Browsing by Author "Azizah Zakiah (Pembimbing)"

Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    IDENTIFIKASI SEGMENTASI PENDENGAR PADA APLIKASI SVARA UNTUK MENGANALISIS PREFERENSI DENGAN METODE FUZZY C-MEANS
    (Program Studi S1 Informatika, 2024) Sari, Lestari Budi Puspito; Azizah Zakiah (Pembimbing)
    SVARA merupakan salah satu aplikasi yang dimiliki oleh PT Svara Innovasi Indonesia yang sudah berdiri sejak tahun 2017 pada bulan September. Penelitian ini bertujuan untuk mengidentifikasi segmentasi pendengar pada aplikasi SVARA untuk menganalisis preferensi menggunakan metode Fuzzy C-Means. Metode pengelompokan Fuzzy C-Means (FCM) akan digunakan untuk mengelompokkan pengguna SVARA berdasarkan preferensi konten audio dan visual mereka. Penelitian ini akan menganalisis data perilaku pengguna, seperti preferensi genre musik, durasi mendengarkan, dan frekuensi interaksi dengan Podcast, radio, atau video, untuk memperoleh wawasan mendalam tentang kecenderungan mereka terhadap berbagai genre konten yang tersedia di aplikasi. Informasi segmentasi yang diperoleh dari analisis ini akan menjadi dasar bagi perusahaan untuk mengembangkan strategi konten yang lebih terfokus sesuai dengan preferensi masing-masing kelompok pengguna, sehingga meningkatkan pengalaman pengguna secara keseluruhan dan meningkatkan retensi pengguna. Studi ini diharapkan dapat memberikan kontribusi pada pemahaman teoritis tentang preferensi konten audio dan memberikan wawasan praktis untuk membantu perusahaan dalam memproduksi konten yang lebih sesuai dengan preferensi pengguna.
  • Thumbnail Image
    Item
    IMPLEMENTASI ALGORITMA EXTREME LEARNING MACHINE PADA CITRA CT-SCAN UNTUK KLASIFIKASI KANKER PARU-PARU
    (Program Studi S1 Informatika, 2025) Ilman, Muhammad Fahri; Azizah Zakiah (Pembimbing)
    Kanker paru-paru merupakan salah satu penyebab utama kematian akibat kanker di dunia, dengan tingkat prevalensi dan mortalitas yang tinggi. Deteksi dini sangat penting untuk meningkatkan peluang kesembuhan pasien. Penelitian ini bertujuan untuk mengimplementasikan algoritma Extreme Learning Machine (ELM) dalam mengklasifikasikan kanker paru-paru pada citra CT-scan menjadi tiga kategori, yaitu normal, jinak, dan ganas. Algoritma ELM ini memiliki kecepatan pelatihan yang tinggi serta akurasi yang baik dibandingkan metode lain. Proses yang dilakukan meliputi pembersihan data, ekstraksi fitur menggunakan metode Histogram of Oriented Gradients (HOG), serta pengujian berbagai jumlah hidden neuron dan fungsi aktivasi untuk mendapatkan konfigurasi terbaik. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa model ELM mencapai akurasi sebesar 96% dengan performa tertinggi pada kelas ganas. Implementasi ini juga dilengkapi dengan antarmuka web yang memudahkan pengguna dalam mengunggah gambar dan memperoleh hasil prediksi secara interaktif. Dengan demikian, sistem ini berpotensi membantu tenaga medis dalam proses diagnosa kanker paru-paru secara cepat dan akurat.
