Nur Wakhidah
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Nur Wakhidah has a total of 25 co-authors. Here are the top co-authors by number of shared publications:
- Prind Triajeng Pungkasanti
Universitas Semarang
2 shared publications - Akmal Rizqan Rafliansyah
Universitas Semarang
1 shared publication Angela Baptista Bernadine Frederica
Universitas Semarang
1 shared publicationAngelita Rafika Hanjaya Putri Liem
Semarang University
1 shared publication- Atmoko Nugroho
Universitas Semarang
1 shared publication - Bernadus Very Christioko
Universitas Semarang
1 shared publication
Latest Publications
- Open Access
- 9 January 2026
- Published by Universitas Semarang in Jurnal Transformatika
- Vol. 23 (2) , 202-212
Klasifikasi Akun Palsu Pada Pengikut Akun Rental Cosplay Averentcos Di Instagram Menggunakan Metode K-Nearest Neighbour (KNN)
Technological advances have given business people several options to develop their business. One of them is using Instagram social media as a promotional tool. However, using social media as a promotional medium has its own problems. Fake accounts spread on Instagram can reduce the reach of business accounts. Until now, there are more than millions of fake accounts. Instagram continues to increase its efforts to detect and delete these fake accounts. This study was conducted to be able to classify accounts suspected of being fake accounts on the followers of the averentcos account using the k-NN method. The data used were 500 follower accounts with various backgrounds. This study used several variables, namely Profile Photo, Username Length, Number of Name Words, Similarity of Name to Username, Bio Length, External Links, Public Accounts, Number of Posts, Number of Followers, Number of Followed so that accuracy of 86,666% can be achieved.
- 9 January 2026
- Published by Universitas Semarang in Jurnal Transformatika
- Vol. 23 (2) , 202-212
Open AccessKlasifikasi Akun Palsu Pada Pengikut Akun Rental Cosplay Averentcos Di Instagram Menggunakan Metode K-Nearest Neighbour (KNN)
Technological advances have given business people several options to develop their business. One of them is using Instagram social media as a promotional tool. However, using social media as a promotional medium has its own problems. Fake accounts spread on Instagram can reduce the reach of business accounts. Until now, there are more than millions of fake accounts. Instagram continues to increase its efforts to detect and delete these fake accounts. This study was conducted to be able to classify accounts suspected of being fake accounts on the followers of the averentcos account using the k-NN method. The data used were 500 follower accounts with various backgrounds. This study used several variables, namely Profile Photo, Username Length, Number of Name Words, Similarity of Name to Username, Bio Length, External Links, Public Accounts, Number of Posts, Number of Followers, Number of Followed so that accuracy of 86,666% can be achieved.
- Open Access
- 31 July 2025
- Published by Universitas Semarang in Jurnal DIMASTIK
- Vol. 3 (2) , 126-133
Optimalisasi Platform TikTok sebagai Media Pembelajaran Interaktif di SMK Nusaputera 1 Semarang: Panduan Membuat Konten Atraktif dan Beretika
Maraknya penggunaan TikTok di kalangan siswa SMK Nusaputera 1 Semarang sering kali diiringi kesulitan dalam menciptakan konten yang menarik, edukatif, dan profesional, alih-alih terjebak pada tren "cringe". Pengabdian masyarakat ini berfokus pada peningkatan keterampilan digital siswa untuk memproduksi konten TikTok yang kreatif, informatif, dan positif. Melalui pelatihan dan pendampingan intensif, siswa diajarkan konsep TikTok efektif, teknik video, editing dasar, hingga strategi narasi yang kuat. Hasilnya, terjadi peningkatan signifikan dalam kemampuan siswa membuat konten TikTok yang orisinil, berkualitas, dan relevan, mengubah "cringe" menjadi peluang ekspresi diri yang produktif. Kata Kunci: TikTok Edukatif, Keterampilan Digital, Pengabdian Masyarakat Konten Kreatif, SMK Nusaputera 1 Semarang
- 31 July 2025
- Published by Universitas Semarang in Jurnal DIMASTIK
- Vol. 3 (2) , 126-133
