Article Per Year (5 Year)
p-Index From 2020 - 2025
1.168
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Pelita Pengabdian Jurnal Indonesia : Manajemen Informatika dan Komunikasi Jurnal Pengabdian Nasional (JPN) Indonesia
Majid, Annisa Maulana
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Penerapan Konten Digital Pendidikan Untuk Meningkatkan Kualitas Belajar di Madrasah Ibtidaiyah Al Khoiriyah Nawangsih, Ismasari; Purnamasari, Pupung; Pranoto, Gatot Tri; Majid, Annisa Maulana; Naya, Candra
Jurnal Pelita Pengabdian Vol. 2 No. 1 (2024): Januari
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v2i1.3161

Abstract

Perkembangan konten digital di dalam dunia pendidikan sangat penting di zaman era digital di dukung dengan berbagai perangkat aplikasi dan keberadaan internet saat ini memudahkan proses belajar mengajar, interaksi serta kebutuhan informasi bagi penggunanya. Pembuatan dan pemakaian konten digital ini harus diimbangi pengetahuan dampak positif dan negatif. Kegiatan pengabdian kepada masyarakt berupa penyuluhan dan pelatihan konten digital untuk dunia pendidikan dilaksanakan di Madrasah Ibtidaiyah Al Khoiriyah. Sasaran pada kegiatan PKM ini adalah para siswa ” sebanyak 20 dan 4 guru. Kegiatan ini dilaksanakan secara tatap muka (On the spot training) yang dimulai dengan observasi dan koordinasi dan perizinan dengan kepala Sekolah setempat mengenai rencana kegiatan yang akan dilakukan di lingkungan tersebut mengenai ketersediaan tempat, waktu, dan peserta. Kegiatan pengabdian dilaksanakan menggunakan beberapa tahapan: Tahap persiapan; Tahap pelaksanaan sosialisasi mengenai konten digital untuk siswa sekolah . Metode yang digunakan dalam pelaksanaan kegiatan PKM adalah sosialisasi dengan teknik penyuluhan dalam bentuk ceramah atau memaparkan materi berupa teori dan video yang berhubungan dengan tema yang kita ambil, tanya jawab, kreasi, dan permainan. Hasil kegiatan menunjukan meningkatnya cara belajar yang kreatif untuk siswa.
Implementasi Metode Bagging dan Teknik Discretization pada Algoritma Machine Learning untuk Memprediksi Status Stunting pada Anak Balita Majid, Annisa Maulana; Nawangsih, Ismasari
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 6 No. 1 (2025): Januari
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v6i1.1279

Abstract

Stunting is one of the problems of toddler growth, making toddlers susceptible to disease. Efforts to prevent stunting with routine checks every month. Posyandu Sukasejati is a facility for routinely checking the growth of toddlers, but data collection requires early stunting analysis to help health workers reduce the number of stunting statuses in toddlers. Previous research on stunting prediction using the Naive Bayes Machine Learning algorithm has been carried out, but the level of accuracy is still low, so accuracy improvement techniques are needed to provide accurate information. The purpose of the study was to implement the Bagging method to improve accuracy and the discretization technique to change continuous attributes to categorical in the Naïve Bayes Machine Learning algorithm in predicting stunting in toddlers, the results of the study showed an increase in accuracy, recall, and precision using a combination of the Bagging method and the Naïve Bayes algorithm, namely accuracy of 100% increased by 5.83% compared to using the Naïve Bayes algorithm alone, which was 94.17% and an increase in recall and precision results of 28.33%.
ANALISIS TINGKAT KEMISKINAN DENGAN ALGORITMA K-MEANS MENGGUNAKAN RAPIDMINER DI TINGKAT KOTA KABUPATEN DI JAWA TENGAH Tawakal, Iqbal; Effendi, M. Makmun; Majid, Annisa Maulana
Journal of Information System Management (JOISM) Vol. 7 No. 1 (2025): Juni
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2025v7i1.2084

