Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Cerdika: Jurnal Ilmiah Indonesia Nanggroe: Journal Of Scholarly Service Nanggroe: Journal of Scholarly Service IPSIKOM
Qisthi, Nurul
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Potensi Limbah Ampas Tebu sebagai Alternatif Bahan Baku Pembuatan Produk Inovatif Sagu Keju Ekawati, Nurul; Qisthi, Nurul; Dewi, Dhita Diana
Nanggroe: Jurnal Pengabdian Cendikia Vol 3, No 8 (2024): November
Publisher : Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.14167243

Abstract

Program pengabdian kepada masyarakat ini bertujuan untuk memberdayakan masyarakat sekitar, khususnya masyarakat Desa Sindanglaut, Kecamatan Lemahabang, Kabupaten Cirebon melalui pelatihan dan pendampingan pengolahan ampas tebu menjadi sagu keju. Pemanfaat limbah ampas tebu yang sangat ekonomis karena ketersediaannya yang melimpah dan pengolahannya menjadi produk makanan diharapkan mengurangi limbah industri dan dapat meningkatkan kesejahteraan perekonomian masyarakat.Metode pengabdian kepada masyarakat mengenai pemanfaatan ampas tebu sebagai salah satu alternatif pembuatan kue sagu keju dengan cara melakukan penyuluhan dan pelatihan kepada masyarakat Desa Sindanglaut, Kecamatan Lemahabang, Kabupaten Cirebon dengan melibatkan mahasiswa KKN UNU Cirebon yang berada di Desa Sindanglaut. Kegiatan ini berlangsung pada tanggal 26 Agustus 2024 yang bertempat di Balai Desa Sindanglaut. Hasil dari kegiatan ini ditemukan bahwa Sagu keju ambu merupakan kue kering berbahan dasar tepung sagu yang disubtitusi dengan tepung ampas tebu dan sebagai olahan pangan inovatif. Tepung ampas tebu sedndiri dibuat dari limbah ampas tebu yang tidak dimanfaatkan sehingga hal ini dapat mengurangi limbah. Pembuatan produk ini diharapkan dapat meningkatkan pendapatan Masyarakat khususnya di Desa Sindanglaut Kecamatan Lemahabang Kabupaten Cirebon.
Potensi Limbah Ampas Tebu sebagai Alternatif Bahan Baku Pembuatan Produk Inovatif Sagu Keju Ekawati, Nurul; Qisthi, Nurul; Dewi, Dhita Diana
Nanggroe: Jurnal Pengabdian Cendikia Vol 3, No 8 (2024): November
Publisher : Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.14167243

Abstract

Program pengabdian kepada masyarakat ini bertujuan untuk memberdayakan masyarakat sekitar, khususnya masyarakat Desa Sindanglaut, Kecamatan Lemahabang, Kabupaten Cirebon melalui pelatihan dan pendampingan pengolahan ampas tebu menjadi sagu keju. Pemanfaat limbah ampas tebu yang sangat ekonomis karena ketersediaannya yang melimpah dan pengolahannya menjadi produk makanan diharapkan mengurangi limbah industri dan dapat meningkatkan kesejahteraan perekonomian masyarakat.Metode pengabdian kepada masyarakat mengenai pemanfaatan ampas tebu sebagai salah satu alternatif pembuatan kue sagu keju dengan cara melakukan penyuluhan dan pelatihan kepada masyarakat Desa Sindanglaut, Kecamatan Lemahabang, Kabupaten Cirebon dengan melibatkan mahasiswa KKN UNU Cirebon yang berada di Desa Sindanglaut. Kegiatan ini berlangsung pada tanggal 26 Agustus 2024 yang bertempat di Balai Desa Sindanglaut. Hasil dari kegiatan ini ditemukan bahwa Sagu keju ambu merupakan kue kering berbahan dasar tepung sagu yang disubtitusi dengan tepung ampas tebu dan sebagai olahan pangan inovatif. Tepung ampas tebu sedndiri dibuat dari limbah ampas tebu yang tidak dimanfaatkan sehingga hal ini dapat mengurangi limbah. Pembuatan produk ini diharapkan dapat meningkatkan pendapatan Masyarakat khususnya di Desa Sindanglaut Kecamatan Lemahabang Kabupaten Cirebon.
PERBANDINGAN METODE NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI DIAGNOSA PENYAKIT DIABETES Diana Dewi, Dhita; Qisthi, Nurul; Lestari, Siti Sarah Sobariah; Putri, Zulfa Hidayah Satria
Cerdika: Jurnal Ilmiah Indonesia Vol. 3 No. 09 (2023): Cerdika : Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v3i09.662

