Article Per Year (5 Year)
p-Index From 2021 - 2026
2.133
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Faktor Exacta OKTAL : Jurnal Ilmu Komputer dan Sains IKRAM: Jurnal Ilmu Komputer Al Muslim ALMUISY: Journal of Al Muslim Information System Sinergi Teknologi dan Masyarakat (SINTAK-MAS)
Angelina Hadriani Hadriyanto
Universitas Pamulang
Astronomy Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Industrial & Manufacturing Engineering Social Sciences

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

Found 12 Documents
Search

 1   2 
Sistem Kontrol Alat Pendeteksi Polusi Udara Berbasis Sensor Gas MQ-135 Mulyadi; Asep Suryadi; Angelina Hadriani; Susi; Gilang Ramadhan; Perdi Hasan; Khoirun Nisa; Sela Handrian
Sinergi Teknologi dan Masyarakat Vol. 1 No. 2 (2026): SINTAK-MAS Sinergi Teknologi dan Masyarakat
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/sintak-mas.v1i2.55224

Abstract

Pencemaran udara menjadi salah satu masalah lingkungan paling serius di era modern akibat pertumbuhan industri, transportasi, serta urbanisasi yang semakin pesat. Polutan berbahaya seperti karbon monoksida (CO), amonia (NH₃), dan benzena berdampak langsung terhadap kesehatan manusia, khususnya sistem pernapasan, dan dapat menimbulkan penyakit kronis hingga menurunkan kualitas hidup. Kondisi ini menuntut adanya alat pemantau kualitas udara yang sederhana, murah, dan praktis digunakan oleh masyarakat. Penelitian ini bertujuan merancang dan membangun perangkat pendeteksi polusi udara berbasis sensor gas MQ-135 dengan Arduino UNO sebagai pengendali utama. Sistem dirancang tanpa modul Wi-Fi maupun aplikasi pihak ketiga, melainkan menampilkan data langsung pada LCD dan menyimpannya ke microSD dalam format CSV untuk analisis lanjutan. Sebagai fitur tambahan, alat dilengkapi buzzer yang berbunyi ketika polutan melebihi ambang batas, sehingga pengguna dapat segera mengetahui kondisi udara yang buruk. Uji coba dilakukan di SMKN 1 Ciruas pada area parkir, lapangan, dan ruang kelas. Hasil pengujian menunjukkan tingkat akurasi rata-rata sebesar 87% dibandingkan instrumen laboratorium standar. Dengan biaya rendah dan kemudahan penggunaan, alat ini dapat dijadikan solusi praktis untuk membantu masyarakat, sekolah, maupun instansi lain dalam memantau kualitas udara di lingkungan sekitarnya.
Prediksi Tingkat Retensi Pengguna Aplikasi Digital Menggunakan Artificial Neural Network Berbasis Data Aktivitas Pengguna Nurmumpuni, Dyah Ayu; Wulandari, Novi; Hadriani, Angelina
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 1 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

User retention is a critical indicator of success for digital applications, particularly in highly competitive technology-driven markets. This study aims to predict user retention using an Artificial Neural Network (ANN) approach based on user activity data. The dataset utilized is obtained from Kaggle and includes behavioral features such as usage frequency, session duration, and user interactions within the application. The research methodology involves data preprocessing, ANN model development with multiple architectural variations, and evaluation using metrics including Accuracy, Precision, Recall, F1-Score, Confusion Matrix, and ROC-AUC. The results demonstrate that the ANN model achieves an accuracy of approximately 88%, precision of 90%, recall of 97%, and an F1-score of 93%, with an AUC value above 0.90, indicating strong classification performance. However, further analysis reveals signs of overfitting and a relatively high number of false positives due to data imbalance. Additionally, increasing model complexity does not necessarily lead to improved performance. Overall, ANN proves to be an effective approach for predicting user retention, although further optimization is required to achieve a more balanced and robust model for real-world implementation.
Co-Authors Abu Khalid Rivai Agung Budi Susanto Asep Suryadi Aulia, Rima Fathur Rozi Fauzi, Izma Nurhanifah Gilang Ramadhan Indradewa, Rhian KHOIRUN NISA MULYADI Novi Hardiansyah, Novi Novi Wulandari Nurmumpuni, Dyah Ayu Perdi Hasan Rima Aulia Sela Handrian Suhendi, Agus Sumaedi, Ade Susi Theofilus Herly H.S.