Article Per Year (5 Year)
p-Index From 2019 - 2024
1.518
P-Index
This Author published in this journals
All Journal JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Cendekia : Jurnal Pendidikan Matematika Journal of Information System,Graphics, Hospitality and Technology Zonasi: Jurnal Sistem Informasi JSR : Jaringan Sistem Informasi Robotik JURNAL ILMIAH SIMANTEK Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi Hexagon
JUNITA AMALIA
INSTITUT TEKNOLOGI DEL
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Transportation Veterinary Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
ANALISIS MODEL REGRESI COX PROPORTIONAL HAZARD PADA STUDI KASUS PASIEN KANKER PARU-PARU JUNITA AMALIA
JURNAL ILMIAH SIMANTEK Vol 4 No 1 (2020): JURNAL ILMIAH SIMANTEK
Publisher : LP2MTBM MAKARIOZ

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (939.102 KB)

Abstract

The high mortality rate caused by lung cancer is at an alarming rate. Lung cancer patients must be treated quickly and appropriately. One method often used in survival analysis is the cox proportional hazard regression model. In the cox proportional hazard regression model, the independent variables used must meet the proportional hazard assumption. The results showed that the variables that had a significant effect on the Cox Proportional Hazard regression analysis using a 90% confidence level in the survival time of lung cancer patients were cell type 2, cell type 3 and performance status. Meanwhile, other variables namely treatment, cell type 1, disease duration, age, and prior therapy did not significantly influence.
Pengaruh Hyperparameter pada Fasttext terhadap Performa Model Deteksi Sarkasme Berbasis Bi-LSTM Yohana Veronika Aritonang; Dewi Purnama Napitupulu; Martin Halomoan Sinaga; Junita Amalia
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 9 No 3 (2022): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v9i3.1331

Abstract

Text classification can be applied by natural language processing. However, one of the problems found in text classification is sarcasm sentences. Sarcasm can change the meaning of a sentence into the opposite. To solve this problem, the researcher proposes a combination of Fasttext word embedding with the Deep Learning model, namely Bi-LSTM in the case of sarcasm detection in tweets. Fasttext can represent words by utilizing sub-word, so they can obtain information from a word that has never been found and can understand words that have affixes. While Bi-LSTM can study the semantics of words that affect classifying tweets. The experiments were conducted on the use of Fasttext hyperparameters, namely vector size, window, minimal number of word occurrences, epochs, and word2vec model architecture. Based on the experimental results, Fasttext hyperparameters have different effects where there are increasing and decreasing in the value of the evaluation results. Improved evaluation results are more visible by using epochs at a value of 100 and using CBOW architecture.
Analisis Kemampuan Koneksi Matematis Peserta Del Mathematics dan Science Competition (DMSC) ditinjau dari Kepribadian Sensing(S)-Intuiting (N) Sahat Pandapotan Nainggolan; Junita Amalia; Sari Muthia Silalahi
Jurnal Cendekia : Jurnal Pendidikan Matematika Vol 6 No 3 (2022): Jurnal Cendekia: Jurnal Pendidikan Matematika Volume 6 Nomor 3 Tahun 2022
Publisher : Mathematics Education Study Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cendekia.v6i3.1671