Open AccessOptimalisasi Platform TikTok sebagai Media Pembelajaran Interaktif di SMK Nusaputera 1 Semarang: Panduan Membuat Konten Atraktif dan Beretika
Maraknya penggunaan TikTok di kalangan siswa SMK Nusaputera 1 Semarang sering kali diiringi kesulitan dalam menciptakan konten yang menarik, edukatif, dan profesional, alih-alih terjebak pada tren "cringe". Pengabdian masyarakat ini berfokus pada peningkatan keterampilan digital siswa untuk memproduksi konten TikTok yang kreatif, informatif, dan positif. Melalui pelatihan dan pendampingan intensif, siswa diajarkan konsep TikTok efektif, teknik video, editing dasar, hingga strategi narasi yang kuat. Hasilnya, terjadi peningkatan signifikan dalam kemampuan siswa membuat konten TikTok yang orisinil, berkualitas, dan relevan, mengubah "cringe" menjadi peluang ekspresi diri yang produktif. Kata Kunci: TikTok Edukatif, Keterampilan Digital, Pengabdian Masyarakat Konten Kreatif, SMK Nusaputera 1 Semarang
- Open Access
- 6 April 2025
- Published by Universitas Teknokrat Indonesia in Jurnal Tekno Kompak
- Vol. 19 (2) , 116-128
Perbandingan Algoritma Machine Learning Dalam Memprediksi Kelulusan Siswa
Prediksi kelulusan siswa sangat penting karena dapat membantu sekolah, guru, dan orang tua merencanakan bagaimana membantu siswa yang berisiko tidak lulus. Prediksi ini juga dapat memberi lembaga pendidikan kesempatan untuk meningkatkan kualitas pembelajaran dan mengembangkan tindakan yang lebih efisien. Pada penelitian ini membahas tentang perbandingan algoritma machine learning dalam memprediksi kelulusan siswa. Masalah utama yang diidentifikasi adalah kurangnya sistem prediksi yang efektif, yang dapat memprediksi kelulusan siswa. Tujuan dari penelitian ini adalah untuk menemukan metode terbaik dengan membandingkan kinerja lima algoritma machine learning yaitu K-NN, Naive Bayes, Decision Tree, Random Forest, dan SVM dalam memprediksi kelulusan siswa berdasarkan confusion matrix. Kemudian, dataset yang digunakan untuk penelitian ini memiliki tiga kategori fitur, yaitu: dataset numerikal, dataset kategorikal, dan dataset keseluruhan (gabungan dari numerikal dan kategorikal). Hasil pengujian dari dataset numerikal algoritma Random Forest mendapatkan nilai akurasi terbaik sebesar 74.12%. Pada algoritma dengan fitur kategorikal K-NN dan SVM memiliki nilai akurasi tertinggi dengan mendapatkan nilai sebesar 93.11%. Namun, algoritma Random Forest memiliki performa yang paling konsisten dan unggul ketika seluruh fitur digabungkan. Dengan mendapatkan nilai akurasi tertinggi sebesar 76.50% dan F1-Scorenya 75.00%.
- 6 April 2025
- Published by Universitas Teknokrat Indonesia in Jurnal Tekno Kompak
- Vol. 19 (2) , 116-128
Open AccessPerbandingan Algoritma Machine Learning Dalam Memprediksi Kelulusan Siswa
Prediksi kelulusan siswa sangat penting karena dapat membantu sekolah, guru, dan orang tua merencanakan bagaimana membantu siswa yang berisiko tidak lulus. Prediksi ini juga dapat memberi lembaga pendidikan kesempatan untuk meningkatkan kualitas pembelajaran dan mengembangkan tindakan yang lebih efisien. Pada penelitian ini membahas tentang perbandingan algoritma machine learning dalam memprediksi kelulusan siswa. Masalah utama yang diidentifikasi adalah kurangnya sistem prediksi yang efektif, yang dapat memprediksi kelulusan siswa. Tujuan dari penelitian ini adalah untuk menemukan metode terbaik dengan membandingkan kinerja lima algoritma machine learning yaitu K-NN, Naive Bayes, Decision Tree, Random Forest, dan SVM dalam memprediksi kelulusan siswa berdasarkan confusion matrix. Kemudian, dataset yang digunakan untuk penelitian ini memiliki tiga kategori fitur, yaitu: dataset numerikal, dataset kategorikal, dan dataset keseluruhan (gabungan dari numerikal dan kategorikal). Hasil pengujian dari dataset numerikal algoritma Random Forest mendapatkan nilai akurasi terbaik sebesar 74.12%. Pada algoritma dengan fitur kategorikal K-NN dan SVM memiliki nilai akurasi tertinggi dengan mendapatkan nilai sebesar 93.11%. Namun, algoritma Random Forest memiliki performa yang paling konsisten dan unggul ketika seluruh fitur digabungkan. Dengan mendapatkan nilai akurasi tertinggi sebesar 76.50% dan F1-Scorenya 75.00%.
