Article Per Year (5 Year)
p-Index From 2020 - 2025
1.182
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Informatics and Digital Expert (INDEX) Ranah Research : Journal of Multidisciplinary Research and Development
Kania Ningsih, Ade
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Transportation Other

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

Found 7 Documents
Search

 1 
IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI PENYAKIT GAGAL GINJAL KRONIS MENGGUNAKAN METODE K-NEAREST NEIGHBOR Fatimah Indrianti, Nisa; Kania Ningsih, Ade; Ilyas, Ridwan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9464

Abstract

Ginjal adalah salah satu organ tubuh paling penting yang berfungsi untuk menjaga kandungan yang ada pada darah dengan cara mencegah penumpukan limbah dan mengendalikan keseimbangan cairan yang ada di dalam tubuh. Penyakit ginjal adalah kelainan penyakit yang menyerang organ ginjal yang disebabkan karena berbagai faktor, misalnya pola hidup yang tidak sehat, bertambahnya usia, ataupun karena faktor turunan. Penelitian ini bertujuan untuk mengklasifikasi resiko penyakit Gagal Ginjal Kronis Metode yang dapat digunakan untuk mendeteksi PGK salah satu nya adalah metode K-Nearest Neighbor (KNN). Metode K-Nearest Neighbor (KNN) ini dapat mengklasifikasikan suatu data yang telah ada ke dalam beberapa kelas. Algoritma K-Nearest Neighbor (KNN) ini ialah algoritma yang dapat menentukan nilai suatu jarak yang berada pada pengujian data testing dengan data training berdasarkan nilai terkecil dari nilai ketetanggaan terdekat. Penelitian ini diharapkan memberikan kontribusi di bidang kesehatan dan di bidang informatika dalam mengklasifikasi penyakit Gagal Ginjal Kronis. Berapa akurasi yang dapat diperoleh dari klasifikasi K-Nearest Neighbor (KNN) dalam menentukan gejala dan resiko penyakit Gagal Ginjal Kronis. penelitian ini dibuat menggunakan algoritma K-Nearest Neighbor. Dalam penelitian ini menggunakan 75% dari data latih dan 25% dari data uji yang digunakan. Hasil klasifikasi penyakit ginjal kronis menunjukkan bahwa sistem berhasil melakukan klasifikasi dengan nilai akurasi mencapai 92,59%, 89,85% untuk nilai presisi, 87,32% untuk nilai recall dan f1-score mencapai nilai 88,57%.
ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KOMENTAR KAREN’S DINER MENGGUNAKAN METODE ALGORITMA SUPPORT VECTOR MACHINE DENGAN OPERATOR SELEKSI FITUR INFORMATION GAIN Naufal Akhfasy, Muhammad; Kania Ningsih, Ade; Ilyas, Ridwan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9533

Abstract

Salah satu berita yang sedang ramai dibicarakan oleh pengguna instagram atau masyarakat yaitu restoran karen’s diner. Dalam unggahan gambar karen’s diner di salah satu postingan akun media sosial instagram terdapat komentar yang menuaikan pro dan kontra, dikarenakan pelayan karen’s diner yang memaki pengunjungnya sehingga banyak yang menganggap jika restoran tersebut tidak cocok dengan budaya Indonesia. Maka dari itu dapat dilakukan suatu analisis sentiment pada kolom komentar dengan cara mengklasifikasikan untuk mengetahui sentiment di setiap komentar. Analisis sentiment merupakan suatu proses untuk menganalisis teks yang berupa digital dan menentukan polaritas dari opini yang diberikan bersifat positif, netral, dan negatif. Untuk menganalisis komentar dari pengguna instagram dengan klasifikasi komentar positif dan negatif, dilakukan dengan menggunakan algoritma pengklasifikasian SVM yang dibandingkan dengan menggunakan dan tidak menggunakan seleksi fitur Information Gain. Hasil yang didapat dari beberapa pengujian menggunkaan SVM dengan model menggunakan leksikon based serta menggunakan seleksi fitur mendapatkan hasil nilai akurasi 97,74% dan Model pelabelan manual dan tanpa menggunakan seleksi fitur menghasilkan tingkat akurasi 91,13%.
SISTEM REKOMENDASI CHANNEL YOUTUBE RESEP MASAKAN MENGGUNAKAN COLLABORATIVE FILTERING Kurniawan, Fadhlika; Kania Ningsih, Ade; Komarudin, Agus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10107

