersebut maka pada tongkat dipasang Soil Moisture Sensor sebagai pendeteksi air, Sensor Ultrasonik SRF04 sebagai pendeteksi penghalang, dan GPS tracker sebagai pendeteksi lokasi. Tongkat bantu tunanetra ini juga dilengkapi dengan Limit Switch yang berguna sebagai penghemat daya sistem pendeteksi penghalang dan air. Ketika tongkat bantu tidak sedang digunakan, limit switch tidak akan mendapat tekanan sehingga daya dari tongkat akan berada pada kondisi OFF.Kata kunci : GPS Tracker, Limit Switch, ATMega328, Modul Sim800l, Tunanetra, , SRF04, Soil Moisture Sensor
Analisa Pengaruh Penambahan Fitur dengan Perbandingan Algoritma berbasis Bagging dan Boosting pada Deteksi Phishing Link Kamila, Ahya Radiatul; Adikara, Fransiskus; Sutrisno, Sutrisno; Herdian, Cevi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 3 (2024): Volume 10 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i3.83366

Abstract

Deteksi phishing link merupakan tantangan kritis dalam keamanan siber yang memerlukan teknik analisis canggih untuk membedakan antara link sah (legitimate link) dan link berbahaya (phishing link). Hal ini perlu dilakukan karena seiring dengan perkembangan teknologi, ancaman phishing semakin kompleks dan sulit dikenali, sehingga tidak hanya dapat menyebabkan kerugian finansial, tetapi juga dapat merusak reputasi organisasi dan menimbulkan kerentanan lebih lanjut terhadap serangan siber lainnya. Dengan peningkatan kompleksitas serangan phishing, pendekatan konvesional tidak lagi cukup efektif, oleh karena itu, diperlukan teknik yang lebih adaptif seperti machine learning untuk mengenali pola-pola dalam link yang menunjukkan potensi ancaman. Penelitian ini bertujuan untuk mendeteksi dini phishing link menggunakan algoritma machine learning dengan menganalisis pengaruh penggunaan feature engineering dengan membandingkan performa algoritma berbasis bagging dan boosting. Dalam penelitian ini, kami mengembangkan fitur baru ('Count_/_Path' dan 'path_length') yang merupakan hasil ekstraksi dari fitur yang sudah ada dan mengevaluasinya menggunakan pehitungan nilai Mutual Information untuk meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa penambahan fitur 'Count_/_Path' dan 'path_length' secara signifikan meningkatkan kinerja model. Selain itu, kami membandingkan tiga algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan XGBoost. Dari hasil perbandingan, algoritma XGBoost dengan penambahan fitur menunjukkan performa terbaik dengan akurasi 92%, recall 94%, dan presisi 91%. Dimana Random Forest hanya penghasilkan akurasi 91%, recall 92%, presisi 90% dan Gradient Boosing hanya menghasilkan akurasi 90%, recall 93%, presisi 88%.    
One-hot encoding feature engineering untuk label-based data studi kasus prediksi harga mobil bekas Herdian, Cevi; Kamila, Ahya; Tampinongkol, Felliks Feiters; Kembau, Agung Stefanus; Budidarma, I Gusti Agung Musa
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 9 No 1 (2024): JII Volume 9, Number 1, Januari 2024
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37159/jii.v9i1.41

Abstract

Penggunaan machine learning telah meluas di berbagai industri untuk analisis tren dan prediksi. Untuk memprediksi harga mobil bekas yang fluktuatif, penelitian ini menerapkan salah satu teknik Feature Engineering yaitu One-Hot Encoding, sebuah teknik Feature Engineering yang fokus kepada data-data label atau non-numeric. Studi ini mengeksplorasi data harga penjualan mobil bekas sebagai target variabel dan beberapa fitur seperti produsen, tahun keluaran, tipe mesin, jumlah pintu, dan popularitas. Hasil dari proses Feature Engineering ini sangatlah bagus, dimana R-Squared untuk data validasi adalah 0.85 dan untuk data testing adalah 0.86. Hasil penelitian ini memberikan informasi yang berharga bagi para peneliti dan profesional bisnis yang ingin membuat sebuah model prediksi khususnya bagaimana menangani sebuah data yang bentuknya adalah label kategori atau non-numeric.
OPTIMASI MODEL DENGAN ALGORITMA SUPPORT VECTOR REGRESSOR MENGGUNAKAN GRID SEARCH PADA PENILAIAN ESSAI OTOMATIS Radiatul Kamila, Ahya; Budiyanto, Very
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13704

Abstract

Proses evaluasi siswa adalah bagian penting dalam pendidikan untuk mengukur pemahaman dan kemajuan siswa secara menyeluruh. Evaluasi yang efektif harus bersifat komprehensif dan adil, salah satunya melalui soal esai yang memungkinkan siswa menunjukkan kemampuan berpikir kritis dan analitis. Namun, penilaian esai menghadapi tantangan seperti subjektivitas, waktu koreksi yang lebih lama, dan konsistensi penilaian. Untuk mengatasi masalah ini, digunakan penilaian esai otomatis dengan algoritma machine learning. Agar model machine learning dapat bekerja dengan baik, diperlukan data berkualitas dan pendekatan yang tepat. Penelitian ini berfokus pada optimasi algoritma Support Vector Regressor (SVR) untuk meningkatkan performa model. Optimasi dilakukan dengan penyesuaian pada tahap preprocessing dan modeling. Pada preprocessing, dibuat fitur baru, sementara pada modeling dilakukan perbandingan sebelum dan setelah tuning hyperparameter menggunakan Grid Search. Hasil penelitian menunjukkan bahwa optimasi SVR dengan Grid Search berhasil meningkatkan performa model, terbukti dari penurunan nilai MSE dari 0.0393 menjadi 0.0325. Selain itu, waktu komputasi sebelum dan setelah penggunaan Grid Search juga dibandingkan, yaitu 148ms dan 502.2ms. Meskipun Grid Search memerlukan waktu lebih lama, penurunan error yang signifikan sebanding dengan waktu tambahan tersebut.
Integration of Hash Encoding Technique with Machine Learning for Employee Turnover Prediction Kamila, Ahya Radiatul; Andry, Johanes Fernandes; Lee, Francka Sakti; Tampinongkol, Felliks F.
Journal of Information System and Informatics Vol 7 No 2 (2025): June
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v7i2.1129