- Open Access
- 27 February 2025
- Published by Universitas Muhammadiyah Sumatera Utara in Journal of Computer Science, Information Technology and Telecommunication Engineering
- Vol. 6 (1) , 730-736
Optimization of K-Means Clustering with Elbow Method for Identification of TB Prone In Central Java
Optimization of K-Means Clustering with Elbow Method for Identification of TB Prone In Central Java
- 27 February 2025
- Published by Universitas Muhammadiyah Sumatera Utara in Journal of Computer Science, Information Technology and Telecommunication Engineering
- Vol. 6 (1) , 730-736
Open AccessOptimization of K-Means Clustering with Elbow Method for Identification of TB Prone In Central Java
Optimization of K-Means Clustering with Elbow Method for Identification of TB Prone In Central Java
- Open Access
- 25 February 2025
- Published by Universitas Muhammadiyah Sumatera Utara in Journal of Computer Science, Information Technology and Telecommunication Engineering
- Vol. 6 (1) , 737-740
Clustering Women Violence Cases Based on Number in Central Java Province Using K-Means Algorithm
Clustering Women Violence Cases Based on Number in Central Java Province Using K-Means Algorithm
- 25 February 2025
- Published by Universitas Muhammadiyah Sumatera Utara in Journal of Computer Science, Information Technology and Telecommunication Engineering
- Vol. 6 (1) , 737-740
Open AccessClustering Women Violence Cases Based on Number in Central Java Province Using K-Means Algorithm
Clustering Women Violence Cases Based on Number in Central Java Province Using K-Means Algorithm
- Open Access
- 2 April 2024
- Published by Universitas Kristen Satya Wacana in AITI
- Vol. 21 (1) , 58-71
Klasifikasi kualitas mutu susu pasteurisasi menggunakan metode klasifikasi k-Nearest Neighbor
Milk is a product that is often consumed because it has many good benefits for the body. One of the benefits of milk is that it contains calcium, which is useful for the growth of bones and teeth. However, many consumers still choose dairy products based only on their appearance, even though milk quality is not based on its appearance but is found during milk processing. Pasteurization is the process of heating whole milk at a specific temperature and for a certain period to increase the milk's shelf life and maintain the milk's quality. Two types of pasteurization processes are Long Temperature Long Time and High Temperature Short Time. k-Nearest Neighbor or k-NN is a data mining method used to classify objects from the data, using distance calculations or Euclidean Distance to look for similarities between neighbors. So, based on this problem, milk quality classification is carried out. The research was carried out by classifying milk quality using the K-NN method. The public data used to classify is 1,059 pasteurized milk data, with seven regular or ordinary attributes and one special or class attribute. The K values that will be used in this research are k=3, k=5, and k=7. From the analysis of calculation results using the k-NN method, the accuracy values obtained are k=3 is 97%, k=5 is 89%, and k=7 is 87%.
- 2 April 2024
- Published by Universitas Kristen Satya Wacana in AITI
- Vol. 21 (1) , 58-71
Open AccessKlasifikasi kualitas mutu susu pasteurisasi menggunakan metode klasifikasi k-Nearest Neighbor
Milk is a product that is often consumed because it has many good benefits for the body. One of the benefits of milk is that it contains calcium, which is useful for the growth of bones and teeth. However, many consumers still choose dairy products based only on their appearance, even though milk quality is not based on its appearance but is found during milk processing. Pasteurization is the process of heating whole milk at a specific temperature and for a certain period to increase the milk's shelf life and maintain the milk's quality. Two types of pasteurization processes are Long Temperature Long Time and High Temperature Short Time. k-Nearest Neighbor or k-NN is a data mining method used to classify objects from the data, using distance calculations or Euclidean Distance to look for similarities between neighbors. So, based on this problem, milk quality classification is carried out. The research was carried out by classifying milk quality using the K-NN method. The public data used to classify is 1,059 pasteurized milk data, with seven regular or ordinary attributes and one special or class attribute. The K values that will be used in this research are k=3, k=5, and k=7. From the analysis of calculation results using the k-NN method, the accuracy values obtained are k=3 is 97%, k=5 is 89%, and k=7 is 87%.