Abstract

Sistem rekomendasi Channel youtube yang bertemakan masakan merupakan solusi dalam membantu pengguna dalam menemukan Channel yang sesuai dengan selera dan preferensi mereka. Penelitian ini bertujuan untuk mengembangkan Sistem Rekomendasi Channel YouTube Resep Masakan menggunakan metode Collaborative Filtering dengan menggabungkan teknik Cosine Similarity dan Weighted Sum. Data yang digunakan pada penelitian ini adalah data Channel resep masakan dari platform YouTube. Tahapan pada penelitian ini meliputi proses pengumpulan data, preprocessing data, pembuatan model sistem rekomendasi, dan pengujian model. Metode Cosine Similarity digunakan untuk mengukur kemiripan antara Channel yang telah dilihat oleh pengguna. Metode ini digunakan dalam tahap rekomendasi item berdasarkan histori tontonan pengguna. Sedangkan metode Weighted Sum digunakan untuk menghitung bobot dari setiap item resep masakan yang direkomendasikan, sehingga dapat memberikan rekomendasi yang lebih akurat dan sesuai dengan selera pengguna. Hasil pengujian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi Channelyoutube dengan tingkat akurasi yang cukup baik dan sesuai dengan selera pengguna. Penelitian ini membuat sistem rekomendasi Channel youtube menggunakan metode coloborative filtering yang menghasilkan nilai rata-rata MAE 2.103042813696612 dan menggunakan 1000 data untuk jumlah baris dari API youtube yang diambil pada bulan September 2023. Kemudian data latih rating pengguna berjumlah 100 channel yang digunakan untuk diuji coba mengggunakan coloborative filtering sesuai dengan user yang diambil.
DETEKSI KECEMASAN DI TWITTER MENGGUNAKAN FITUR WORD EMBEDDING BERT DAN METODE BIDIRECTIONAL-LONG SHORT TERM MEMORY Prawira, Angga; Herry Chrisnanto, Yulison; Kania Ningsih, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10436

Abstract

Adanya stigma di mana pengidap gangguan jiwa adalah orang yang sakit jiwa membuat orang-orang yang mengalami kecemasan berlebih malu untuk berobat dan lebih memilih untuk mengeluarkan keluh kesah, perasaan mereka di sosial media oleh karena itu dibutuhkan sebuah model perangkat lunak yang dapat mendeteksi unggahan kecemasan berlebih. Pada penelitian sebelumnya sudah mendeteksi kecemasan berlebih di media sosial twitter menggunakan metode BI-LSTM dengan pembobotan kata menggunakan TF-IDF dan mendapatkan akurasi sebesar 94.12%. Metode BI-LSTM sendiri membutuhkan data set yang sangat besar agar model tidak over-fitting. Oleh karena itu, proses pembobotan kata dilakukan menggunakan BERT karena selain memberikan pembobotan kata, BERT juga memberikan representasi numerik sehingga data set lebih beragam dan bisa membuat model BI-LSTM lebih banyak belajar dari representasi numerik tersebut hasil dari penelitian ini didapatkan akurasi sebesar 99.44% dan loss 0.0278 dapat disimpulkan bahwa bert dapat meningkatkan akurasi dari metode Bi-LSTM sehingga metode ini cocok untuk deteksi kecemasan berlebih.
Klasifikasi Sentimen pada Aplikasi Shopee Menggunakan Fitur Bag of Word dan Algoritma Random Forest Ananta Firdaus, Ahnaf; Id Hadiana, Asep; Kania Ningsih, Ade
Ranah Research : Journal of Multidisciplinary Research and Development Vol. 6 No. 5 (2024): Ranah Research : Journal Of Multidisciplinary Research and Development (Juli 20
Publisher : Dinasti Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/rrj.v6i5.994

