Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi
Amanah, Fadilla
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS SENTIMEN MASYARAKAT TERHADAP LARANGAN PENGECER MENJUAL LPG 3 KG BERSUBSIDI MENGGUNAKAN ALGORITMA NAÏVE BAYES Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Amanah, Fadilla; Aulia, Windy; Arnita, Arnita; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13883

Abstract

Kebijakan pemerintah yang melarang pengecer untuk menjual gas LPG 3 kg bersubsidi menghasilkan berbagai komentar di media sosial, terutama YouTube, di mana banyak komentar mengungkapkan kekhawatiran tentang kesulitan akses dan dampak ekonomi terhadap masyarakat kecil. Dengan menggunakan algoritma Naive Bayes, penelitian ini mengkaji sentimen publik terhadap kebijakan tersebut. Data dikumpulkan melalui proses scraping komentar YouTube; setelah itu, IndoBERT digunakan untuk melakukan pelabelan otomatis dan pembersihan data. Teknik SMOTE digunakan untuk mengatasi ketidakseimbangan kelas dalam dataset, sedangkan metode TF-IDF digunakan untuk mengekstraksi fitur teks. Hasil analisis menunjukkan bahwa 70% komentar bersentimen negatif, dan model multinomial Naive Bayes mencapai akurasi 85,67%. Penggunaan oversampling juga terbukti meningkatkan recall untuk kelas sentimen positif dan netral. Hasilnya menunjukkan bahwa untuk membuat kebijakan yang diterapkan lebih mudah dipahami dan diterima oleh masyarakat, pemerintah harus merevisi strategi komunikasi dan distribusi LPG bersubsidi.
IMPLEMENTASI FLUTTERFLOW DAN FIREBASE FIRESTORE DALAM PENGEMBANGAN APLIKASI MANAJEMEN KEUANGAN BERBASIS NO-CODE Impana Manik, Kristin; Wahyudi, Rizky; Amanah, Fadilla; Yazid Noor, Muhammad; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13961

Abstract

Penelitian ini bertujuan untuk mengevaluasi penggunaan platform no-code dalam membantu individu, terutama generasi Z, untuk mengelola keuangan mereka. Permasalahan utama yang menjadi fokus adalah rendahnya literasi keuangan dan perilaku konsumtif di kalangan generasi Z, yang diperparah dengan keterbatasan akses terhadap aplikasi manajemen keuangan yang sesuai dengan kebutuhan mereka. Hal ini menyebabkan kesulitan dalam pengelolaan keuangan pribadi dan berdampak pada kesejahteraan finansial jangka panjang. Metode yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD), yang memungkinkan pengembangan aplikasi secara cepat melalui iterasi desain dan pengujian. FlutterFlow digunakan sebagai alat utama untuk merancang antarmuka dan logika aplikasi tanpa perlu menulis kode, sementara Firebase Firestore digunakan untuk penyimpanan data secara real-time. Hasil pengujian melalui metode Blackbox Testing menunjukkan bahwa aplikasi yang dikembangkan memenuhi fungsi yang diharapkan dengan tingkat keberhasilan 100% dari 9 fitur yang diuji. Pengujian membuktikan bahwa implementasi no-code berhasil menghasilkan aplikasi yang fungsional, responsif, dan dapat diakses oleh pengguna tanpa latar belakang teknis, sehingga berpotensi meningkatkan literasi keuangan dan keterampilan pengelolaan keuangan pada generasi Z.
Optimasi Kurva Daya Turbin Angin Menggunakan Model Logistic Berbasis Particle Swarm Optimization (PSO) Henrydunan, John Bush; Purba, Jogi; Amanah, Fadilla; Perdana, Adidtya
Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi Vol. 3 No. 4 (2025): November: Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/neptunus.v3i4.1252

Abstract

Accurate wind turbine power curve modeling plays a crucial role in performance evaluation, energy yield estimation, and data-driven control strategies. However, actual power curves often exhibit non-linear behavior influenced by atmospheric variability, measurement noise, and SCADA anomalies, making conventional modeling approaches less effective. This study proposes an optimized logistic power curve model whose parameters are tuned using Particle Swarm Optimization (PSO) to improve predictive accuracy. The analysis uses the Wind Turbine SCADA Dataset from Kaggle, which undergoes extensive preprocessing including physical rule filtering, outlier detection with the Interquartile Range (IQR) method, anomaly removal, and smoothing of the power signal. A three-parameter logistic model is selected due to its ability to capture the typical S-shaped relationship between wind speed and power output. PSO is applied to identify optimal model parameters by minimizing the Mean Squared Error (MSE), utilizing 40 particles over 200 iterations. The optimized model achieves strong predictive performance with RMSE of 404.09, MAE of 179.96, and R² of 0.904 on the test set, indicating that more than 90% of the variability in actual power can be explained by wind speed. Residual analysis reveals heteroscedastic patterns and slight overestimation in mid-range wind speeds, yet overall model consistency remains high. Comparative evaluation against Linear Regression, Random Forest, and logistic modeling using curve_fit shows that the Logistic–PSO approach provides the most accurate and stable predictions. These findings demonstrate that combining logistic modeling with PSO offers an effective and robust method for data-driven wind turbine power curve optimization.
Co-Authors Adidtya Perdana, Adidtya Amelia Vega S. Meliala, Ruth Arnita Arnita Aulia, Windy Henrydunan, John Bush Hidayatul Arifin, Muhammad Impana Manik, Kristin Purba, Jogi Ramadhani, Fanny Wahyudi, Rizky Yazid Noor, Muhammad