  • Thumbnail Image
    Item
    IMPLEMENTASI U-NET DAN CONVOLUTIONAL NEURAL NETWORK (CNN) TRANSFER LEARNING MENGGUNAKAN MODEL VGG-16 PADA CITRA MRI UNTUK MENGKLASIFIKASI TUMOR OTAK
    (Program Studi S1 Informatika, 2025) Nurjaman, Arya Dwi; Azizah Zakiah (Pembimbing)
    Tumor otak merupakan kondisi serius yang dapat menyebabkan gangguan pada sistem saraf dan berpotensi mengancam jiwa. Diagnosis dini dan akurat tumor otak sangat penting untuk meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengimplementasikan kombinasi algoritma U-Net dan Convolutional Neural Network (CNN) dengan Transfer Learning menggunakan model VGG-16 untuk membantu mengklasifikasikan tumor otak melalui Magnetic Resonance Imaging (MRI). Arsitektur U-Net digunakan untuk mengekstrak fitur, sementara CNN yang ditingkatkan dengan Transfer Learning digunakan untuk mengklasifikasikan jenis tumor seperti glioma, meningioma, pituitary, dan notumor. Penelitian ini menggunakan dataset yang bersumber dari Kaggle, yang terdiri dari citra MRI yang dibagi menjadi folder pelatihan dan pengujian, dengan empat kelas tumor: glioma, meningioma, pituitary, dan non-tumor. Beberapa langkah yang di lakukan antara lain preprocessing, pembuatan arsitektur model, train model dan evaluasi model setelah model di evaluasi selanjutnya adalah mengimplementasikan nya ke dalam streamlit. Kinerja klasifikasi CNN dievaluasi menggunakan Confusion matrix seperti akurasi, presisi, recall, dan F1-score. Kombinasi U-Net dan CNN dengan Transfer Learning menghasilkan model yang cukup baik dengan akurasi mencapai 97% dan nilai f1-score, recall, dan presisi memiliki nilai yang cukup bagus yaitu sekitar 94% sampai 99% pada tiap kelasnya. Dengan demikian penelitian ini diharapkan dapat menjadi inovasi dalam pengelolaan citra mri untuk tumor otak
  • Thumbnail Image
    Item
    PENGEMBANGAN GAME EDUKASI UNTUK MENINGKATKAN PEMAHAMAN SISWA TENTANG PROSES SISTEM PENCERNAAN MANUSIA
    (Program Studi S1 Informatika, 2025) Azizah, Sarah Nur; Azizah Zakiah (Pembimbing)
    Pembelajaran Ilmu Pengetahuan Alam (IPA) di tingkat sekolah dasar menghadapi kendala signifikan dalam penyampaian materi yang bersifat abstrak dan kompleks. Sistem pencernaan manusia dipilih sebagai fokus penelitian karena merupakan salah satu materi IPA yang paling sulit dipahami siswa, dimana prosesnya terjadi di dalam tubuh dan tidak dapat diamati secara langsung. Target penelitian ditetapkan pada siswa kelas 5-6 SD mengingat pada jenjang ini materi sistem pencernaan manusia masuk dalam Kompetensi Dasar (KD) 3.3 Kurikulum 2013, dan secara kognitif siswa sudah mampu memahami konsep yang lebih kompleks namun masih memerlukan media pembelajaran yang menarik dan interaktif. Pemilihan kelas 5-6 SD didasarkan pada pertimbangan bahwa pada jenjang ini siswa sudah memiliki kemampuan membaca yang baik dan dapat berinteraksi dengan teknologi secara mandiri. Penelitian ini mengembangkan game edukasi 2D "Human Digestive System" menggunakan metode Multimedia Development Life Cycle (MDLC) melalui enam tahapan: concept, design, material collecting, assembly, testing, dan distribution. Game dibangun dengan Unity Engine dan bahasa C#, menampilkan fitur permainan drag-and-drop untuk mencocokkan organ pencernaan dengan namanya dan mode kuis evaluatif sebagai alat pengukuran pemahaman siswa. Hasil pengujian Alpha menunjukkan seluruh komponen dan fungsi game berjalan sesuai harapan dengan validitas blackbox testing yang sempurna pada semua tombol dan mekanisme permainan. Pengujian Beta melibatkan 14 responden siswa kelas 5-6 SD menggunakan kuesioner skala Likert 1-3. Aspek User Interface (UI) memperoleh skor rata-rata di atas 2.70, menunjukkan persepsi sangat positif terhadap tampilan, keterbacaan, tata letak, dan kenyamanan visual. Aspek gameplay mencapai skor rata-rata 2.75, dengan skor sempurna 3.00 untuk efektivitas game dalam mengenalkan organ pencernaan manusia. Hasil ini mengindikasikan bahwa game berhasil menciptakan pengalaman belajar yang efektif, mudah dipahami, dan menyenangkan bagi siswa dalam memahami materi sistem pencernaan manusia.
