Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JRIIN :Jurnal Riset Informatika dan Inovasi Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi
Alda Ailsa Alvita
Universitas Pamulang
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Bibliometrika dan Tematik Riset Pemerintahan Digital pada Prosiding Konferensi Internasional IC3INA Tahun 2013–2025 Andrari Grahitandaru; Budi Nugroho; Armita Widyasuri; Wardatul Hanifah; Alda Ailsa Alvita
Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi Vol. 3 No. 3 (2026): SINTA: JULI
Publisher : Berkah Tematik Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61124/sinta.v3i3.335

Abstract

Transformasi digital telah mengubah cara pemerintah beroperasi dan menjadi topik riset yang berkembang pesat, khususnya sejak diberlakukannya Sistem Pemerintahan Berbasis Elektronik (SPBE) di Indonesia. Konferensi International Conference on Computer, Control, Informatics and Its Applications (IC3INA) merekam perkembangan tersebut, namun pemetaannya belum diperbarui hingga tahun terkini. Penelitian ini bertujuan memetakan struktur dan evolusi tematik riset pemerintahan digital pada prosiding IC3INA periode 2013–2025 guna mendukung penyusunan agenda riset nasional. Analisis bibliometrika dan tematik gaya bibliometrix direplikasi menggunakan bahasa Python, mencakup produksi tahunan, produktivitas penulis (hukum Lotka), jaringan ko-penulis, ko-okurensi kata kunci, dan pemetaan tematik sentralitas–densitas Callon. Subset pemerintahan digital diidentifikasi melalui prosedur dua tahap, yaitu penyaringan leksikon domain pada judul, abstrak, dan kata kunci, dilanjutkan telaah manual independen oleh dua penulis dengan penyelesaian melalui konsensus. Dari 527 artikel, sebanyak 22 artikel (4,2%) teridentifikasi terkait pemerintahan digital. Korpus bersifat kolaboratif (indeks ko-penulisan 4,11; 3,84 penulis per artikel) dengan distribusi produktivitas mengikuti hukum Lotka (eksponen α = 2,85). Produksi memuncak pada 2024 (84 artikel) dan struktur tematiknya (11 tema) didominasi kecerdasan artifisial dan pembelajaran mesin pada kuadran motor themes, sedangkan pemerintahan digital merupakan tema niche kecil namun tumbuh, memuncak pada 2018 seiring Perpres SPBE dan kembali meningkat pada 2023–2025 dengan tema dominan kebijakan, layanan publik, tata kelola data, dan evaluasi sistem informasi pemerintah. Temuan ini menjadi rujukan bagi peneliti, penyelenggara IC3INA, dan penyusunan peta jalan riset pemerintahan digital Indonesia.
Implementasi Model Machine Learning Untuk Klasifikasi Dan Prediksi Pada Dataset Bunga Iris Abdurahman; Alda Ailsa Alvita; Indika Saputra; Kamil Haedar; Muhammad Ario Ardhi; Muhammad Edria Zaiz Faidullah; Muhammad Fahmi Alfarizi
Jurnal Riset Informatika dan Inovasi Vol 2 No 10 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

− Penelitian ini bertujuan untuk mengimplementasikan berbagai model machine learning dalam menganalisis dataset Iris, termasuk Logistic Regression, Random Forest, dan Linear Regression. Dataset Iris digunakan karena sifatnya yang sederhana namun mencakup masalah klasifikasi dan regresi. Proses melibatkan preprocessing data, seperti scaling fitur, serta pembagian dataset menjadi data latih dan data uji. Evaluasi dilakukan menggunakan metrik akurasi, confusion matrix, mean squared error (MSE), dan R-squared (R²). Hasil penelitian menunjukkan bahwa semua model mencapai performa sempurna pada tugas klasifikasi, dengan akurasi 100% dan confusion matrix yang hanya menunjukkan prediksi benar. Model Linear Regression juga menunjukkan kinerja yang sangat baik dengan nilai R² = 1.00, mengindikasikan kemampuan untuk menjelaskan seluruh variasi data. Korelasi antar variabel mengungkapkan bahwa fitur petal memiliki pengaruh lebih signifikan dibandingkan fitur sepal dalam membedakan spesies. Visualisasi hasil prediksi menunjukkan pola distribusi nilai aktual dan prediksi yang hampir identik.
Co-Authors Abdurahman Andrari Grahitandaru Armita Widyasuri Budi Nugroho Indika Saputra Kamil Haedar Muhammad Ario Ardhi Muhammad Edria Zaiz Faidullah Muhammad Fahmi Alfarizi Wardatul Hanifah