Abstract

Ketercapaian siswa dalam mengaitkan satu hal dengan lainnya dalam memecahkan masalah pada matematika masih sangat jauh dari standar yang ditetapkan oleh pendidik hal ini disebabkan oleh karena siswa kurang mampu menghubungkan gambar, diagram kedalam ide dan simbol matematika. Disisi lain, faktor kepribadian siswa dalam melihat suatu permasalahan yang berkaitan dengan soal matematika adalah hal yang penting. Hal ini melatarbelakangi penelitian ini untuk menganalisis kemampuan koneksi matematis peserta Del Mathematics and Science Competition (DMSC) terkait dengan Myer-Briggs Type Indicator (MBTI) khususnya kepribadian sensing dan intuiting. Penelitian ini menggunakan pendekatan kualitatif. Peneliti melakukan analisis terhadap sampel hasil jawaban peserta babak final. Proses analisis data dilakukan setelah mendapatkan tipe kepribadian siswa dan mendapatkan hasil jawaban dibabak final. Soal yang diberikan memiliki tujuan untuk mengetahui kemampuan koneksi matematis peserta ditinjau dari segi kepribadian. Hasil yang didapat bahwa siswa dengan tipe sensing hanya melihat data dengan apa adanya, sehingga proses dalam menemukan suatu keterkaitan dalam matematika belum dilakukan dengan maksimal. Sementara siswa dengan tipe kepribadian intuiting memproses informasi yang diketahui pada soal untuk mencari hubungan antara representasi konsep dan prosedur. Dapat disimpulkan bahwa siswa dengan kepribadian sensing tidak dapat memahami hubungan keduanya sehingga membuat kesimpulan kurang tepat, sejalan dengan teori bahwa seseorang dengan kepribadian sensing memproses data dengan cara berstandar pada fakta konkret, praktis, realistis dan melihat data apa adanya (Mudrika). Di sisi lain, siswa dengan kepribadian intuiting mendapatkan pemahaman konsep tersebut saling terhubung sehingga dapat menyelesaikan persoalan dengan baik.
ANALISIS SELF-ATTENTION PADA BI-DIRECTIONAL LSTM DENGAN FASTTEXT DALAM MENDETEKSI EMOSI BERDASARKAN TEXT Letare Saragih; Maria Nababan; Yohana Simatupang; Junita Amalia
ZONAsi: Jurnal Sistem Informasi Vol. 4 No. 2 (2022): Sistem Informasi dan Implementasi Teknologi Untuk Kebermanfaatan Sosial
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/zn.v4i2.10846

Abstract

Cuitan Twitter yang sudah dilabeli berdasarkan jenis emosinya merupakan salah satu bentuk pengekspresian emosi dalam bentuk teks. Teks dapat dijadikan sebagai objek dalam melakukan emotion detection. Tujuan penelitian ini adalah untuk mengetahui pengaruh self-attention pada pemodelan Bi-LSTM dengan FastText dalam mendeteksi emosi pada cuitan Twitter. Pengaruh dilihat dengan membandingkan hasil evaluasi recall, precison, F1-score dan akurasi dari pemodelan Bi-LSTM, Bi-LSTM + Self-Attention dan Self-Attention. FastText digunakan untuk mengubah setiap kata menjadi vector matrix. Bi-LSTM digunakan untuk proses klasifikasi. Dan self-attention untuk membantu model untuk memilih kata yang paling dapat merepresentasikan makna dari kalimat terutama pada kalimat review yang panjang. Hasil yang diperoleh menunjukkan bahwa dari ketiga model, Bi-LSTM memiliki hasil evaluasi yang lebih baik dibandingkan dengan kedua model lainnya. Berdasarkan hasil tersebut, dapat disimpulkan bahwa penambahan self-attention pada model Bi-LSTM tidak memberikan pengaruh pada hasil evaluasi model untuk klasifikasi emosi.
MEMBANGUN SLANG DICTIONARY UNTUK NORMALISASI TEKS MENGGUNAKAN PRE-TRAINED FASTTEXT MODEL Junita Amalia
JSR : Jaringan Sistem Informasi Robotik Vol 6, No 2 (2022): JSR : Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v6i2.184

Abstract

Kata Slang merupakan kata yang kompleks, sulit dan tidak dapat diabaikan. Slang digunakan oleh kalangan tertentu dan terbatas sehingga tidak semua orang mengetahui maksud dari percakapan yang dilakukan oleh anggota kelompok. Berdasarkan penelitian terdahulu yang telah dilakukan yaitu pembuatan slang menggunakan proses manual yang memerlukan cukup banyak waktu untuk mengumpulkan kata slang, sehingga penelitian yang kami lakukan bertujuan untuk mengumpulkan kata slang dengan menerapkan Deep Learning yaitu Natural Language Processing dengan menggunakan metode word embedding FastText untuk mempercepat proses pengumpulan kata slang. Penulis melakukan implementasi teknik dan algoritma yang telah dirancang pada tahapan sebelumnya. Tahapan ini memastikan bahwa proses yang dilakukan dalam penelitian dapat dilaksanakan sesuai dengan teori-teori yang mendukung penelitian. Dari gabungan data antara kata komentar youtube dan kamus Bahasa Indonesia, didapatkan 421 kata yang merupakan kata slang. Kata slang ini didapatkan dengan cara proses mencari kesamaan kata (similarity word) antara kata komentar youtube dan kamus Bahasa Indonesia. Dalam membangun kamus slang dari dataset komentar youtube dengan pre-trained FastText model dilakukan proses preprocessing. Selanjutnya dilakukan tahap membuat list token dan list comprehension untuk mendapatkan word vector setiap kata komentar youtube. Untuk mendapatkan vektor kata untuk setiap kata komentar youtube dan kamus Bahasa Indonesia diperlukan metode pre-trained FastText model.
Video Pembelajaran Youtube untuk Media Pembelajaran Daring Mahasiswa Junita Amalia; Regina Ayunita Tarigan
ABDIKAN: Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi Vol. 1 No. 3 (2022): Agustus 2022
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/abdikan.v1i3.822

