Article Per Year (5 Year)
p-Index From 2021 - 2026
1.768
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Community Development Journal: Jurnal Pengabdian Masyarakat Journal of Innovation Information Technology and Application (JINITA) Jurnal Media Informatika Jurnal Sains Teknologi dan Sistem Informasi Komatika: Jurnal Pengabdian Kepada Masyarakat IT-Edu: Jurnal Information Technology and Education Jurnal Ilmu Ekonomi, Pendidikan dan Teknik (IDENTIK) Jurnal Ilmu Teknologi Informasi Indonesia (JITIFNA) Jurnal Nasional Komputasi dan Teknologi Informasi
Ersha Aisyah Elfaiz
Universitas Negeri Surabaya
Religion 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Neuroscience Public Health Social Sciences Transportation

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Pengembangan LMS Menggunakan Project Based Learning untuk Meningkatkan Hasil Belajar Kognitif Elemen Basis Data di SMKN Takeran Mutyara Safitri; Ersha Aisyah Elfaiz
IT-Edu : Jurnal Information Technology and Education Vol. 11 No. 03 (2026): Volume 11 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/it-edu.v11i03.80643

Abstract

Elemen pembelajaran basis data pada kelas XI Rekayasa Perangkat Lunak di SMKN Takeran masih menghadapi permasalahan berupa rendahnya keterlibatan siswa dalam proses pembelajaran dan hasil belajar kognitif yang belum optimal. Penelitian ini bertujuan mengembangkan Learning Management System (LMS) berbasis Moodle menggunakan model Project-Based Learning (PjBL) yang valid dan efektif untuk meningkatkan hasil belajar kognitif siswa pada elemen basis data. Penelitian menggunakan metode Research and Development (R&D) dengan model pengembangan ADDIE yang meliputi tahap Analyze, Design, Development, Implementation, dan Evaluation . Subjek penelitian adalah siswa kelas XI RPL SMKN Takeran. Validitas produk dinilai melalui validasi ahli media, ahli materi, ahli modul ajar, dan ahli soal, sedangkan efektivitas diuji menggunakan pretest-posttest , analisis N-Gain, dan uji Independent Sample t-Test. Hasil penelitian menunjukkan bahwa LMS memperoleh kategori sangat valid dengan persentase validasi media 91%, modul terbuka 94%, materi 97%, dan soal 94%, serta seluruh fungsi sistem berjalan baik berdasarkan Black Box Testing . Nilai rata-rata N-Gain kelas eksperimen sebesar 0,58 (kategori sedang) lebih tinggi dibandingkan kelas kontrol sebesar 0,23 (kategori rendah), sedangkan hasil uji Independent Sample t-Test menunjukkan perbedaan yang signifikan (p < 0,001). Dengan demikian, LMS yang dikembangkan dinyatakan sangat valid, efektif meningkatkan hasil belajar kognitif, dan layak digunakan sebagai media pembelajaran pada elemen basis data.
Implementasi Algoritma Vector Space Model pada Website EmoAnalyzer untuk Klasifikasi Emosi Mahasiswa Rendi Eko Kurniawan; Lia Dwi Rusanti; Jihan Salsabilah; Siti Aulia Rahmadhani; Ersha Aisyah Elfaiz
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 1 (2026): Februari, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/

Abstract

Abstrak - Perkembangan teknologi informasi memungkinkan mahasiswa mengekspresikan perasaan dan pengalaman akademik mereka melalui teks, salah satunya terkait pengerjaan tugas akhir atau skripsi. Namun, analisis emosi mahasiswa secara manual terhadap data teks dalam jumlah besar membutuhkan waktu dan berpotensi menimbulkan subjektivitas. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Vector Space Model (VSM) pada website EmoAnalyzer untuk mengklasifikasikan emosi mahasiswa berdasarkan komentar teks. Data yang digunakan berjumlah 150 komentar mahasiswa Universitas Negeri Surabaya yang diperoleh melalui kuesioner dan diklasifikasikan ke dalam tiga kategori emosi, yaitu senang, sedih, dan marah. Tahapan penelitian meliputi pengumpulan data, pelabelan data menggunakan kamus Lexicon bahasa Indonesia, text preprocessing, pembobotan TF-IDF, serta perhitungan cosine similarity menggunakan VSM. Hasil penelitian menunjukkan bahwa website EmoAnalyzer mampu mengklasifikasikan emosi mahasiswa dan menyajikan hasil analisis dalam bentuk persentase dan visualisasi grafik. Implementasi algoritma VSM pada EmoAnalyzer dapat menjadi solusi untuk membantu memantau kondisi emosional mahasiswa selama proses pengerjaan tugas akhir. Kata kunci: Vector Space Model; Website; Text Mining; Emosi; Mahasiswa; Abstract - The development of information technology allows students to express their feelings and academic experiences through texts, one of which is related to working on their final project or thesis. However, manual analysis of students' emotions on large amounts of text data takes time and has the potential to cause subjectivity. Therefore, this study aims to implement the Vector Space Model (VSM) algorithm on the EmoAnalyzer website to classify students' emotions based on text comments. The data used amounted to 150 comments of State University of Surabaya students obtained through questionnaires and classified into three categories of emotions, namely happy, sad, and angry. The research stages include data collection, data labeling using the Indonesian Lexicon dictionary, text preprocessing, TF-IDF weighting, and cosine similarity calculation using VSM. The results of the study show that the EmoAnalyzer website is able to classify students' emotions and present the results of the analysis in the form of percentages and graph visualizations. The implementation of the VSM algorithm on EmoAnalyzer can be a solution to help monitor students' emotional state during the process of working on the final project. Keywords: Vector Space Model; Website; Text Mining; Emotion; Student;
Co-Authors Ageng Ayu Illadana Atan Pramana Bambang Sujatmiko I Gusti Lanang Putra Eka Prismana Jihan Salsabilah Lia Dwi Rusanti M. Hamdan Fuadi Moch. Anang Ardiansyah Monica Cinthya Muhammad Hamdan Fuadi Muhammad Sonhaji Akbar Mutyara Safitri Raka Tegar Wicaksono Ramadhan Cakra Wibawa Rendi Eko Kurniawan Rino Raihan Gumilang Riza Akhsani Setyo Prayoga Rizky Basatha Salvia Nabillah Syifa Siti Aulia Rahmadhani Solikhul Mauludin