Anita Qoiriah

Mrs. Anita Qoiriah


Research Focus & Metrics

Academic Career Length

6Years (2021-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
16 April 2021
Verified
Book Chapter
Closed access
PDF file
AQAnita Qoiriah
Anita Qoiriah
YYYuni Yamasari
Yuni Yamasari
ASAsmunin
Asmunin
ANAndi Iwan Nurhidayat
Andi Iwan Nurhidayat
RHRina Harimurti
Rina Harimurti

1 October 2024 in Indonesian Journal of Electrical Engineering and Computer Science
Verified
Journal Article
Open access
PDF file
YYYuni Yamasari
Yuni Yamasari
AQAnita Qoiriah
Anita Qoiriah
NRNaim Rochmawati
Naim Rochmawati
APAditya Prapanca
Aditya Prapanca
APAgus Prihanto
Agus Prihanto
TATohari Ahmad
Tohari Ahmad
The significant changes in the world of education after the coronavirus disease 2019 (COVID-19) pandemic have increased students' anxiety levels. This anxiety can trigger stress which can interfere with students' academic performance. Therefore, this condition is a critical problem that needs to be addressed immediately. However, researchers have not previously conducted much research to detect post-COVID stress levels. Apart from that, the existence of a system capable of carrying out this detection is still lacking. Therefore, this research focuses on building a system for detecting student stress levels. First, an exploration of the tree algorithm was carried out to find the most optimal method for recognizing student stress levels. Then a detection system is built using this optimal method. The research results show that the tree ID3 (Iterative Dichotomiser 3) algorithm achieves the highest accuracy value of 95% compared to other tree algorithms with the scenario of dividing training data into test data of 80%:20%. Moreover, this telegram bot-based detection system works well in recognizing three categories of stress, namely: light-, moderate-, and heavy stress based on black-box testing techniques.

3 January 2023 in Journal of Informatics and Computer Science (JINACS)
Verified
Journal Article
Open access
PDF file
MAMuhammad Jazaal Aufa
Muhammad Jazaal Aufa
AQAnita Qoiriah
Anita Qoiriah
Pembelajaran daring mengharuskan para pelajar dan mahasiswa menggunakan platform belajar online sebagai penunjang belajar di luar kelas, menyebabkan penggunanya meningkat, salah satunya Coursera. Berdasarkan grafik data review selama 2015-2020, pengguna Coursera meningkat drastis sebesar 256% saat awal pembelajaran daring. Namun menurun setelahnya sebesar 24%, sehingga diperlukan sistem analisis sentimen untuk mengetahui polaritas pengguna kursus saat itu secara otomatis. Algoritma klasifikasi yang efisien untuk analisis sentimen adalah Random Forest. Pada kasus text classification jumlah fitur adalah jumlah kata, kumpulan teks review yang mengandung banyak kata menghasilkan jumlah fitur yang banyak pula, maka waktu yang dibutuhkan untuk membangun model menggunakan Random Forest akan sangat lama, sehingga kurang efektif. Dibutuhkan ekstraksi yang mampu mereduksi jumlah fitur, seperti Word2vec. Menggunakan Word2vec sebagai ekstraksi fitur bertujuan agar sistem tidak hanya efisien tapi juga efektif untuk analisis sentimen, karena mampu mendeteksi semantik antar kata. Dari hasil pengujian menggunakan proporsi data berbeda dan parameter Word2vec acak, menunjukkan akurasi terbaik pada proporsi data 80:20 dengan ukuran fitur 100 dimensi dan window 5, dengan akurasi train score dan test score sebesar 92,71% dan 91,42%. Selain menghasilkan peforma paling baik, kombinasi Random Forest dengan Word2vec membutuhkan waktu training model 20 kali lebih cepat dibanding Random Forest dengan TF dan Random Forest dengan pembobotan TF-IDF.

16 June 2021 in Journal of Information Engineering and Educational Technology
Verified
Journal Article
Open access
PDF file
AQAnita Qoiriah
Anita Qoiriah
YYYuni Yamasari
Yuni Yamasari
Evaluasi merupakan salah satu cara untuk mengetahui hasil pembelajaran seorang mahasiswa dan membantu mahasiswa dalam mengetahui kinerja pembelajarannya. Untuk membantu mahasiswa dan dosen dalam melacak kemajuan pembelajaran, diperlukan adanya prediksi kinerja mahasiswa sebelum pembelajaran berakhir. Tujuan dari prediksi adalah untuk memperkirakan nilai variabel yang tidak diketahui yang menggambarkan kinerja mahasiswa. Dalam Pendidikan, nilai-nilai yang biasanya diprediksi adalah kinerja, pengetahuan, skor atau tandai. Nilai ini dapat berupa nilai numerik / kontinu atau nilai kategori / diskrit. Analisis regresi menemukan hubungan antara variabel terikat dan satu atau lebih variabel bebas. Penelitian ini dimaksudkan untuk memprediksi nilai akhir mahasiswa peserta matakuliah Pemrograman Dasar menggunakan algoritma regresi. Variabel terikat adalah nilai akhir dan variabel bebas bervariasi dari 1 nilai tugas teori, 2 nilai tugas praktikum dan 1 nilai UTS. Data merupakan hasil pembelajaran sejumlah 105 mahasiswa. Data akan dibagi 2 secara acak. 75% data digunakan sebagai data training dan 25% data sebagai data testing. Dari 4 model yang dibuat, model 3 mempunyai nilai RMSE yang terbaik yaitu 1.949. Pada model 3 ini menggunakan prediktor nilai tugas, 2 nilai praktikum serta nilai UTS. Sehingga dapat diambil kesimpulan bahwa ketiga jenis nilai tersebut sangat berpengaruh terhadap kinerja mahasiswa pada pembelajaran matakuliah Pemrograman Dasar.

16 April 2021
Verified
Book Chapter
Closed access
PDF file
YYYuni Yamasari
Yuni Yamasari
NRNaim Rochmawati
Naim Rochmawati
AQAnita Qoiriah
Anita Qoiriah
DSDwi F. Suyatno
Dwi F. Suyatno
TATohari Ahmad
Tohari Ahmad

28 March 2023
Verified
Book Chapter
Closed access
PDF file
YYYuni Yamasari
Yuni Yamasari
RARafif Aydin Ahmad
Rafif Aydin Ahmad
HTHapsari Peni Agustin Tjahyaningtijas
Hapsari Peni Agustin Tjahyaningtijas
AQAnita Qoiriah
Anita Qoiriah
NRNaim Rochmawati
Naim Rochmawati
APAgus Prihanto
Agus Prihanto