Abstract

This act of community dedication is aimed to provide video lessons of First Fundamental Mathematics/ First Calculus for the undergraduate students. The videos are free lesson source, accessible anytime and anywhere from Youtube. During the activity, there are a lot of positive responses from the students who are taking the same lessons as provided by the video materials. It can be concluded that the activity went very well and the result is as good as expected. This can be seen from the viewers’ enthusiasm who contribute in discussion on the comment section if they got stuck, appreciating the content, and also the high traffic. The fact that the most viewers are undergraduate students can be seen on Youtube analytic. As for the suggestion, if there is another team who wants to get the better result, it is strongly advised to promote and to share related information regarding the videos massively.  
Pemanfaatan Youtube untuk Pembelajaran Asinkronus Matematika Dasar di Tingkat Perguruan Tinggi dengan Referensi Kalkulus Jilid 2 Regina Ayunita Tarigan; Junita Amalia
ABDIKAN: Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi Vol. 1 No. 3 (2022): Agustus 2022
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/abdikan.v1i3.824

Abstract

Merebaknya pandemi Covid-19 menyebabkan terbatasnya ruang gerak di segala aspek. Pembatasan ini menyebabkan banyak perkuliahan harus dilaksanakan secara online. Dalam prakteknya, hal ini menyebabkan kesulitan dikarenakan mahasiswa tidak selalu bisa mengakses kelas online karena satu atau dua hal teknis dan semacamnya. Beranjak dari hal tersebut, penulis tergugah untuk membantu banyak mahasiswa khususnya pada tingkat pertama untuk dapat mengakses pembelajaran dengan lebih mudah. Penggunaan platform youtube sudah sejak lama dimanfaatkan untuk berbagi hiburan, berita, dan banyak informasi lainnya. Demikian pula untuk keperluan pendidikan, terdapat banyak sumber pengajaran yang dapat dimanfaatkan, baik dari dalam maupun luar negeri. Penulis mengambil materi pembelajaran untuk kuliah Matematika Dasar, terkhusus dari referensi Buku Kalkulus Jilid 2 yang ditulis oleh Varberg, Purcell dan Rigdon. Materi tersebut kemudian disusun ke dalam video pembahasan yang dapat diakses kapanpun, di mana pun dan oleh siapapun. Konsep pembelajaran asinkronus sejalan dengan pandangan konstruktivisme yang menekankan bahwa seorang pembelajar dituntut untuk bisa mengkonstruksi ide baru dari ide yang sudah ada. Oleh karena itulah subjek dari kegiatan pengabdian kepada masyarakat ini adalah mahasiswa yang sebelumnya tentu sudah memiliki konsepsi konkret yang baik dan tinggal meneruskannya pada konsepsi abstrak sesuai dengan tuntutan di tingkat universitas. Kata Kunci: asinkronus, kalkulus, video
PARTICLE SWARM OPTIMIZATION IN TWIN SUPPORT VECTOR MACHINE TO CLASSIFY FAKE NEWS Junita Amalia; Novita Enjelia Hutapea; Merika Manurung; Tiara Octavia Situmorang
JSR : Jaringan Sistem Informasi Robotik Vol 6, No 2 (2022): JSR : Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v6i2.176

Abstract

Slang word is a complex word, difficult and cannot be ignored. Slang is used by certain circles and is limited so that not everyone knows the meaning of the conversations carried out by group members. Based on previous research that has been done, namely making slang using a manual process that requires quite a lot of time to collect slang words, so that our research aims to collect slang words by applying Deep Learning, namely Natural Language Processing using the word embedding FastText method to speed up the collection process. slang words. The author implements the techniques and algorithms that have been designed in the previous stage. This stage will ensure that the processes carried out in the research can be carried out in accordance with the theories that support the research. From the combined data between YouTube comments and the Indonesian dictionary, itwas found that 421 words are slang words. These slang words are obtained by means of the process of lookingfor word similarities (similarity words) between YouTube comments and Indonesian dictionaries. In building a slang dictionary from the youtube comment dataset with a pre-trained FastText model, a preprocessing process and normalization is carried out. After the normalization process was carried out to get normal words from each slang candidate, the results of the slang dictionary were 278 rows consisting of four columns, namely the lexical column, threshold, slang candidate, and normal words using a threshold of 0.05, 0.1 and 0.2 Keywords: Slang, Pre-trained FastText, NLP, Similarity Word
DECISION TREE DENGAN BINARY BAT ALGORUTHM OPTIMIZATION PADA HEART CATHETERIZATION PREDICTION Junita Amalia; Natasya Yosevin Nababan; Kharisma Grace Tambunan; Indah Sonia Sinaga
Hexagon Jurnal Teknik dan Sains Vol 3 No 2 (2022): HEXAGON - Edisi 6
Publisher : Fakultas Teknologi Lingkungan dan Mineral - Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (247.488 KB) | DOI: 10.36761/hexagon.v3i2.1640

