Article Per Year (5 Year)
p-Index From 2019 - 2024
3.444
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Jurnal Ilmu Komputer dan Agri-Informatika Jurnal Pengabdian UntukMu NegeRI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Sisfokom (Sistem Informasi dan Komputer) Informatik : Jurnal Ilmu Komputer SEINASI-KESI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Nurul Chamidah
UPN Veteran Jakarta
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
K-MEANS SEBAGAI EKSTRAKTOR CIRI PADA KLASIFIKASI DATA DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Chamidah, Nurul
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 2 (2018): JURNAL SIMETRIS VOLUME 9 NO 2 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (373.045 KB) | DOI: 10.24176/simet.v9i2.2433

Abstract

Besarnya dimensi pada ciri merupakan masalah pada komputasi untuk mengklasifikasi data sehingga diperlukan suatu proses ekstraksi ciri agar dimensinya berkurang dengan cara mengambil hanya informasi yang penting dari ciri. Penelitian ini menggunakan algoritma K-Means untuk mengekstraksi ciri dengan menemukan pola tersembunyi dari setiap kelas kemudian direkonstruksi dengan fuzzy membership function dan mendapatkan pola baru. Pola baru yang terbentuk digunakan sebagai  ciri abstrak dan dibagi kedalam data latih dan data uji. Pelatihan dilakukan dengan memanfaatkan algoritma Support Vector Machine (SVM) untuk mendapatkan model klasifikasi. Model klasifikasi SVM yang diperoleh kemudian di uji dengan menggunakan data uji untuk memperoleh performa klasifikasi berupa akurasi dan waktu komputasi. Dengan 5-fold cross validation, metode ini memberikan akurasi yang baik pada dataset Liver, Breast Cancer dan Heart Disease yang diperoleh dari UCI Machine Learning Repository. Penelitian ini menunjukkan kemampuan K-Means untuk mengekstraksi ciri dari dataset. Hasil penelitian ini menujukkan bahwa K-Means sebagai ekstraktor ciri dapat mengurangi waktu komputasi.
Keterkaitan Antara Variabel dan Prediksi Nilai Indeks Pembangunan Manusia (IPM) di Indonesia Menggunakan Regresi Linier Putra, Nanda Cahaya; Yunizar, Ikram; Laksono, Ndaru Aji; Chamidah, Nurul
SEINASI-KESI Vol 1, No 1 (2018): Seinasi-Kesi 2018
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (289.812 KB)

Abstract

Penelitian ini bertujuan untuk membuat pemodelan yang dapat digunakan untuk memprediksi nilai IPM serta variabel apa yang mempengaruhi nilai dari IndeksPembangunan Manusia (IPM). Dalam penelitian ini menguji variabel terikat dengan beberapa variabel bebas yang memiliki kerterkaitan dengan Indeks PembangunanManusia (IPM) dengan menggunakan dua buah skenario. Dataset yang dipakai dalam penelitian ini merupakan beberapa data yang memiliki keterkaitan terhadap IndeksPembangunan Manusia (IPM) dengan periode 2010 – 2017 .Penelitian menggunakan metode regresi linier untuk menentukan model. Penelitian menggunakan dua skenariodalam membagi data menjadi data uji dan data latih yang memiliki jumlah record data uji dan data latih yang berbeda. Hasil dari penelitian ini menunjukan bahwapemodelan dengan metode regresi dapat diterapkan pada data yang dipakai dan mendapatkan hasil yang baik. Pemodelan tersebut kemudian di evaluasi menggunakanR-Square dan Root Mean Square Error (RMSE) untuk mengetahui seberapa besar pengaruh variabel terkait terhadap Indeks Pembangunan Manusia (IPM).
Deteksi Hipertensi Dengan Metode Artificial Neural Network Matondang, Nurhafifah; Santoni, Mayanda Mega; Chamidah, Nurul
SEINASI-KESI Vol 2, No 1 (2019): Seinasi-Kesi 2019
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (479.692 KB)