- Open Access
- 25 January 2024
- Published by Universitas Semarang in Jurnal DIMASTIK
- Vol. 2 (1) , 68-78
PELATIHAN APLIKASI CAPCUT BAGI SISWA SMA KESATRIAN 1 SEMARANG UNTUK MENINGKATKAN KETRAMPILAN EDITING VIDEO
Variasi media pembelajaran perlu didukung dengan penyajian materi yang menarik, sehingga memberikan pembelajaran yang tidak monoton. Salah satu bentuk dari pemanfaatan teknologi informasi yaitu menjadikan smartphone sebagai media pembelajaran yang menyenangkan bagi siswa (Suryaman, 2022). Salah satu aplikasi yang saat ini sedang tren dalam editing video adalah aplikasi CapCut. Pembelajaran desain grafis yang diberikan pada siswa masih menggunakan Corel Draw dan Adobe Photoshop. Permasalahan yang muncul adalah ketrampilan siswa dirasa masih kurang untuk membuat video yang interaktif dan menarik. Sehingga perlu adanya keterampilan editing video yang memiliki ilustrasi atau visual yang lebih kompleks menggunakan aplikasi CapCut (Wijaya et al., 2023). Metode pelaksanaan kegiatan ini diawali dengan pra test, kemudian pemaparan materi yang dilanjutkan praktik langsung di Laboratorium Komputer M.2.3 dan diakhiri dengan evaluasi hasil berupa posttest. Setelah mengikuti kegiatan pelatihan terdapat peningkatan kemampuan seluruh peserta yang ditunjukkan dari hasil kuesioner responden sebesar 87.9% dimana peserta telah mengikuti dengan baik terhadap materi yang diberikan saat kegiatan dilaksanakan.Kata Kunci: capcut, editing video, video promosi
- 25 January 2024
- Published by Universitas Semarang in Jurnal DIMASTIK
- Vol. 2 (1) , 68-78
Open AccessPELATIHAN APLIKASI CAPCUT BAGI SISWA SMA KESATRIAN 1 SEMARANG UNTUK MENINGKATKAN KETRAMPILAN EDITING VIDEO
Variasi media pembelajaran perlu didukung dengan penyajian materi yang menarik, sehingga memberikan pembelajaran yang tidak monoton. Salah satu bentuk dari pemanfaatan teknologi informasi yaitu menjadikan smartphone sebagai media pembelajaran yang menyenangkan bagi siswa (Suryaman, 2022). Salah satu aplikasi yang saat ini sedang tren dalam editing video adalah aplikasi CapCut. Pembelajaran desain grafis yang diberikan pada siswa masih menggunakan Corel Draw dan Adobe Photoshop. Permasalahan yang muncul adalah ketrampilan siswa dirasa masih kurang untuk membuat video yang interaktif dan menarik. Sehingga perlu adanya keterampilan editing video yang memiliki ilustrasi atau visual yang lebih kompleks menggunakan aplikasi CapCut (Wijaya et al., 2023). Metode pelaksanaan kegiatan ini diawali dengan pra test, kemudian pemaparan materi yang dilanjutkan praktik langsung di Laboratorium Komputer M.2.3 dan diakhiri dengan evaluasi hasil berupa posttest. Setelah mengikuti kegiatan pelatihan terdapat peningkatan kemampuan seluruh peserta yang ditunjukkan dari hasil kuesioner responden sebesar 87.9% dimana peserta telah mengikuti dengan baik terhadap materi yang diberikan saat kegiatan dilaksanakan.Kata Kunci: capcut, editing video, video promosi
- Open Access
- 25 August 2023
- Published by Universitas Kristen Satya Wacana in AITI
- Vol. 20 (2) , 206-219
Penerapan metode Weighted Aggregated Sum Product Assessment (WASPAS) dalam menentukan reseller terbaik
Peran reseller penting dalam sebuah penjualan. Reseller yang berkompeten diperlukan untuk meningkatkan nilai penjualan. Pemberian apresiasi kepada reseller terbaik dapat memotivasi para reseller agar saling berkompetisi. DJ Foundation menerapkan penentuan reseller secara manual sehingga terjadi ketidakefektivan tenaga dan waktu, penumpukan data, kehilangan berkas, dan kesalahan penilaian. Dari permasalahan tersebut, maka dirancang sistem untuk menentukan reseller terbaik dengan menerapkan metode Weighted Aggregated Sum Product Assessment (WASPAS), dengan kriteria kejujuran, loyalitas, tanggung jawab, absensi, pinalti, dan target harian. Data yang diperoleh bersumber dari wawancara, observasi, dan studi pustaka. Penelitian ini menghasilkan kategori ranking terbaik dengan nilai akhir 0,973, sehingga layak digunakan oleh pengguna, karena dapat membantu mengurangi penumpukan ataupun kehilangan berkas, serta mempercepat dalam proses penentuan reseller.
