cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anis Masruriyah
Contact Email
anis.masruriyah@gmail.com
Phone
+6282132204781
Journal Mail Official
anis.masruriyah@gmail.com
Editorial Address
Jalan Ronggo Waluyo Sirnabaya, Puseurjaya, Kec. Telukjambe Tim., Kabupaten Karawang, Jawa Barat 41361
Location
Kab. karawang,
Jawa barat
INDONESIA
Scientific Student Journal for Information, Technology and Science
Published by Universitas Buana Perjuangan Karawang
ISSN : 27152766     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Scientific Student Journal for Information, Technology and Science berisi artikel-artikel hasil penelitian mahasiswa dari program studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer pada Universitas Buana Perjuangan Karawang. Jurnal ini dipublikasikan sebanyak dua kali setiap tahun oleh prodi Teknik Informatika. Kemudian, jurnal ini juga diharapkan dapat memberikan kontribusi dan mengembangkan penelitian yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 233 Documents
 20   21   22   23   24 
Identifikasi Faktor Penyebab Stres pada Manusia Menggunakan Algoritma Random Forest Muhammad Ihsan; Tatang Rohana; Hilda Yulia Novita; Sutan Faisal
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Stres merupakan salah satu permasalahan kesehatan mental yang semakin mendapat perhatian seiring meningkatnya berbagai tekanan dari lingkungan sosial dan keluarga. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor penyebab stres pada manusia menggunakan algoritma Random Forest. Data yang digunakan berasal dari dataset Kaggle yang berjumlah 1.100 data dan memuat berbagai faktor yang berkaitan dengan kondisi psikologis, kesehatan, dan lingkungan. Penelitian ini meliputi tahapan pengumpulan data, data preprocessing, penerapan algoritma Random Forest, serta evaluasi model. Hasil penelitian menunjukkan bahwa berdasarkan analisis feature importance, faktor yang paling berpengaruh terhadap tingkat stres adalah blood_pressure dengan kontribusi lebih dari 19%, diikuti oleh sleep_quality sebesar 11,05%, safety sebesar 10,29%, dan bullying sebesar 10,28%. Selain itu, model Random Forest mampu mengklasifikasikan tingkat stres (stres ringan, stres sedang, dan stres berat) dengan akurasi sebesar 87,7%. Berdasarkan hasil analisis tersebut, tekanan darah, kualitas tidur, rasa aman, dan pengalaman mengalami bullying merupakan faktor utama yang memengaruhi tingkat stres pada manusia. Hasil penelitian ini diharapkan dapat menjadi referensi dalam pemanfaatan machine learning untuk membantu upaya pencegahan dan penanganan stres secara lebih efektif.
Implementasi Model Convolutional Neural Network pada Voice Emotion Recognition untuk Evaluasi Respons Pelanggan Rai Tilosava De Araujo; Adi Rizky Pratama; Elsa Elvira Awal; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model Voice Emotion Recognition berbasis Convolutional Neural Network (CNN) guna mengevaluasi respons pelanggan melalui analisis emosi suara berbahasa Indonesia. Dataset yang digunakan adalah IndoWaveSentiment, yang terdiri atas 300 rekaman audio dengan lima kategori emosi, yaitu angry, happy, sad, surprised, dan neutral. Tahapan penelitian meliputi data preprocessing yang mencakup konversi menjadi audio mono, normalisasi, trimming, dan padding, dilanjutkan dengan augmentasi data serta ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC). Model Convolutional Neural Network kemudian dilatih menggunakan optimizer Adam dengan learning rate sebesar 0,001 selama 100 epoch. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 84%, dengan nilai rata-rata precision, recall, dan F1-score sebesar 0,84. Kinerja terbaik ditunjukkan pada kelas neutral dan sad, sedangkan beberapa kesalahan klasifikasi masih terjadi pada kelas angry dan happy. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan Convolutional Neural Network efektif dalam mengenali emosi pelanggan melalui sinyal suara serta berpotensi mendukung pengembangan sistem layanan pelanggan yang lebih adaptif dan responsif terhadap kondisi emosional pengguna.
Komparasi Kinerja K-Means dan K-Medoids dalam Klasterisasi Kelompok Keluarga Berisiko Stunting Seluruh Desa di Jawa Barat Wildan Gusty Sakhril Amin; Ahmad Fauzi; Cici Emilia Sukmawati; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Stunting merupakan masalah gizi kronis yang masih menjadi tantangan besar di Indonesia. Provinsi Jawa Barat memiliki prevalensi stunting sebesar 21,7%, sehingga menjadi provinsi dengan prevalensi stunting tertinggi kedua di Pulau Jawa. Untuk mendukung upaya pencegahan stunting, penelitian ini bertujuan mengelompokkan desa-desa di Jawa Barat berdasarkan kelompok keluarga berisiko stunting menggunakan algoritma K-Means dan K-Medoids, serta mengevaluasi performa kedua algoritma tersebut. Penelitian ini menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Hasil penelitian menunjukkan bahwa algoritma K-Means membentuk tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 106 desa, dan klaster tinggi sebanyak 9 desa. Sementara itu, algoritma K-Medoids juga menghasilkan tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 105 desa, dan klaster tinggi sebanyak 14 desa. Hasil evaluasi menunjukkan bahwa algoritma K-Means memiliki performa yang lebih baik dengan nilai Silhouette Score sebesar 0,9278 dan Davies–Bouldin Index (DBI) sebesar 0,9380 dibandingkan algoritma K-Medoids, yang memperoleh nilai Silhouette Score sebesar 0,9233 dan DBI sebesar 1,0699. Penelitian ini diharapkan dapat membantu pemerintah dalam menentukan prioritas intervensi stunting secara lebih tepat sasaran serta menjadi referensi dalam pengembangan metode klasterisasi menggunakan algoritma K-Means dan K-Medoids.

Page 24 of 24 | Total Record : 233

 20   21   22   23   24 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 2 (2021): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 1 (2021): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science More Issue