Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Jutech: Jurnal Teknologi Informasi Jurnal Aplikasi Sistem Informasi dan Elektronika
Nur Qodariyah Fitriyah
universitas muhammadiyah jember
Computer Science & IT Control & Systems Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Deteksi Spam Pada Email Berbasis Fitur Konten Menggunakan Naïve Bayes Nur Qodariyah Fitriyah; Hardian Oktavianto; Hasbullah Hasbullah
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 5, No 1 (2020): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v5i1.3414

Abstract

Penelitian menunjukkan bahwa terdapat lebih dari 3 milyar akun email di dunia dengan frekuensi pengiriman email sekitar 205 – 294 milyar setiap hari. Salah satu masalah yang muncul dari pengiriman email yang luar biasa ini adalah adanya spam email. Salah satu solusi untuk mengatasi permasalahan spam email tersebut adalah dengan teknik penyaringan spam email. Penyaringan spam email dapat dilakukan dengan menggunakan pendekatan teori berbasis pembelajaran, yaitu dengan klasifikasi. Penelitian ini menerapkan algoritma Naive Bayes untuk melakukan klasifikasi spam email sehingga dari dataset email, akan dikelompokkan menjadi 2 yaitu spam email dan non- spam email. Hasil uji dengan menggunakan k-fold cross validation sebagai pembagian data latih dan data uji, menghasilkan kesimpulan bahwa nilai rata – rata data terklasifikasi benar adalah sebesar 3903, sedangkan nilai rata – rata data terklasifikasi salah adalah sebesar 698, rata – rata akurasi sebesar 84.8%, sedangkan rata – rata precision dan recall berturut – turut adalah 0.86 dan 0.85. Akurasi, precision, dan recall tertinggi diperoleh ketika menggunakan nilai k=9. Kata kunci: deteksi, klasifikasi, spam email, naive bayes  ABSTRACT  Research shows that there are more than 3 billion email accounts in the world with a frequency of sending emails around 205 - 294 billion every day. One problem that arises from sending this extraordinary email is the existence of spam email. One solution to overcome the problem of email spam is by email spam filtering techniques. Email spam filtering can be done using a learning-based theory approach, namely classification. This study applies the Naive Bayes algorithm to classify email spam so that from the email dataset, it will be grouped into 2 namely spam email and non-spam email. The test results using k-fold cross validation as a division of training data and test data, resulting in the conclusion that the average value of correctly classified data is 3903, while the average value of classified data is 698, the average accuracy is 84.8% , while the average precision and recall are 0.86 and 0.85, respectively. The highest accuracy, precision, and recall are obtained when using the value k = 9. Keywords: detection, classification, spam email, naive bayes
Implementasi Teknik Clustering Berbasis Validasi Cluster Pada Data Stunting Hardian Oktavianto; Nur Qodariyah Fitriyah
Jurnal Teknologi Informasi (JUTECH) Vol 2 No 2 (2021): JUTECH: Jurnal Teknologi Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jutech.v2i2.1778

Abstract

Kecenderungan prevalensi status gizi balita di Jawa Timur mengalami penurunan dari tahun 2010 hingga tahun 2015. Sementara itu, menurut data Kementerian Kesehatan Republik Indonesia, persentase balita pendek di Jawa Timur pada tahun 2015 adalah sebesar 27,1%. Persentase tersebut menempatkan Provinsi Jawa Timur menjadi wilayah dengan persentase balita pendek tertinggi di Pulau Jawa. Data mining adalah penambangan yang mencirikan proses dalam menemukan informasi berharga dalam sekumpulan data yang sangat besar. Clustering merupakan salah satu cara untuk menganalisis data melalui pengelompokan objek data yang mirip satu sama lain dalam cluster yang sama dan berbeda dengan objek di cluster lain, sehingga setiap objek yang menjadi anggota cluster yang sama akan memiliki karakteristik yang lebih mirip satu sama lain dibandingkan dengan objek dari cluster berbeda. Salah satu metode clustering yang banyak digunakan adalah K-Means, yaitu metode clustering yang termasuk ke dalam jenis non-hierarchical. Penelitian ini melakukan pengelompokan kabupaten di provinsi Jawa Timur berdasarkan faktor – faktor yang mempengaruhi stunting melalui teknik data mining yaitu clustering yang secara khusus menerapkan algoritma K-Means dengan validasi cluster. Hasil dari penelitian ini adalah, bahwa dengan dataset yang ada, dan dengan menerapkan validasi cluster, maka diperoleh jumlah cluster optimal adalah sejumlah 10 cluster. Terdapat beberapa cluster yang hanya mempunyai 1 anggota, yaitu pada cluster 2, 4, dan 9, sedangkan anggota cluster terbanyak adalah pada cluster kelompok 7 yang mempunyai 11 anggota.
PENGELOLAAN STOCK BARANG DI UNMUH JEMBER OFFSET PRINTING BERBASIS WEBSITE Alfian Widiyanto; Ulya Anisatur Rosyidah; Nur Qodariyah Fitriyah
IPTEQ Vol 3, No 1 (2021): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v3i1.8949