Abstract

Permasalahan kemiskinan di Provinsi Jawa Tengah masih menjadi isu krusial yang membutuhkan penanganan berbasis data yang akurat dan terstruktur. Ketiadaan pemetaan yang tepat sering kali menyebabkan distribusi bantuan sosial tidak efektif dan tidak menyentuh kelompok masyarakat yang paling membutuhkan. Penelitian ini bertujuan untuk mengidentifikasi pola kemiskinan antar wilayah kota atau kabupaten di Jawa Tengah dengan memanfaatkan algoritma K-Means melalui platform RapidMiner. Analisis dilakukan terhadap data sekunder dari Badan Pusat Statistik periode 2020–2024, mencakup berbagai indikator seperti garis kemiskinan, persentase penduduk miskin, tingkat pengangguran, serta akses terhadap air bersih, sanitasi, dan bantuan sosial. Proses analisis mengikuti tahapan Knowledge Discovery in Databases, dari pemilihan data hingga evaluasi hasil. Penelitian ini menghasilkan lima kelompok kemiskinan dengan akurasi klaster tinggi berdasarkan nilai Davies-Bouldin Index sebesar 0,009. Hasil pengelompokan ini memberikan gambaran yang lebih objektif tentang distribusi kemiskinan di Jawa Tengah dan dapat dimanfaatkan sebagai dasar perumusan kebijakan yang lebih tepat sasaran dan efisien dalam upaya pengentasan kemiskinan.
Optimalisasi ChatGPT sebagai Asisten Digital untuk Membantu Siswa Madrasah Ibtidaiyah Al Khoiriyah dalam Menyelesaikan Tugas dan Meningkatkan Pemahaman Materi Nawangsih, Ismasari; Majid, Annisa Maulana; Maulana, Donny; Purnamasari, Pupung; Rahardjo, Sugeng Budi
Jurnal Pengabdian Nasional (JPN) Indonesia Vol. 6 No. 2 (2025): Mei
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jpni.v6i2.1361

Abstract

Community service aims to optimize the use of ChatGPT as a digital assistant in helping Madrasah Ibtidaiyah (MI) Al Khoiriyah students complete assignments and improve understanding of subject matter. ChatGPT, as a form of artificial intelligence technology, has the potential to provide interactive and responsive assistance in learning, which can be tailored to student needs. Through a technology-based approach, ChatGPT is expected to be able to provide clear explanations, help solve questions, and provide constructive feedback for students. This research uses qualitative methods with direct observation and interviews with teachers and students of MI Al Khoiriyah. The research results show that using ChatGPT can increase effectiveness in the learning process, especially in terms of understanding material and completing assignments. Thus, ChatGPT has the potential to be an effective tool in supporting education at the elementary level, especially for Madrasah Ibtidaiyah students.
Pengenalan ChatGPT dalam Proses Pembelajaran di SMK Brahari untuk Mendukung Pembelajaran Mandiri dan Efektif Nawangsih, Ismasari; Widodo, Edy; Budiarto, Eko; Majid, Annisa Maulana; Purnamasari, Pupung
Jurnal Pengabdian Nasional (JPN) Indonesia Vol. 6 No. 3 (2025): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jpni.v6i3.1582

Abstract

This research aims to introduce the use of ChatGPT in the learning process at Brahari Vocational School as an effort to support independent and effective learning for students. In today's digital era, artificial intelligence technology, such as ChatGPT, can be a very useful tool in improving students' learning experiences, especially at the secondary education level. ChatGPT allows direct interaction that can help students understand material, solve problems, and answer various questions in real-time. This research examines the implementation of ChatGPT in various subjects at Brahari Vocational School, with a focus on how this technology supports students in independent learning outside formal lesson hours. The method used is a qualitative approach through interviews with teachers and students, as well as observations of the use of ChatGPT in learning activities. The research results show that using ChatGPT can increase student motivation, make it easier to understand difficult material, and accelerate the achievement of more effective learning outcomes. In addition, students also show an increase in the ability to search for information independently and develop critical skills. This research concludes that ChatGPT has great potential to support more flexible and sustainable learning at Brahari Vocational School, as well as contributing to more effective independent learning.
Perbandingan Metode Ensemble Untuk Meningkatkan Akurasi Algoritm Machine Learning Dalam Memprediksi Penyakit Breast Cancer (Kanker Payudara) Majid, Annisa Maulana; Nawangsih, Ismasari
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9563

