Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Instal : Jurnal Komputer
Rezkinah Rambe
Universitas Pembangunan Panca Budi
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences

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

Found 2 Documents
Search

 1 
Penerapan Big Data dan Algoritma Machine Learning untuk Meningkatkan Efisiensi Proses Pelayanan Izin Usaha di DPMPTSP Kabupaten Tapanuli Selatan Rezkinah Rambe; Muhammad Syahputra Novelan; Zulham Sitorus
Bahasa Indonesia Vol 18 No 4 (2026): Instal : Jurnal Komputer
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalinstall.v18i4.513

Abstract

Layanan perizinan usaha merupakan aspek penting dalam meningkatkan kualitas layanan publik dan mendukung iklim investasi daerah. Namun, proses perizinan usaha di DPMPTSP Kabupaten Tapanuli Selatan masih menghadapi berbagai tantangan, seperti waktu pemrosesan yang lama, kesalahan verifikasi, dan pemanfaatan data yang tersedia yang belum optimal. Penelitian ini bertujuan untuk menerapkan teknologi big data dan algoritma machine learning guna meningkatkan efisiensi proses perizinan usaha. Metode yang digunakan adalah pendekatan kuantitatif dengan teknik eksperimental, memanfaatkan dataset layanan perizinan usaha yang terdiri dari berbagai atribut seperti jenis izin, lokasi, waktu pemrosesan, dan status permohonan. Algoritma yang digunakan dalam penelitian ini adalah Random Forest, Naïve Bayes, dan kombinasi antara Random Forest dan Naïve Bayes, dengan evaluasi menggunakan matriks kebingungan serta metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest menunjukkan kinerja terbaik, dengan akurasi 98,5%, presisi 98,57%, recall 98,5%, dan F1-score 98,51%. Sementara itu, Naïve Bayes menunjukkan kinerja terendah dengan akurasi sebesar 51%, dan kombinasi Random Forest dan Naïve Bayes menghasilkan akurasi sebesar 73%. Hal ini menunjukkan bahwa Random Forest lebih mampu menangani data yang kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan dengan metode lainnya.
ANALISIS PERBANDINGAN METODE DOUBLE EXPONENTIAL SMOOTHING DAN DOUBLE MOVING AVERAGE PADA KASUS PERAMALAN PENJUALAN KOPI BUBUK DI LOPO MANDHELING COFFEE Andysah Putera Utama Siahaan; Siska Mayasari Rabe; Nathania Asyifa; Maha Valne Datin; Rahma Syahri; Rezkinah Rambe
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4199

Abstract

 Abstract: This study aims to compare the accuracy between time series forecasting methods, namely Double Exponential Smoothing (DES) and Double Moving Average (DMA), in forecasting ground coffee sales at Lopo Mandheling Coffee, an MSME in the beverage sector. The sales data used is monthly data from January 2024 to March 2025. The analysis was carried out by calculating the accuracy of each method using the MAPE, MAD, and MSE indicators. The results show that the DMA method provides more accurate forecasting results than the DES method for both types of coffee (Specialty and Premium). DMA has lower MAPE, MAD, and MSE values, so it is more recommended for use in sales forecasting in this MSME. This study provides a practical contribution for MSME actors in improving operational efficiency through a data-driven forecasting approach. Keyword: Sales forecasting; double exponential smoothing; double moving average;                 ground coffee; MSME Abstrak: Penelitian ini bertujuan sebagai perbandingan akurasi antara metode peramalan deret waktu, yaitu Dpuble Exponential Smoothing (DES) dan Double Moving Avarega (DMA), dalam meramalkan penjualan kopi bubuk di Lopo Mandheling Coffee, sebuah UMKM di sektor minuman. Data penjulan yang digunakan merupakan data bulanan dari Januari 2024 hingga Maret 2025. Analisis dilakukan dengan menghitung akurasi masing-masing metode menggunakan indikator MAPE, MAD, dan MSE. Hasil penelitian menunjukkan bahwa metode DMA memberikan hasil peramalan yang lebih akurat dibandingkan metode DES untuk kedua jenis kopi (Specialty dan Premium). DMA memiliki nilai MAPE, MAD, dan MSE yang lebih rendah, sehingga lebih direkomendasikan untuk digunakan dalam peramalan penjualan pada UMKM ini. Penelitian ini memberikan kontribusi praktis bagi pelaku UMKM dalam meningkatkan efisiensi operasional melalui pendekatan peramalan berbasis data. Kata kunci: Peralaman penjualan; double exponential smoothing; double moving average; kopi bubuk; UMKM
Co-Authors Andysah Putera Utama Siahaan Maha Valne Datin Muhammad Syahputra Novelan Nathania Asyifa Rahma Syahri Siska Mayasari Rabe Sitorus, Zulham