Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Novitasari, Fadila
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Manajemen Kelas Berbasis Web untuk Mendukung Kegiatan Pembelajaran Digital Sari, Ika Desy Pramita; Novitasari, Fadila; Nanda, Cakrawala Mega; Alfado, Nova Septian; Septiyanti, Nisa Dwi; Wibawa, Ramadhan Cakra
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3963

Abstract

Transformasi digital dalam dunia pendidikan menuntut tersedianya sistem pembelajaran yang terintegrasi dan mudah diakses, terutama pada jenjang Sekolah Menengah Kejuruan (SMK) yang memiliki aktivitas akademik kompleks. Banyak sekolah masih mengelola materi, tugas, dan absensi melalui berbagai platform terpisah, sehingga menyebabkan fragmentasi alur pembelajaran, tingginya risiko miskomunikasi, serta meningkatnya beban administratif guru. Penelitian ini bertujuan merancang, membangun, dan menguji Website Manajemen Kelas berbasis web yang mengintegrasikan modul pengelolaan kelas, distribusi materi, pengumpulan tugas/kuis, serta pencatatan absensi dalam satu platform terpadu. Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan model Waterfall, melalui tahapan analisis kebutuhan, perancangan sistem, pengembangan, pengujian, dan implementasi terbatas. Pengujian dilakukan menggunakan User Acceptance Testing (UAT) yang melibatkan siswa dan guru SMK Dharma Bahari Surabaya. Hasil evaluasi menunjukkan bahwa sistem diterima dengan sangat baik oleh pengguna, dengan tingkat kesetujuan di atas 80% pada aspek kemudahan penggunaan, fungsionalitas, tampilan antarmuka, stabilitas, dan manfaat pembelajaran. Siswa menilai fitur materi dan tugas membantu meningkatkan keteraturan informasi belajar, sedangkan guru menilai integrasi presensi, materi, dan tugas mampu mengurangi pekerjaan administratif serta memperjelas alur pengelolaan kelas. Meskipun ditemukan kebutuhan penyempurnaan pada navigasi dan stabilitas sistem, Website Manajemen Kelas terbukti layak digunakan sebagai media pendukung digitalisasi pembelajaran di SMK. Sistem ini memiliki potensi untuk dikembangkan lebih lanjut guna memenuhi kebutuhan kelas digital yang lebih komprehensif dan adaptif.
Profiling kerentanan bencana wilayah di Pulau Jawa Menggunakan Principal Component Analysis dan K-Means Clustering Qorina, Alfa; Novitasari, Fadila; Rosyid, Harun Al
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4807

Abstract

Indonesia, khususnya Pulau Jawa, menghadapi kompleksitas risiko bencana hidrometeorologi dan geologi yang semakin meningkat akibat perubahan iklim, urbanisasi, serta degradasi lingkungan. Penelitian ini bertujuan melakukan pemetaan kerentanan bencana pada wilayah administratif Kabupaten/Kota di Pulau Jawa menggunakan pendekatan machine learning berbasis metode unsupervised, yaitu K-Means Clustering. Penelitian memanfaatkan 17 variabel lingkungan dan dampak bencana, meliputi frekuensi kejadian bencana (gempa bumi, longsor, banjir, cuaca ekstrem, kebakaran hutan/lahan, dan kekeringan), jumlah rumah rusak, jumlah korban terdampak, serta indikator pengelolaan lingkungan berupa timbulan sampah harian dan tahunan. Dataset awal terdiri dari seluruh Kabupaten/Kota di Pulau Jawa, namun dilakukan proses penyaringan data (preprocessing) termasuk normalisasi, handling missing values, dan data consistency check. Sebanyak 17 Kabupaten/Kota dikeluarkan dari analisis karena tidak memenuhi kelengkapan data. Melalui Elbow Method, ditentukan jumlah cluster optimal yaitu k=3, kemudian divalidasi menggunakan Silhouette Score, PCA Visualization, dan hierarchical clustering. Hasil clustering mengelompokkan wilayah menjadi tiga profil kerentanan: (0) Risiko Rendah (69 Kabupaten/Kota), dengan karakteristik intensitas bencana minimal dan timbulan sampah terendah (±407 ton/hari); (1) Risiko Sedang (10 Kabupaten/Kota), yang memiliki fluktuasi ekstrem pada indikator korban jiwa (±2.132 jiwa) terutama akibat cuaca ekstrem; serta (2) Risiko Tinggi (23 Kabupaten/Kota), yang ditandai dengan tekanan lingkungan masif berupa rata-rata timbulan sampah harian mencapai >1.200 ton dan frekuensi banjir tertinggi. Temuan ini memberikan dasar segmentasi risiko kebencanaan berbasis data sebagai rekomendasi prioritas mitigasi kebencanaan daerah
Co-Authors Alfado, Nova Septian Nanda, Cakrawala Mega Nisa Dwi Septiyanti Qorina, Alfa Rosyid, Harun Al Sari, Ika Desy Pramita Wibawa, Ramadhan Cakra