Abstract

Unmuh Jember Offset Printing adalah sebuah usaha yang bergerak dibidang percetakan,fotocopy dan alat-alat tulis. berdirinya Unmuh Jember Offset Printing adalah berdasarkan kebutuhan dari lingkup internal Universitas Muhammadiyah Jember pada kegiatan penggandaan dokumen,pencetakan dokumen, dan kegiatan yang melibatkan aktivitas dokumen lainnyaUnmuh Jember Offset Printing selama ini masih menggunakan sistem lama, dalam proses pengolahan data dan informasi tidak sepenuhnya menggunakan sistem komputerisasi, terdapat beberapa masalah yang ditemui manajemen datanya yang masih menggunakan cara konvensional yaitu mencatat dengan menggunakan media alat tulis. Masalah tersebut timbul dari dalam maupun dari luar instansi yaitu seperti, banyaknya jumlah dan jenis barang yang tersedia.Dengan berkembangnya teknologi saat ini, pengelolaan stock barang di dibuat secara mudah dan cepat. Motode Prototype dipakai dalam penelitian ini diawali dengan pengumpulan kebutuhan,perencanaan,desain serta perancangan sistem. Dengan sebuah aplikasi berbasis website yang diharapkan dapat membantu admin untuk mempermudah mengelola stock barang mengontrol semua barang masuk dan barang keluar sehingga stock barang yang ada akan otomatis terupdate mengikuti jumlah barang masuk dan barang keluar sehingga memudahkan admin untuk menegtahui stock barang.
PERBANDINGAN OPTIMASI ALGORITMA RANDOM FOREST MENGGUNAKAN TEKNIK BOOSTING TERHADAP KASUS KLASIFIKASI CHURN PELANGGAN DI INDUSTRI TELEKOMUNIKASI Noeril Agian Septa Dinata; Ginanjar Abdurrahman; Nur Qodariyah Fitriyah
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.18820

Abstract

Industri telekomunikasi berkembang sangat pesat dan perusahaan telekomunikasi terus melakukan berbagai inovasi untuk mendukung persaingan bisnis yang benar-benar sengit dan semakin sulit mendapatkan pelanggan. Persaingan ini menghasilkan churn pelanggan. Churn pelanggan yang tinggi adalah salah satu tingkat kegagalan perusahaan, oleh karena itu churn harus dikurangi. Algoritma Random Forest dipilih karena memiliki kemampuan untuk mengklasifikasikan data yang tidak lengkap dan dapat menangani data sampel yang besar. Tujuan khusus dari penelitian ini adalah untuk membandingkan kinerja algoritma Random Forest dengan optimasi menggunakan teknik boosting (XGBoost dan AdaBoost). Pada penelitian menggunakan Upsampled untuk mengatasi data yang tidak seimbang dan metode interquartile range dalam mengatasi pencilan. Hasil penelitian ini menujjukkan bahwa optimasi algoritma Random Forest menggunakan boosting AdaBoost menghasilkan kinerja yang paling optimal dengan hasil akurasi (99.13%), presisi (98.31%), recall (100%) dan f1-score (99.15%).
Co-Authors Alfian Widiyanto Ginanjar Abdurrahman Hasbullah Hasbullah Noeril Agian Septa Dinata Oktavianto, Hardian Ulya Anisatur Rosyidah