- 25 August 2023
- Published by Universitas Kristen Satya Wacana in AITI
- Vol. 20 (2) , 206-219
Open AccessPenerapan metode Weighted Aggregated Sum Product Assessment (WASPAS) dalam menentukan reseller terbaik
Peran reseller penting dalam sebuah penjualan. Reseller yang berkompeten diperlukan untuk meningkatkan nilai penjualan. Pemberian apresiasi kepada reseller terbaik dapat memotivasi para reseller agar saling berkompetisi. DJ Foundation menerapkan penentuan reseller secara manual sehingga terjadi ketidakefektivan tenaga dan waktu, penumpukan data, kehilangan berkas, dan kesalahan penilaian. Dari permasalahan tersebut, maka dirancang sistem untuk menentukan reseller terbaik dengan menerapkan metode Weighted Aggregated Sum Product Assessment (WASPAS), dengan kriteria kejujuran, loyalitas, tanggung jawab, absensi, pinalti, dan target harian. Data yang diperoleh bersumber dari wawancara, observasi, dan studi pustaka. Penelitian ini menghasilkan kategori ranking terbaik dengan nilai akhir 0,973, sehingga layak digunakan oleh pengguna, karena dapat membantu mengurangi penumpukan ataupun kehilangan berkas, serta mempercepat dalam proses penentuan reseller.
- Open Access
- 16 May 2019
- Published by Universitas Semarang in Jurnal Pengembangan Rekayasa dan Teknologi
- Vol. 3 (1) , 33-37
PENGEMBANGAN APLIKASI MOBILE UNTUK TRY OUT UJIAN NASIONAL MATEMATIKA PADA SISWA SMK KELAS XII
Saat ini pemerintah Indonesia akan memajukan mutu dan kualitas sumber daya manusia. Salah satu caranya adalah dengan memberikan perhatian khusus terhadap pendidikan di Indonesia. Ujian berstandar nasional merupakan kebijakan pemerintah dalam bidang pendidikan untuk menentukan standar mutu pendidikan. Matematika merupakan salah satu mata pelajaran yang nilai kelulusannya paling sedikit dibandingkan dengan mata pelajaran lainnya. Hal tersebut dibuktikan dengan menurunnya nilai UN matematika di SMK Perdana selama dua tahun terakhir. Menurunnya nilai UN salah satunya disebabkan karena kurangnya pendalaman konsep, berupa uji coba (tryout) yang diberikan oleh pihak sekolah. Padahal mata pelajaran matematika mengharuskan siswa untuk sering berlatih dalam mengerjakan soal.Aplikasi Mobile merupakan salah satu alternatif yang sangat potensial untuk dikembangkan saat ini. Dengan media aplikasi mobile ini di harapkan para siswa mampu melakukan tryout ujian nasional untuk mata pelajaran matematika kapan pun dan dimana pun. Dan aplikasi menyediakan menu pembahasan soal. Sehingga siswa dapat memperdalam serta semakin memahami soal-soal matematika. Hal tersebut akan berdampak pada kesiapan siswa dalam mengerjakan ujian nasional khususnya mata pelajaran matematika.
