Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Competitive
Woro Istirahayu
Universitas Logistik dan Bisnis Internasional
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Engineering Industrial & Manufacturing Engineering Transportation

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

Found 2 Documents
Search

 1 
ANALISIS KLASTER RASIO KEUANGAN PT PEGADAIAN DENGAN METODE K-MEANS DAN RANDOM FOREST Kimi Thora Refolino; Woro Istirahayu
Competitive Vol. 21 No. 1 (2026): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

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

Abstract

Analisis rasio keuangan banyak digunakan untuk menilai kinerja perusahaan, khususnya dari sisi leverage dan profitabilitas. Namun, perubahan pola rasio keuangan dalam jangka panjang sering sulit dilihat secara jelas tanpa bantuan analisis berbasis data. Penelitian ini bertujuan untuk mengelompokkan kinerja keuangan PT Pegadaian periode 2010–2024 dengan menggabungkan metode unsupervised learning dan supervised learning. Analisis dilakukan menggunakan rasio Debt to Asset Ratio (DAR) dan Return on Assets (ROA), yang distandardisasi dengan Z-score, kemudian dikelompokkan menggunakan algoritma K-Means dan diuji kembali menggunakan model Random Forest. Hasil penelitian menunjukkan terbentuknya tiga kelompok kinerja keuangan yang menggambarkan perbedaan kondisi leverage dan profitabilitas antarperiode, dengan nilai silhouette score sebesar 0,5976. Model Random Forest menghasilkan tingkat akurasi sebesar 80 persen, meskipun kinerjanya lebih rendah pada kelompok dengan jumlah data yang terbatas. Penelitian ini menunjukkan bahwa kombinasi DAR dan ROA dapat digunakan tidak hanya untuk menilai kinerja keuangan, tetapi juga untuk mengelompokkan dan memahami pola perubahan kinerja perusahaan dalam jangka panjang dengan bantuan metode pembelajaran mesin.
CHATBOT PANDUAN FITUR APLIKASI WAKTOO MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE Radio Ananto Hargiyanto; Woro Istirahayu; Noviana Riza
Competitive Vol. 21 No. 1 (2026): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

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

Abstract

Efisiensi layanan karyawan merupakan aspek penting dalam manajemen sumber daya manusia. Namun, keterbatasan jumlah personel sering menghambat penyampaian informasi dan panduan penggunaan aplikasi perusahaan kepada karyawan baru, khususnya mahasiswa magang. Penelitian ini bertujuan mengembangkan chatbot sebagai media pendamping dalam memberikan informasi terkait penggunaan aplikasi Waktoo HRM, meliputi presensi, manajemen tugas, dan kebijakan perusahaan. Dataset yang digunakan terdiri atas pattern, response, dan label intent yang disimpan pada database MongoDB. Sistem chatbot dibangun menggunakan Streamlit dengan pendekatan Natural Language Processing (NLP), memanfaatkan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur dan Support Vector Machine (SVM) melalui implementasi LinearSVC pada pustaka Scikit-Learn sebagai algoritma klasifikasi intent. Evaluasi model dilakukan menggunakan train-test split 80:20 serta Stratified 5-Fold Cross Validation pada data latih untuk mengukur konsistensi dan kemampuan generalisasi model. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan accuracy sebesar 84,44%, precision 85,69%, recall 84,44%, dan F1-score 84,01%. Selain itu, cross-validation menghasilkan rata-rata F1-score sebesar 0,87 dengan standar deviasi 0,02 yang menunjukkan performa model yang konsisten. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan SVM efektif dalam mengklasifikasikan intent pengguna pada chatbot Waktoo HRM.
Co-Authors Kimi Thora Refolino Radio Ananto Hargiyanto Riza, Noviana