  • Thumbnail Image
    Item
    PENGEMBANGAN SISTEM ABSENSI BERBASIS WEBSITE MENGGUNAKAN TEKNOLOGI GLOBAL POSITIONING SYSTEM DAN QUICK RESPONSE CODE: OPTIMISASI DETEKSI LOKASI DAN IDENTIFIKASI MAHASISWA
    (Program Studi S1 Informatika, 2024) Puspita, Puspa; Azizah Zakiah (Pembimbing)
    Dalam era perkembangan teknologi dan perubahan paradigma pendidikan mengalami transformasi signifikan dengan diperkenalkannya kebijakan Merdeka Belajar Kampus Merdeka (MBKM) yang dicanangkan oleh Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbudristek). Program ini memberikan mahasiswa kesempatan untuk memperoleh pengalaman langsung di luar kampus, seperti magang. Namun, fleksibilitas ini menimbulkan tantangan dalam pemantauan kehadiran dan partisipasi mahasiswa. Sistem absensi manual yang masih umum digunakan tidak memadai dalam memantau kehadiran mahasiswa yang terlibat dalam aktivitas di luar lingkungan kampus. Untuk mengatasi masalah ini, penelitian ini mengusulkan pengembangan sistem absensi berbasis web yang mengintegrasikan teknologi GPS dan QR Code. Teknologi GPS digunakan untuk melacak lokasi mahasiswa secara realtime, sementara QR Code digunakan untuk verifikasi kehadiran di berbagai kegiatan MBKM. Metode pengembangan yang digunakan adalah prototype model dalam Software Development Life Cycle (SDLC), yang memungkinkan pengujian dan iterasi sebelum versi final dirilis. Penelitian ini bertujuan untuk meningkatkan akurasi dan keterkinian data kehadiran mahasiswa serta memudahkan pemantauan dan evaluasi partisipasi dalam program MBKM. Hasil evaluasi menggunakan kuesioner GoogleForm menunjukkan bahwa sistem ini diterima dengan baik oleh pengguna, khususnya mahasiswa. Implementasi sistem ini diharapkan dapat mendukung tujuan MBKM dan menjadi solusi efektif dalam manajemen kehadiran mahasiswa yang mengikuti program MBKM di Universitas Widyatama Bandung.
  • Thumbnail Image
    Item
    REKOMENDASI PEMILIHAN KONSENTRASI DENGAN METODE COLLABORATIVE FILTERING PADA PROGRAM STUDI INFORMATIKA UNIVERSITAS WIDYATAMA
    (Program Studi S1 Informatika, 2025) Meyvandino, Hesa Yusuf; Azizah Zakiah (Pembimbing)
    Peningkatan jumlah mahasiswa dan variasi mata kuliah konsentrasi pada Teknik Informatika di Universitas Widyatama membutuhkan sistem rekomendasi yang efektif untuk membantu mahasiswa dalam pemilihan mata kuliah konsentrasi. Penelitian ini membahas implementasi fitur rekomendasi mata kuliah konsentrasi pada platform e-learning Universitas Widyatama dengan menggunakan metode Collaborative Filtering. Collaborative Filtering adalah metode yang populer dalam sistem rekomendasi karena kemampuannya untuk memberikan saran yang dipersonalisasi berdasarkan kesamaan preferensi pengguna. Studi kasus ini menunjukkan bagaimana fitur rekomendasi diintegrasikan ke dalam platform elearning, mulai dari pengumpulan data hingga tahap implementasi algoritma Collaborative Filtering. Data yang digunakan mencakup riwayat pemilihan mata kuliah mahasiswa, nilai yang diperoleh, serta feedback dari mahasiswa. Algoritma Collaborative Filtering diterapkan untuk menganalisis pola preferensi mahasiswa dan memberikan rekomendasi mata kuliah konsentrasi yang sesuai dengan minat dan kebutuhan individu. Hasil penelitian ini menunjukkan bahwa sistem rekomendasi yang diimplementasikan mampu meningkatkan kepuasan mahasiswa dalam pemilihan mata kuliah konsentrasi dan membantu dalam perencanaan akademik yang lebih baik. Implementasi ini tidak hanya mempermudah mahasiswa dalam memilih mata kuliah konsentrasi yang sesuai dengan minat mereka, tetapi juga mendukung pihak universitas dalam mengelola dan menyempurnakan kurikulum yang ditawarkan. Studi ini menggarisbawahi potensi penggunaan metode Collaborative Filtering dalam konteks pendidikan tinggi dan manfaatnya dalam meningkatkan pengalaman belajar mahasiswa.