Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Prosiding Seminar Riset Mahasiswa JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Fatimah, Akmalia
Unknown Affiliation
Computer Science & IT Education

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

Found 2 Documents
Search

 1 
RANCANG BANGUN APLIKASI UNTUK INFORMASI PERAWATAN TANAMAN MENGGUNAKAN METODE WATERFALL Zulaicha, Nurul Fatimah Az; Adella, Firyal Marsha; Fatimah, Akmalia; Badie'ah, Badie'ah
Prosiding Seminar Riset Mahasiswa Vol 1, No 1: Maret 2023
Publisher : Universitas Islam Sultan Agung

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

Abstract

Pelestarian lingkungan hidup perkotaan seperti lahan hijau semakin sulit ditemukan, terutama di kota-kota besar. Sehingga, polusi udara lazim di daerah perkotaan, dengan banyaknya pabrik beroperasi dan kendaraan yang sangat padat. Di sisi lain terdapat permasalahan yang sama pentingnya yaitu penanganan kesehatan mental yang tidak efektif. Tujuan: Untuk mengurangi polusi udara dan memangkas kasus kesehatan mental yang penanganannya tidak efektif. Metode: Pembuatan aplikasi menggunakan metode sekuensial linier (waterfall). Metode waterfall merupakan metode pengembangan perangkat lunak yang sistematik dan sekuensial.Aplikasi berbasis website dengan judul “Tanduran”, berisi berbagai informasi mengenai tanaman serta berbagai cara untuk perawatannya.Dengan website ini diharapkan semakin banyak orang yang menyukai tanaman, melestarikannya dan dapat merawat tanaman dengan baik. Serta dapat menjadikannya sebagai hobi dan kegiatan yang dapat mengurangi stres psikologis, sehingga permasalahan kesehatan mental dapat berkurang. Selain itu, dengan banyaknya tanaman yang ditanam, juga diharapkan dapat mengurangi permasalahan polusi udara yang semakin meningkat.Kata Kunci: Polusi Udara, Kesehatan Mental, Perawatan Tanaman, Aplikasi Berbasis Website, Waterfall
Implementasi Bidirectional Long Short-Term Memory untuk Identifikasi Entitas Saham Fatimah, Akmalia; Badieah, Badieah; Haviana, Sam Farisa Chaerul
Jurnal Teknik Informatika dan Sistem Informasi Vol 11 No 1 (2025): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v11i1.9775

Abstract

One of the financial products in the capital market that is in great demand is stock. Shares are proof of ownership of a company that fluctuates and tends to have a high level of risk and nonlinear price changes. To make the right investment decision, investors are required to be able to analyze the abundant stock information carefully and quickly. In facing this challenge, Named Entity Recognition (NER) can be a potential solution in analyzing stock information by recognizing stock entities and grouping them into certain labels. In this research, NER is developed with the Bidirectional Long Short-Term Memory algorithm, which is used to identify five stock entities: company name, stock code, stock index, industry sector, and sub-sector. With an accuracy of 99.81% on the test data, the Bi-LSTM algorithm can identify the entities well and group each token into the five entities.
Co-Authors Adella, Firyal Marsha Badie'ah, Badie'ah Badieah Assegaf Sam Farisa Chaerul Haviana Zulaicha, Nurul Fatimah Az