Abstract

Hipertensi atau tekanan darah tinggi merupakan salah satu penyakit yang menjadi penyebab kematian di Indonesia. Penelitian ini menggunakan motode Artificial Neural Network (ANN) Feed Forward Backpropagation untuk mendeteksi hipertensi berdasarkan ciri-ciri dan atau kebiasaan seseorang. Data hipertensi diperoleh dengan kuesioner kemudian dipraproses dengan melakukan imputasi pada missing value serta transformasi data untuk mengubah data pada range yang sama. hasi praproses digunakan untuk melatih model ANN dengan 25 input, 3 hidden neuron serta 1 output. Dengan leraning rate 0.25 serta epoch sebanyak 1000, hasil percobaan menunjukkan akurasi hingga 96% dengan pembagian data latih sebesar 80% dan data uji sebesar 20%.  
Implementasi Market Basket Analysis Untuk Menentukan Product Bundling Menggunakan Algoritma FP-Growth Sabrina, Rifa; Ernawati, Iin; Chamidah, Nurul
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Pada era globalisasi saat ini para pemilik bisnis dituntut agar dapat melakukan pengembangan bisnis secara efektif dan efisien serta dibutuhkannya strategi pemasaran yang baik agar mencapai target penjualan. Bumi Flora merupakan salah satu toko tanaman hias yang berlokasi di Tangerang. Pola pembelian konsumen yang acak menyulitkan Toko Bumi Flora untuk menentukan strategi pemasaran barang yang sesuai. Pola pembelian konsumen dapat diketahui dengan metode asosiasi pada data mining untuk mencari pola hubungan antar satu item dengan item lainnya. Untuk itu diperlukan analisis terhadap pola pembelian tanaman hias untuk memaksimalkan pemasaran dengan strategi product bundling. Data transaksi penjualan item yang digunakan untuk mencari keterkaitan antar item dengan algoritma fp-growth. Penelitian ini menghasilkan tujuh aturan yang ideal dengan percobaan nilai minimum support 3% dan nilai minimum confidence 25% dan setiap aturan yang dihasilkan memiliki nilai lift ratio lebih dari satu
Memprediksi Serangan Pada SIM (Security Information Management) Dengan Menggunakan Algoritma Hidden Markov Model Andreas, Rico; Seta, Henki Bayu; Chamidah, Nurul
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Website merupakan suatu aplikasi yang mudah diakses, dalam kemudahan tersebut terdapat serangan yang dilakukan pada website. Serangan-serangan tersebut memiliki ancaman yang terdata di OWASP (Open Web Application Security Project) pada tahun 2017 sehingga menciptakan informasi yang ada pada OWASP Top 10 Security – 2017 yang khusus pada aplikasi web. Dengan ancaman tersebut penelitian ini dilakukan untuk membuat sistem yang dapat mendeteksi suatu serangan yang terjadi pada website dan dapat menampilkan informasi kegiatan yang ada pada website dengan client. Security Information Management (SIM) akan membaca data access log dan error log yang telah dicatat oleh web server lalu data tersebut akan dilakukan training dan testing dengan menggunakan algoritma Hidden Markov Model sehingga mendapatkan model bagi sistem untuk mendeteksi sebuah serangan, serta log akan diterjemahkan menjadi suatu informasi yang mudah dibaca oleh sysadmin kedalam suatu dashboard. Penelitian ini diharapkan dapat menghasilkan suatu model yang dapat mendeteksi sekaligus memantau kegiatan website dalam sebuah serangan.
IMPLEMENTASI CHURN PREDICTION DI INDUSTRI TELEKOMUNIKASI DENGAN METODE LOGISTIC REGRESSION DAN CORRELATION-BASED FEATURE SELECTION Prianto, Dhea Laksmi -; ernawati, iin; Chamidah, Nurul
SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Industri telekomunikasi menjadi salah satu industri yang semakin kompetitif dan telah menumbuhkan ketertarikan akan prediksi churn untuk pelanggan. Prediksi churn tentang bagaimana mendeteksi pelanggan yang memiliki kecenderungan untuk meninggalkan layanan. Prediksi ini merupakan salah satu upaya perusahaan untuk mempertahankan pelanggan didalam Customer Relationship Management (CRM). Beberapa penulis mengemukakan bahwa metode logistic regression memiliki pemodelan dan hasil performa yang bagus untuk diaplikasikan untuk data prediktif. Dataset diambil dari salah satu perusahaan telekomunikasi di Amerika bernama Orange yang tersedia di situs Kaggle yang kemudian diolah untuk menganalisis performa prediksi churn menggunakan data mining dengan teknik pemilihan correlation-based feature selection forward selection serta algoritma machine learning logistic regression. Kata kunci:  Prediksi churn, logistic regression, data mining, correlation-based feature selection, forward selection
Literasi Internet Untuk Meminimalisir Dampak Konten Negatif Pada Ibu-Ibu Pkk Desa Citeras Helena Nurramdhani Irmanda; Nurul Chamidah
Jurnal Pengabdian UntukMu NegeRI Vol 4 No 2 (2020): Pengabdian Untuk Mu negeRI
Publisher : LPPM UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jpumri.v4i2.2115