Abstract

Machine Learning merupakan suatu teknologi pembelajaran mesin yang dapat digunakan untuk memudahkan pekerjaan berbagai bidang, salah satunya yaitu pada bidang kesehatan.  Machine Learning dalam bidang kesehatan dapat digunakan dalam memprediksi atau mendiagnosa suatu penyakit yang dihasilkan berdasarkan dataset. Kanker payudara (breast cancer) merupakan salah satu penyakit yang mematikan khususnya banyak diderita oleh wanita, oleh karena itu perlu adanya diagnosa dini terkait penyakit kanker payudara agar penanganan dapat dilakukan dengan tepat serta mencegah adanya penyebaran kanker pada tubuh. Penelitian sebelumnya telah membahas tentang diagnosa penyakit kanker payudara namun tingkat akurasi masih rendah sehingga perlu adanya teknik peningkatan akurasi untuk dapat memberikan informasi yang akurat. Tujuan dalam penelitian ini yaitu membandingkan metode Ensemble menggunakan algoritma Machine Learning yaitu Decision Tree, Naïve Bayes, dan K-Nearest Neighbor (KNN), untuk meningkatkan akurasi dalam memprediksi penyakit Kanker Payudara. Metode ensemble yang digunakan dalam penelitian ini yaitu Adaboost dan Bagging. Hasil penelitian menunjukan bahwa terdapat peningkatan pada algoritma klasifikasi menggunakan metode ensemble. Metode paling unggul yaitu Algoritma Decision Tree dan Metode ensamble yang menghasilkan akurasi sebesar yaitu 82.76%. Pada nilai AUC tertinggi diperoleh dari algoritma KNN yang dikombinasikan dengan metode Bagging yaitu sebesar 0.950 dengan kategori sangat baik.
Analisis Sentimen Pada Teknologi 5G Menggunakan Algoritma Random Forest dan Naïve Bayes dengan Dataset Multibahasa Muhammad Alwi Nur Fathihah; Amali; Majid, Annisa Maulana
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66502

Abstract

Perkembangan teknologi 5G sebagai generasi terbaru jaringan nirkabel telah menimbulkan beragam tanggapan publik, baik yang mendukung maupun yang menolak. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap teknologi 5G berdasarkan komentar pengguna YouTube dalam bahasa Indonesia dan Inggris. Data diperoleh menggunakan teknik web crawling, kemudian diproses melalui tahapan SEMMA, yang mencakup preprocessing, pelabelan sentimen, dan pelatihan model. Dua algoritma yang digunakan adalah Random Forest dan Naïve Bayes. Evaluasi dilakukan menggunakan confusion matrix dan metrik seperti akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa Random Forest memiliki performa yang lebih baik dengan akurasi 94,8% dan mampu mengklasifikasikan sentimen positif dan negatif secara seimbang. Sementara itu, Naïve Bayes cenderung bias terhadap sentimen positif dan memiliki kelemahan dalam mendeteksi komentar negatif. Penelitian ini menunjukkan bahwa Random Forest lebih andal untuk analisis sentimen multibahasa, khususnya dalam konteks opini publik terhadap teknologi 5G.
Co-Authors Amali Budiarto, Eko Edy Widodo Effendi, M. Makmun Gatot Tri Pranoto Iqbal Tawakal, Iqbal Maulana, Donny Muhammad Alwi Nur Fathihah Nawangsih, Ismasari Naya, Candra Pupung Purnamasari Rahardjo, Sugeng Budi