Abstract

Employee turnover refers to the replacement of employees within an organization, which can lead to losses such as recruitment costs and decreased productivity. Predicting turnover is crucial for companies to anticipate and take appropriate actions to retain potential employees. This study aims to optimize the employee turnover prediction model by integrating hash encoding techniques and machine learning. The dataset used in this study is an open-source dataset obtained from Kaggle dataset. It consists of 14,994 rows and 10 columns (features) representing employee-related information such as satisfaction level, evaluation score, number of projects, average monthly hours, and whether the employee left the company. Among these features, some are of object data type. Since machine learning algorithms generally cannot work directly with object-type features, the use of hash encoding is proposed. This technique converts object-type data into numerical data. It is part of the preprocessing stage, aiming to reduce memory usage, speed up data preprocessing, and improve model performance. After preprocessing is completed, the prediction model is trained using the Random Forest algorithm to predict employee turnover. The evaluation is conducted using accuracy, recall, precision, and F1-score metrics, which yielded results of 0.988, 0.961, 0.988, and 0.974, respectively. These results indicate that the integration of hash encoding techniques and machine learning can produce a well-performing model for predicting employee turnover.
Analysis Comparison of K-Nearest Neighbor, Multi-Layer Perceptron, and Decision Tree Algorithms in Diamond Price Prediction Kamila, Ahya Radiatul; Andry, Johanes Fernandes; Kusuma, Adi Wahyu Candra; Prasetyo, Eko Wahyu; Derhass, Gerry Hudera
CogITo Smart Journal Vol. 10 No. 2 (2024): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v10i2.532.298-311

Abstract

Diamond price predictions are essential due to the high demand for these gemstones, valued as investments and jewelry. Diamonds are expensive due to their rarity and extraction process. Their prices vary depending on key factors like the diamond's inherent value and secondary factors such as marketing costs, brand names, and market trends. These variations often confuse customers, potentially leading to investment losses. This research aims to help investors determine the true price of diamonds based solely on their intrinsic value, excluding secondary factors. A machine learning approach was utilized to predict diamond prices, focusing on primary determinants. Three models such as Multi-Layer Perceptron (MLP), Decision Tree, and K-Nearest Neighbor (KNN) were compared with manual hyperparameter tuning to identify the best performing algorithm. Model performance was evaluated using Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), and Mean Squared Error (MSE). Among the models, KNN demonstrated the best results, achieving MAPE, MAE, and MSE values of 1.1%, 0.00038, and 〖2.687 x 10〗^(-6) respectively. This study offers valuable insights for investors by accurately predicting diamond prices based on fundamental attributes, minimizing the impact of secondary factors.
Exploring the Effectiveness of Bi-LSTM in Detecting Indonesian-Language Hoax News Kamila, Ahya Radiatul; Budiyanto, Very; Surianto, Surianto
Riwayat: Educational Journal of History and Humanities Vol 8, No 3 (2025): July
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/jr.v8i3.48627

Abstract

This study aims to develop and evaluate a hoax detection model based on Bidirectional Long Short-Term Memory (Bi-LSTM) using a Semi-Supervised Learning approach. In the context of the increasing spread of false information on online platforms, the model is designed to automatically classify news articles as hoaxes or non-hoaxes, even when labeled data is limited. The initial model was trained on a labeled minor dataset and then used to predict labels for an unlabeled major dataset. After combining both datasets, a retraining process was conducted to improve the models generalization to various linguistic styles and sentence structures. Evaluation results show that the model achieved an accuracy of 84%, recall of 76.9%, precision of 70%, and an F1-score of 73.3%. These findings demonstrate that the semi-supervised approach, which combines labeled and unlabeled data, can significantly enhance model performance in hoax detection tasks. This study contributes to the development of an effective and adaptable automated hoax detection system that addresses linguistic challenges in online news texts.
Co-Authors Adikara, Fransiskus Agung Stefanus Kembau Anatasia, Velly Ariq Cahya Wardhana Benny Benny Cevi Herdian Derhass, Gerry Hudera Deswin Auliyaa Rabbani EKO WAHYU PRASETYO Felliks Tampinongkol, Felliks Francka Sakti Lee Geasela, Yemima Monica Gerry Hudera Derhass Herdian, Cevi I Gusti Agung Musa Budidarma Budidarma Joel Calvary Johanes Fernandes Andry Johanes Fernandes Andry Kusuma, Adi Wahyu Candra Meyliana, Sintia Nisrina, Alaniah Purnomo, Yunianto Revaldo, Danny Rozali Ilham Samuel Winata Surianto Surianto Sutrisno, Sutrisno Tampinongkol, Felliks F. Tampinongkol, Felliks Feiters Teguh Tri Sugiono Vania Christy Very Budiyanto Virginia, Stella