Abstract

Terdapat banyak penelitian yang telah dilakukan untuk memprediksi atau mendiagnosa awal penyakit sesuai dengan kondisi yang berkaitan. Penelitian tersebut dilakukan dengan teknik data mining yang terdiri dari berbagai algoritma seperti Naive Bayes, Neural Network, Support Vector Machine (SVM) dan lain-lain. Dengan adanya diagnosis awal atau prediksi, diharapkan dapat menghindari atau mencegah hal yang membahayakan, pada kasus ini adalah terkena penyakit diabetes. Penelitian ini bertujuan untuk mengetahui pengklasifikasian diagnosis penyakit diabetes dan membandingkan dua algoritma yang digunakan yaitu Neural Network dan Support Vector Machine untuk mendapatkan algoritma dengan tingkat akurasi paling baik dalam pengklasifikasian diagnosis penyakit diabetes. Data yang digunakan dalam penelitian ini adalah data sekunder. Data tersebut berjumlah 768 observasi dengan menampilkan 9 atribut, yaitu Pregnancies, Glucose, Blood Pressure, Skin Thickness, Insulin, BMI, Diabetes Pedigree Function, Age dan Outcome. Teknik klasifikasi data mining yang digunakan dalam penelitian ini adalah Neural Network dan Support Vector Machine (SVM). Evaluasi dan validasi model pada penelitian ini menngunakan metode K-Fold Cross Validation (K-Fold=10). Berdasarkan hasil analisis pada penelitian ini didapatkan nilai akurasi untuk metode ANN sebesar 77,60%, sedangkan nilai akurasi untuk metode SVM sebesar 65,24%. Artinya penggunaan metode ANN lebih baik daripada SVM untuk mengklasifikasikan seseorang menderita diabetes atau tidak. Sedangkan untuk metode ANN memiliki nilai AUC sebesar 0,834 sehingga dapat dikategorikan dalam good classification.
PENERAPAN DATA MINING UNTUK PREDIKSI STUNTING PADA BALITA MENGGUNAKAN ALGORITMA C4.5 Qisthi, Nurul; Kasoni, Dian; Liesnaningsih, Liesnaningsih; Heriyani, Nofitri
Insan Pembangunan Sistem Informasi dan Komputer (IPSIKOM) Vol 12, No 2 (2024): DESEMBER 2024
Publisher : Universitas Insan Pembangunan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58217/ipsikom.v12i2.314

Abstract

Stunting pada balita merupakan masalah kesehatan serius dengan dampak jangka panjang pada perkembangan fisik dan kognitif anak. Tingginya angka stunting saat ini menunjukkan perlunya upaya intensif dan inovatif untuk penanganannya, termasuk melalui pendekatan berbasis data dan teknologi. Identifikasi risiko stunting umumnya dilakukan secara manual melalui pengukuran antropometri, yang memerlukan waktu, tenaga ahli, dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menerapkan pendekatan data mining menggunakan algoritma C4.5 dalam prediksi risiko stunting pada balita. Algoritma C4.5 dipilih karena kemampuannya menangani data kategori dan numerik serta menghasilkan model klasifikasi berbentuk pohon keputusan yang mudah diinterpretasi. C4.5 memanfaatkan informasi gain untuk memilih fitur paling relevan, sehingga efektif dalam membagi data dan mengklasifikasikan status gizi balita. Penelitian ini menghasilkan model prediksi stunting yang memanfaatkan fitur-fitur seperti tinggi badan, umur, dan jenis kelamin dengan algoritma C4.5. Model ini menunjukkan akurasi tinggi sebesar 98.88%, dengan nilai precision, recall, dan F1-score yang konsisten di setiap kelas. Selain itu, nilai ROC-AUC sebesar 98.98% menunjukkan kemampuan model yang baik dalam membedakan kelas status gizi yang berbeda. Tingginya akurasi ini mengindikasikan bahwa algoritma C4.5 dapat diandalkan untuk mendeteksi risiko stunting secara efektif, sehingga dapat mendukung tenaga kesehatan dan pembuat kebijakan dalam melakukan intervensi yang lebih tepat dan akurat.
Co-Authors Dewi, Dhita Diana Diana Dewi, Dhita Ekawati, Nurul Heriyani, Nofitri Kasoni, Dian Lestari, Siti Sarah Sobariah Liesnaningsih, Liesnaningsih Putri, Zulfa Hidayah Satria