Abstract

Risk of heart catheterization is huge, to ensure the patient will perform right heart catherization optimally, it is necessasry to predict whether the paient needs it or not. In this study, the classification is using K-Nearest Neighbor, Decision Tree C4.5, and Decision Tree C4.5 optimized with Bat Binary Algorithm. Prior to classification, data prepocessing is carried out which aims to prodoce good data for processing and obtain accurate classification result. The data prepocessing carried out are data cleaning, data selection and data normalization. The combination of the best parameter value for Binary Bat Algorithm as the feature generator selected is q = 2, a = 0.2, r = 0.4, n = 30, Mi = 10 and the comparison of traning and testing data are 90% and 10%. Based on experiment result, the classification accuracy of Decision Tree optimized with Bat Binary Algorithm is the highest, which is 0.725. Meanwhile the accuracy of K-Nearest Neighbor is 0.600 and accutacy of decision Tree is 0.588.
Credit Risk Analysis With Extreme Gradient Boosting and Adaptive Boosting Algorithm Rosa Delima Mendrofa; Maria Hosianna Siallagan; Junita Amalia; Diana Pebrianty Pakpahan
Journal of Information System,Graphics, Hospitality and Technology Vol. 5 No. 1 (2023): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v5i1.233

Abstract

Credit Risk Analysis digunakan untuk mengenali resiko terhadap pinjaman untuk mencegah penunggakan pembayaran utang. Pemberian uji kelayakan pinjaman dapat di analisis menggunakan model klasifikasi. Untuk menghasilkan model credit risk analysis yang sesuai, penulis mengajukan Algoritma Extreme Gradient Boosting (XGBoost) dan Adaptive Boosting (AdaBoost). Data yang digunakan dalam penelitian ini adalah data pinjaman platform Peer to Peer (P2P) Lending. Penelitian ini menerapkan data preprocessing yang bertujuan untuk menghasilkan data yang lebih baik dan melakukan analisis terhadap data. Analisis dilakukan berdasarkan fitur yang dimiliki oleh peminjam menggunakan algoritma klasifikasi berdasarkan historical data pinjaman peminjam. Fitur yang digunakan seperti jumlah pinjaman yang diajukan, total pinjaman yang ditawarkan, jumlah pembayaran pinjaman, jangka waktu pembayaran, suku bungan pinjaman, jumlah angsuran dan lain lain. Jumlah fitur sebelum dilakukan data reduksi 136 dan setelah direduksi 34 fitur.  Fitur tersebut digunakan pada penerapan algoritma XGBoost dan AdaBoost untuk menghasilkan klasifikasi good borrower dan bad borrower. Penulis menggunakan metode evaluasi kurva ROC dan nilai AUC untuk menilai performa dari kedua algoritma. Pada kurva ROC, nilai AUC dari algoritma XGBoost 0,92 dan nilai AUC dari algrithma AdaBoost adalah 0,89. Berdasarkan perbandingan nilai AUC tersebut dapat disimpulkan algoritma XGBoost menghasilkan klasifikasi yang lebih baik untuk model klasifikasi pemberian pinjaman.
Co-Authors Dewi Purnama Napitupulu Diana Pebrianty Pakpahan Indah Sonia Sinaga Kharisma Grace Tambunan Letare Saragih Maria Hosianna Siallagan Maria Nababan Martin Halomoan Sinaga Merika Manurung Natasya Yosevin Nababan Novita Enjelia Hutapea REGINA AYUNITA TARIGAN Rosa Delima Mendrofa Sari Muthia Silalahi Tiara Octavia Situmorang Yohana Simatupang Yohana Veronika Aritonang