Abstract

Internet rapid use in daily life has led to lifestyle changes. Internet is not only used by adults but also children. The Family Welfare Empowerment (PKK) action as the vanguard in the family has goals to create a family with noble character. It is important for PKK mothers to understand internet literacy in order to educate their children in healthy internet use so that the negative impact can be minimized. Based on the situation analysis, problems in Citeras village can be formulated, namely the need to increase the understanding of Citeras village PKK mothers regarding internet literacy. The solution to this problem is to conduct training activities on internet literacy and use of parental control applications. This activity aims to improve the competence of PKK mothers so that they can monitor their children in using the internet positively. This training has been carried out well. This is reinforced by the data from the internet usage survey, the high category N-gain value of 96,15, and the results of the survey on the implementation of activities to the community which received a positive response from the participants
Penilaian Esai Pendek Otomatis dengan Pencocokan Kata Kunci Frasa Nomina Nurul Chamidah; Mayanda Mega Santoni; Helena Nurramdhani Irmanda; Ria Astriratma
Techno.Com Vol 20, No 4 (2021): November 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i4.5043

Abstract

Pembelajaran daring menjadi suatu kebutuhan dalam pengajaran baik dalam memberikan materi maupun ujian. Ujian dalam bentuk soal objektif kurang dapat mengukur kemampuan pemahaman seseorang dan soal esai dianggap lebih baik untuk mengevaluasi hasil pembelajaran. Namun, jawaban berbentuk esai memerlukan waktu yang lebih banyak untuk dilakukan penilaian serta hasil penilaiannya dapat inkonsisten. Maka dari itu, diperlukan suatu sistem penilaian esai otomatis yang dapat menilai esai dengan lebih cepat dan konsisten. Penelitian ini dilakukan untuk menganalisis performa penilain esai otomatis dengan mengekstrak kata kunci dari frasa nomina dalam jawaban berbentuk esai pendek. Penilaian esai dilakukan dengan mencocokkan kata kunci yang diekstrak dari jawaban uji dan jawaban referensi. Jawaban uji dan referensi diproses dengan case folding, Part of Speech (POS) Tagging, ekstraksi frasa nomina, dan stemming. Kata kunci unik jawaban uji dan jawaban referensi yang diperoleh dari proses tersebut selanjutnya dicocokkan dan kemudian dinilai berdasarkan kecocokan tersebut. Hasil evaluasi penelitian ini menunjukkan Mean Absolute Error (MAE) dari nilai yang diperoleh dengan mencocokkan kata kunci dengan nilai uji yang diberikan manusia sebesar 18% dan Pearson Correlation sebesar 0.83 yang menunjukkan korelasi antara nilai sistem dan nilai uji sangat baik.
Pencocokan Berbasis Kata Kunci pada Penilaian Esai Pendek Otomatis Berbahasa Indonesia Nurul Chamidah; Mayanda Mega Santoni
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4115

