Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Restikom : Riset Teknik Informatika dan Komputer
Widya Kurniawan
Universitas Darussalam Gontor
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengenalan Kisah Nabi Dengan Augmented Reality Berbasis Buku Cerita Sebagai Metode Marker: Studi Kasus Nabi Idris, Nabi Saleh, Nabi Syuaib, Nabi Zulkifli, Nabi Ilyas Dan Nabi Ilyasa Faisal Reza Pradhana; Widya Kurniawan; Arini Husaina Fadhilah
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 5 No 3 (2023): Desember
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v5i3.251

Abstract

Mempelajari sejarah peradaban agama sangat penting bagi umat Islam, termasuk kisah-kisah Nabi. Terdapat beberapa kisah Nabi yang kurang dikenal, berdasarkan data yang diperoleh dari siswa SDIT Anak Negeri Jombang (7-12 tahun) dan mahasiswa Universitas Darussalam Gontor Putri (19-22 tahun), melalui kuisioner tentang pengetahuan mengenai kisah-kisah Nabi yang jarang diketahui, didapatkan hasil sebagai berikut: 37,9% untuk Nabi Idris, 44,8% untuk Nabi Zulkifli, 43,25% untuk Nabi Ilyasa, 37,9% untuk Ilyas, 36,8% untuk Nabi Syuaib, dan 29,4% untuk Nabi Saleh. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah aplikasi pengenalan kisah Nabi berbasis teknologi Augmented Reality. Aplikasi ini akan menggunakan buku cerita bergambar sebagai target marker. Hasil dari penelitian ini Aplikasi ini telah melalui beberapa tahapan pengujian, yaitu uji coba black box yang menyatakan bahwa aplikasi bisa berjalan dengan lancar. Uji coba compabiliyt menyatakan bahwa aplikasi berjalan baik dengan minimum versi Android 8.0 (Oreo). Hasil uji coba acceptability terhadap ahli media sebesar 98%, ahli materi 80%, dan uji coba kepada anak-anak berusia 7-12 tahun di SDIT Anak Negeri Jombang, sejumlah 25 anak pada kuisioner pertanyaan dengan persentase nilai 71% dan kuisioner soal materi dengan persentase 80,36%. Dapat disimpulan bahwa aplikasi ini layak digunakan, sebagai media pengenalan kisah Nabi.
Analisis Motivasi Minat Lanjut Mahasiswa Baru Menggunakan Metode Klasifikasi Support Vector Machine Studi Kasus: Universitas Darussalam Gontor Widya Kurniawan; Shafira Azzahrah; Eko Prasetio Widhi
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9609

Abstract

Abstrak – Penelitian ini bertujuan untuk mengklasifikasikan motivasi minat lanjut mahasiswa baru Universitas Darussalam Gontor (UNIDA) menggunakan algoritma Support Vector Machine. Dengan menerapkan validasi silang 5-fold dan membandingkan berbagai fungsi kernel (RBF dan Polynomial) serta parameter C, gamma, dan degree, penelitian ini mencari model klasifikasi terbaik. Hasil eksperimen I menunjukkan akurasi SVM tertinggi sebesar 88% dengan kernel kernel RBF (gamma=1, C=10) pada 5-fold cross validation, dan 76% untuk Mean Cross Validation dengan parameter yang sama. Sementara itu, Eksperimen II mencapai akurasi SVM tertinggi 78% menggunakan kernel Polynomial (degree=3, C=10) pada 5-fold cross validation, dan 70% untuk Mean Cross Validation. Analisis Permutation Importance mengungkapkan bahwa aspek Spritual adalah prediktor terkuat terhadap keputusan mahasiswa untuk lanjut pengabdian, diikuti oleh aspek Facility. Temuan ini memberikan wawasan penting bagi UNIDA dalam merumuskan strategi yang lebih terarah untuk meningkatkan minat lanjut mahasiswa, dengan memprioritaskan faktor-faktor yang terbukti paling berpengaruh.Kata Kunci: Support Vector Machine; Klasfikasi; Motivasi Mahasiswa; Minat Lanjut; Pengabdian; Abstract –This study aims to classify the motivation of new students at University of Darussalam Gontor (UNIDA) using the Support Vector Machine algoritm. By applying5 fold cross validation and comparing various kernel functions (RBF and Polynomial) as well as parameters C, gamma, and degree, this study seeks the best classification model. Experiment I result show the highest SVM accuracy of 88% with the RBF kernel (gamma = 1, C = 10) in 5-fold cross validation, and 76% for mean cross validation with the same parameters. Meanwhile, Eksperiment II achieved the highest SVM accuracy of 78% using the Polynomial kernel (degree= 3, C= 10) in fold cross validation, and 70% for mean Cross Validation. Permutation Importance Analysis revealed that the Spritual aspect is the strongest predictor as students’ decisions to continue their service, followed by the Facility aspect. These findings provide important insights for UNIDA in formulating more targeted strategies to enhance students' interest in continuing their service, by prioritizing the factors proven to be most influential.Keywords: Support Vector Machine; Classifacation; Student Motivation; Futher Interest; Service;
Co-Authors Arini Husaina Fadhilah Eko Prasetio Widhi Faisal Reza Pradhana Shafira Azzahrah