Abstract

Analisis sentimen merupakan metode klasifikasi yang digunakan untuk mengelompokkan opini yang terkandung dalam sebuah teks. Terdapat tiga jenis opini, yaitu opini positif, negatif, dan netral. Analisis sentimen sering digunakan untuk mengetahui opini masyarakat terhadap aplikasi e-commerce, seperti Shopee, melalui ulasan yang terdapat di komentar aplikasi. Dalam penelitian ini, digunakan fitur Bag of Words untuk merepresentasikan data teks ke dalam bentuk vektor yang dapat diolah oleh algoritma machine learning. Algoritma yang digunakan adalah Random Forest, yang dikenal memiliki kemampuan yang baik dalam menangani data yang kompleks dan menghasilkan prediksi yang akurat. Hasil dari penelitian ini menunjukkan bahwa model yang dibangun memiliki akurasi sebesar 84,91%. Hasil ini menunjukkan bahwa pendekatan yang digunakan cukup efektif dalam menganalisis sentimen pengguna terhadap aplikasi Shopee. Penelitian ini memberikan kontribusi signifikan dalam penerapan machine learning untuk analisis teks dan membuka peluang untuk pengembangan lebih lanjut dalam bidang ini.
Pengukuran Kualitas Perangkat Lunak Menggunakan Model McCall Pada Sistem Akademik Universitas Jenderal Achmad Yani Abiyoga, Arji; Witanti, Wina; Kania Ningsih, Ade
Informatics and Digital Expert (INDEX) Vol. 3 No. 2 (2021): INDEX, November 2021
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v3i2.877

Abstract

Di era yang sekarang ini, perangkat lunak dimanfaatkan untuk membantu manusia dalam mempermudah melakukan suatu kegiatan. Perangkat lunak yang telah dikembangkan itu perlu dilakukan pengukuran kualitas perangkat lunak untuk mengetahui kesesuaian harapan pengguna terhadap kemampuan dari perangkat lunak tersebut.  Kualitas perangkat lunak merupakan suatu hal yang penting dan tidak dapat dihindari. adapun model yang dapat digunakan untuk pengukuran kualitas perangkat lunak yaitu model McCall. Berdasarkan permasalahan tersebut, Penelitian ini bertujuan untuk melakukan pengukuran kualitas perangkat lunak berdasarkan teori McCall dengan kategori product operation pada Sistem Akademik Universitas Jenderal Achmad Yani. Dimana terdapat 5 faktor kualitas didalam kategori product operation yaitu correctness, reliability, efficiency, usability, dan integrity. Pengukuran kualitas perangkat lunak terhadap Sistem Akademik Unjani menggunakan kuesioner dengan melibatkan 100 mahasiswa Unjani untuk menilai sistem tersebut. Hasil pengukuran membuktikan bahwa Sistem Akademik Unjani memiliki kualitas perangkat lunak yang baik menurut teori McCall dengan nilai faktor kualitas tertinggi adalah usability dengan nilai 77%.
Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering Naufal, Farhan; Herry Chrisnanto, Yulison; Kania Ningsih, Ade
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.879

Abstract

Online Shop adalah salah satu fasilitas yang disajikan oleh internet, yang mampu mempermudah masyarakat dalam belanja tanpa harus bertatap muka dengan pelanggan, tanpa harus antri dan tawar menawar. Pertumbuhan ekonomi digital semakin besar persaingan bisnis juga akan semakin berat, akibatnya semakin banyak online shop tidak hanya menampilkan produk-produk tetapi juga perlu didukung oleh pemilihan produk yang tepat untuk menarik perhatian pelanggan. Terlalu banyaknya variasi produk yang ditawarkan secara random (acak) pada online shop membuat beberapa pelanggan kesulitan dalam menentukan produk yang akan dibeli. Berdasarkan permasalahan yang muncul maka penelitian mengenai Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering ini dilakukan. Sistem ini menggunakan algoritma K-Means Clustering serta dataset yang digunakan adalah data transaksi penjualan dari kurun waktu 1 tahun terakhir agar cakupanya tidak meluas dengan menggunakan data terbaru. Hasil dari penelitian ini ditemumakan bahwa ada 3 cluster yang memiliki karakteristik berbeda yaitu, cluster 1 dengan karakteristik penjualan sedang dengan rentang umur pembeli 36-50 tahun , cluster 2 dengan karakteristik penjualan terbanyak dengan rentang umur pembeli 18-26 tahun dan cluster 3 dengan karakteristik penjualan rendah dengan rentang umur 27-35 tahun. Dari hasil cluster dapat disimpulkan bahwa produk yang direkomendasikan merupakan produk terpopuluer dari setiap clusternya. Hasil perhitungan nilai sillhouette coeficient didapatkan cluster dengan jumlah 3 karena memiki nilai paling mendekati Si = 1 yaitu dengan nilai 0.7354092263523232.
Co-Authors Abiyoga, Arji Ananta Firdaus, Ahnaf Fatimah Indrianti, Nisa Hadiana, Asep Id Komarudin, Agus Kurniawan, Fadhlika Naufal Akhfasy, Muhammad Naufal, Farhan Prawira, Angga Ridwan Ilyas Wina Witanti Yulison Herry Chrisnanto