Abstract

Evaluasi dalam pengajaran dapat dilakukan melalui ujian. Ujian berupa esai dapat digunakan untuk mengevaluasi pemahaman sesuai konteks dan memiliki jawaban referensi. Sayangnya, jawaban dari esai ini membutuhkan waktu yang lebih banyak untuk dievaluasi dan dapat terjadi inkonsistensi dalam melakukan penilaian. Penelitian ini dilakukan untuk menganalisis performa untuk penilaian esai pendek otomatis berbahasa Indonesia untuk mengevaluasi jawaban yang berbentuk esai pendek. Sehingga, penilaian terhadap jawaban esai lebih konsisten dan dapat digunakan sebagai alternatif untuk penilaian dalam ujian online. Penilaian esai dilakukan dengan menghitung kecocokan antara jawaban uji dengan jawaban referensi, yakni dengan meilhat kata kunci dari masing-masing jawaban. Kata kunci diperoleh dengan melakukan praproses pada teks yakni dengan case folding, pembuangan stopword, stemming, dan tokenisasi. Setelah mendapatkan kata kunci untuk jawaban uji dan jawaban referensi, pada tahap keyword matching dilakukan pencocokan jawaban uji terhadap jawaban referensi. Hasil kecocokan antara jawaban uji dan referensi selanjutnya dihitung menjadi nilai pada tahapan grading. Nilai yang diperoleh dari grading selanjutnya dibandingkan dengan nilai uji sebagai evaluasi performa dengan menghitung Mean Absolute Error (MAE) dan Pearson Correlation. Hasil dari penelitian ini menunjukkan MAE untuk keseluruhan jawaban uji sebesar 0.25 dan korelasi antara nilai uji dengan nilai hasil grading sebesar 0.79.
Prediksi Hipertensi menggunakan Decision Tree, Naïve Bayes dan Artificial Neural Network pada software KNIME Mayanda Mega Santoni; Nurul Chamidah; Nurhafifah Matondang
Techno.Com Vol 19, No 4 (2020): November 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i4.3872

Abstract

Hipertensi merupakan salah satu penyakit tidak menular yang dapat menyebabkan kematian karena meningkatkan resiko munculnya berbagai penyakit seperti gagal ginjal, gagal jantung, bahkan stroke. Resiko hipertensi disebabkan oleh beberapa faktor penyebab seperti usia, keturunan, pola makan dan olahraga, dan merokok. Teknologi artificial intelligence yakni machine learning dimanfaatkan di bidang kesehatan khususnya prediksi penyakit hipertensi. Pada penelitian ini diimplementasi tiga algoritma machine learning yakni decision tree, naïve bayes dan artificial neural networks. Data yang digunakan pada penelitian ini sebanyak 274 data yang diperoleh dari hasil kuesioner dengan 26 pertanyaan, dimana 25 pertanyaan adalah variabel faktor resiko dan satu pertanyaan merupakan kelas yang menyatakan responden memiliki riwayat hipertensi atau tidak. Data diolah menggunakan platform analisis data yakni KNIME. Sebelum data diolah untuk membangun model klasifikasi menggunakan decision tree, naïve bayes dan artificial neural network, data dipraproses terlebih dahulu dengan melakukan imputasi missing value, oversampling dan normalisasi data. Selanjutnya pembagian data menggunakan 5-fold cross validation. Model klasifikasi yang diperoleh dievaluasi menggunakan nilai akurasi, recall dan precision. Hasil evaluasi dari eksperimen yang dilakukan diperoleh bahwa algoritma artificial neural network memiliki tingkat performa lebih baik dibandingkan decision tree dan naïve bayes dengan nilai akurasi sebesar 94.7%, recall sebesar 91.5% dan precision sebesar 97.7%.
Co-Authors Ballya Vicky Haekal Bayu Permana Sukma Desta Sandya Prasvita Desta Sandya Prasvita Didit Widiyanto Endah Patimah Erisa Rizkyani Ermatita Ermatita Ermatita Ermatita Ernawati, Iin Helena Nurramdhani Irmanda Helena Nurramdhani Irmanda Henki Bayu Seta Iin Ernawati Irza Ramira Putra Laksono, Ndaru Aji Matondang, Nurhafifah Muhamad Hanif Razka Nadya P. Batubara Nurhafifah Matondang Pratama Haryandi Prianto, Dhea Laksmi - Putra, Nanda Cahaya Raihan Adyatma Subagja Reza Amarta Prayoga Reza Amarta Prayoga Ria Astriratma Ria Astriratma Rico Andreas, Rico Sabrina, Rifa Santoni, Mayanda Mega Sigit Ispramono Hadi Theresiawati Widiastiwi, Yuni Yulnelly Yulnelly Yunizar, Ikram