Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Pendas : Jurnah Ilmiah Pendidikan Dasar Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) Computing Insight: Journal of Computer Science
Aini, Isratul
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Studi Perbandingan Untuk Diagnosa Penyakit Stroke dengan Menggunakan Feyn Qlattice dan Xtream Gradient Boosting Aini, Isratul; Kresna, Erie; Amirul, M.
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2024: SNESTIK IV
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2024.5894

Abstract

Pada Menurut Global Burden of Disease di Asia, Asia Timur dan Asia Selatan, Indonesia menduduki peringkat kedua sebagai negara dengan kasus kematian akibat stroke tertinggi dengan jumlah sekitar 193,3/100.000 orang/tahun dan peringkat kedua dengan disabilitas terkait stroke dengan beban besar 3.382/100.000 orang di 2010. Terjadi ketika pembuluh darah pecah atau menggumpal sehingga menyebabkan kematian sel otak. Setelah stroke fungsi tubuh menjadi terganggu sementara atau permanen Ada banyak faktor yang berhubungan dengan keterlambatan mencari pengobatan stroke. Faktor utamanya diyakini adalah rendahnya tingkat pengetahuan masyarakat mengenai gejala stroke dan praktik pencegahannya. Oleh karena itu, kesadaran yang lebih baik terhadap gejala atau tanda peringatan terkait stroke berkorelasi signifikan dengan pengetahuan masyarakat tentang stroke dan tindaka. Peneliti membandingkan klasifikasi diagnosa penyakit stroke menggunakan algorithma Xtream Gradient Boosting dan Feyn Qlattice untuk mengetahui bagaimana kedua algorthma tersebut diklasifikasikan pada penyakit stroke. Perbandingan ini dilakukan untuk mengetahui apakah kedua algorithma tersebut memiliki tingkat keakuratan yang lebih tinggi. Hasil evaluasi literatur menunjukkan bahwa nilai akurasi Xtream Gradient Boosting 96% lebih besar dari nilai akurasi algorithma Feyn Qlattice.
Pengembangan Sistem Moniutoring Kualitas Udara Surabaya Berbasis Web Aini, Isratul
Computing Insight : Journal of Computer Science Vol 4 No 1 (2022)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v4i1.21706

Abstract

Sistem Informasi adalah kombinasi antara prosedur kerja, informasi, orang dan teknologi informasi yang diorganisasikan untuk mencapai tujuan dalam organisasi [1]. Sulfur dioksida adalah salah satu spesies dari gas-gas oksida sulfur (SOx). BMKG menuliskan bahwa Gas SO2 telah lama dikenal sebagai gas yang dapat menyebabkan iritasi pada system pernafasan, seperti pada slaput lender hidung, tenggorokan dan saluran udara di paru-paru. Efek kesehatan ini menjadi lebih buruk pada penderita asma. Disamping itu SO2 terkonversi di udara menjadi pencemar sekunder seperti aerosol sulfat [2]. Oleh karena itu, monitoring kualitas udara secara rutin sangat di perlukan [3]. Proyek ini dibuat sebagai solusi untuk memberikan informasi berupa ambang batas baik dan buruk dari kualitas udara dapat dijadikan sebagai acuan untuk melakukan pencegahan terhadap dampak buruk kualitas udara.   Kata kunci : sistem informasi, SO2. Abstract Information systems are a combination of work procedures, information, people and information technology that are organized to achieve goals within the organization [1]. Sulfur dioxide is a species of sulfur oxide gas (SOx). BMKG wrote that SO2 gas has long been known as a gas that can cause irritation to the respiratory system, such as the mucous membranes of the nose, throat and airways in the lungs. These health effects are worse in people with asthma. Besides that, SO2 is converted in the air into secondary pollutants such as sulfate aerosols [2]. Therefore, regular monitoring of air quality is very necessary (SURABAYA, 2023). This project was created as a solution to provide information in the form of good and bad thresholds for air quality that can be used as a reference for preventing bad impacts on air quality.   Keywords : System Information,SO2 .
PENGARUH GAMIFIKASI BERBASIS DEEP LEARNING TERHADAP KEMANDIRIAN BELAJAR PADA PEMBELAJARAN IPAS DI SEKOLAH DASAR Aini, Isratul; Rahmani Mawaddah, Sitti; Ismi Aulia Ishak, Nurul
Pendas : Jurnal Ilmiah Pendidikan Dasar Vol. 11 No. 02 (2026): Volume 11 No. 2, Juni 2026 Publish
Publisher : Program Studi Pendidikan Guru Sekolah Dasar FKIP Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/jp.v11i02.46904

Abstract

The low level of self-regulated learning among elementary school students in science learning (IPAS) is a fundamental problem in 21st century education. Conventional learning approaches that emphasize rote memorization have caused students to remain highly dependent on teachers and have not yet developed the ability to manage, monitor, and evaluate their own learning process. This study aimed to examine the effect of gamification based on deep learning on students' self-regulated learning in IPAS learning at the elementary school level. The research employed a pre-experimental method with a One Group Pretest-Posttest Design. The subjects were 20 fifth-grade students at SD Negeri Sungguminasa V, Makassar City. Data were collected through a self-regulated learning questionnaire developed based on Zimmerman's self-regulation cycle, encompassing the forethought, performance, and self-reflection phases. Data analysis was conducted using descriptive analysis, normality test (Shapiro-Wilk), paired sample t-test, and N-Gain analysis. The results showed that the mean score increased from 56.15 (pretest) to 60.10 (posttest). The Shapiro-Wilk normality test yielded a significance value of 0.993 (p > 0.05), indicating normal data distribution. The paired sample t-test produced a t-value of −2.191 with a significance value of 0.041 (p < 0.05), indicating a significant difference between pretest and posttest scores. However, the N-Gain value of 0.09 classified the improvement as low. These findings suggest that gamification based on deep learning significantly influences students' self-regulated learning, although the magnitude of improvement still needs to be optimized. This study contributes empirical evidence for the integration of gamification with deep learning principles meaningful, mindful, and joyful as a strategic approach to developing self-regulated learning in science education at the elementary school level.
Co-Authors Amirul, M. Ismi Aulia Ishak, Nurul Kresna, Erie Rahmani Mawaddah, Sitti