- 16 May 2019
- Published by Universitas Semarang in Jurnal Pengembangan Rekayasa dan Teknologi
- Vol. 3 (1) , 33-37
Open AccessPENGEMBANGAN APLIKASI MOBILE UNTUK TRY OUT UJIAN NASIONAL MATEMATIKA PADA SISWA SMK KELAS XII
Saat ini pemerintah Indonesia akan memajukan mutu dan kualitas sumber daya manusia. Salah satu caranya adalah dengan memberikan perhatian khusus terhadap pendidikan di Indonesia. Ujian berstandar nasional merupakan kebijakan pemerintah dalam bidang pendidikan untuk menentukan standar mutu pendidikan. Matematika merupakan salah satu mata pelajaran yang nilai kelulusannya paling sedikit dibandingkan dengan mata pelajaran lainnya. Hal tersebut dibuktikan dengan menurunnya nilai UN matematika di SMK Perdana selama dua tahun terakhir. Menurunnya nilai UN salah satunya disebabkan karena kurangnya pendalaman konsep, berupa uji coba (tryout) yang diberikan oleh pihak sekolah. Padahal mata pelajaran matematika mengharuskan siswa untuk sering berlatih dalam mengerjakan soal.Aplikasi Mobile merupakan salah satu alternatif yang sangat potensial untuk dikembangkan saat ini. Dengan media aplikasi mobile ini di harapkan para siswa mampu melakukan tryout ujian nasional untuk mata pelajaran matematika kapan pun dan dimana pun. Dan aplikasi menyediakan menu pembahasan soal. Sehingga siswa dapat memperdalam serta semakin memahami soal-soal matematika. Hal tersebut akan berdampak pada kesiapan siswa dalam mengerjakan ujian nasional khususnya mata pelajaran matematika.
- Open Access
- 2 May 2018
- Published by Universitas Semarang in Jurnal Pengembangan Rekayasa dan Teknologi
- Vol. 2 (1) , 1-4
PREDIKSI PENERIMAAN MAHASISWA BARU DENGAN MULTI LAYER PERCEPTRON
Penerimaan mahasiswa baru adalah agenda yang rutin dijalani oleh sebuah institusi perguruan tinggi,. Jumlah penerimaan mahasiswa baru dapat meningkat atau menurun setiap tahunnya di Universitas Semarang. Oleh karenanya, perlu adanya prediksi jumlah penerimaan mahasiswa baru dengan teknologi berbasis artificial intelligent. Penelitian ini mengusulkan metode untuk memprediski jumlah penerimaan mahasiswa baru di Universitas Semarang menggunakan algoritma Multi Layer Perceptron, dengan dataset time series pendaftaran mahasiswa baru dari tahun 2008 hingga 2017. Uji coba Multi Layer Perceptron dengan arsitektur 5-9-1 menghasilkan Mean Squered Error pada data training sebesar 0.00096 dan Mean Squered Error pada data testing sebesar 0.1. Sehingga, metode yang diusulkan sangat bagus digunakan untuk prediksi penerimaan mahasiswa baru di Universitas Semarang
- 2 May 2018
- Published by Universitas Semarang in Jurnal Pengembangan Rekayasa dan Teknologi
- Vol. 2 (1) , 1-4
Open AccessPREDIKSI PENERIMAAN MAHASISWA BARU DENGAN MULTI LAYER PERCEPTRON
Penerimaan mahasiswa baru adalah agenda yang rutin dijalani oleh sebuah institusi perguruan tinggi,. Jumlah penerimaan mahasiswa baru dapat meningkat atau menurun setiap tahunnya di Universitas Semarang. Oleh karenanya, perlu adanya prediksi jumlah penerimaan mahasiswa baru dengan teknologi berbasis artificial intelligent. Penelitian ini mengusulkan metode untuk memprediski jumlah penerimaan mahasiswa baru di Universitas Semarang menggunakan algoritma Multi Layer Perceptron, dengan dataset time series pendaftaran mahasiswa baru dari tahun 2008 hingga 2017. Uji coba Multi Layer Perceptron dengan arsitektur 5-9-1 menghasilkan Mean Squered Error pada data training sebesar 0.00096 dan Mean Squered Error pada data testing sebesar 0.1. Sehingga, metode yang diusulkan sangat bagus digunakan untuk prediksi penerimaan mahasiswa baru di Universitas Semarang