Garuda - Garba Rujukan Digital

IMPLEMENTASI IOT PADA SMART HOME MENGGUNAKAN MICROCONTROLLER WEMOS BERBASIS MOBILE Asep Sumantri; Novi Wulandari; Slamet Waluyo
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 6 No 1 (2021): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Desember 2021)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Perangkat elektronik merupakan kebutuhan pokok bagi kehidupan masyarakat dan dalam pengontrolan perangkat masih bersifat konvensional. Sehingga memungkinkan masyarakat lalai dalam mematikan atau menghidupkan perangkat elektronik. Saat ini teknologi memliki kemajuan yang sangat pesat sehingga dapat membantu masyarakat dalam kehidupan sehari-hari. Perkembangan sistem telekomunikasi dan sensor sudah mulai banyak dikembangkan untuk pengontrol perangkat elektronik dari jarak jauh. Dengan menggunakan mikrokontroller perangkat elektronik dapat dikendalikan dari jarak jauh. Pada penelitian ini bertujuan untuk membuat sistem smarthome yang dapat mengontrol perangkat elektronik dari jarak jauh melalui smartphone dengan menggunakan aplikasi Telegram. Metode penelitian yang dipakai menggunakan metode prototype. Dalam implementasinya perintah dikririm melalui telegram dan akan dikirim ke modul ESP8266 sehingga mikrokontroller Wemos D1 R1 . Hasil dari pengujian, perangkat elektronik dapat dikendalikan dari jarak jauh melaui smartphone menggunakan aplikasi telegram.

Sistem Pakar Untuk Mendiagnosa dan Klasifikasi Anak Berkebutuhan Khusus Dengan Backward Dan Forward Chaining Pada Slb Cahaya Pertiwi di Bekasi Novi Wulandari; Armstrong Yohanes Siregar
Jurnal Ilmu Komputer Vol 1 No 1 (2018): Jurnal Ilmu Komputer (JIK)
Publisher : LPPM-STMIK Pranata Indonesia

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

Sistem pakar adalah suatu program komputer yang berusaha mengadopsi pengetahuan manusia ke dalam komputer agar komputer dapat menyelesaikan masalah yang bersifat spesifik, dalam hal ini adalah permasalahan diagnosa dan klasifikasi ABK. Sistem pakar untuk diagnosa dan klasifikasi ABK ini menggunakan pemrograman PHP dan Mysql serta menggunakan perpaduan dari metode Backward Chaining (BC) dan Forward Chaining (FC). Data gangguan atau hambatan pada ABK akan dikenali dengan menyesuaikan rules (aturan) yang telah dibuat didalam basis pengetahuan untuk dapat mencocokkan gejala-gejala gangguan atau hambatan pada ABK. Hasil dari sistem pakar ini dapat menampilkan beberapa fitur menu program untuk memberikan kemudahan bagi pengguna baik orang tua ABK, masyarakat akademisi dan non-akademisi, staff dan kepala sekolah SLB, serta untuk pakar yaitu dokter spesialis psikologi dan dokter spesialis psikiater.

Analisis Asosiasi Dengan Apriori Untuk Penentuan Permintaan Barang Pada PT Danmotor Indonesia Wulandari, Novi; Cahyadi, Wahyu
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 2 No. 1 (2023): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

Kekurangan persediaan suku cadang motor terjadi pada penjualan suku cadang motor menjadi masalah perusahaan sehingga mempengaruhi produktifutas dan kepuasan pelanggan dalam pelayanan. Metode data mining dengan menggunakan algoritma Apriori diusulkan untuk menganalisa permintaan barang sehingga tidak terjadi kekuranang persediaan barang di PT. Danmotor Indonesia. Diharapkan dengan implementasi algoritma ini, biaya dapat dipangkas agar lebih efisien dengan cara melakukan pembelian suku cadang berdasarkan perhitungan. Berdasarkan perhitungan, didapatkan nilai confidence paling tinggi sebesar 87.76% dan dapat menghasilkan rule sebanyak 38 rule 3 itemset. Dapat disimpulkan bahwa Pencarian pola kemunculan barang yang sering di minta (asosiasi) dapat diterapkan pada PT Danmotor Indonesia dengan menggunakan algoritma apriori.

Analisis Promosi Produk Dalam Marketplace Pada Toko A.Family’s Menggunakan K-Means Wulandari, Novi; Anggraeni, Rantika
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 3 No. 1 (2024): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

Implementasi data mining untuk menganalisis promosi produk memiliki factor yang sangat penting didalam kemajuan Toko A.Familys, karena banyaknya produk yang dipromosikan tanpa mengetahui mana saja produk dalam promosi yang banyak dikunjungi, maka dari implementasi ini nantinya akan dapat mengetahui produk mana saja yang masih layak untuk dipromosikan. Metode analisis yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan menggunakan algoritma k-means clustering yaitu mengelompokan data ke dalam beberapa cluster atau kelompok sehingga data dalam satu cluster memiliki tingkat kemiripan yang maksimum dan data antar cluster memiliki kemiripan yang minimum sesuai dengan data perhitungan Rapid Miner. Populasi dalam penelitian ini adalah data promosi produk dengan jumlah record sebanyak 468 promosi. Sehingga dapat diperoleh data tiap tiap produk. Dengan menggunakan algoritma k-means clustering dapat disimpulkan bahwa hasil dari clusterisasi menghasilkan 2 produk terbanyak dalam promosi, 10 produk sedang dalam promosi, dan 8 produk lainnya terendah dalam promosi.

Sistem Diagnosis Mandiri Berbasis Aturan untuk Mengidentifikasi Indikator Kecanduan Game Online pada Remaja Nurmumpuni, Dyah Ayu; Aldino, Nabilla; Wulandari, Novi
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 4 No. 2 (2025): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : IKRAM: Jurnal Ilmu Komputer Al Muslim

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

Kecanduan game online merupakan sebuah gangguan perilaku yang ditandai dengan hilangnya kontrol diri dan peningkatan prioritas terhadap aktivitas bermain game, bahkan saat menghadapi konsekuensi negatif. Fenomena ini menjadi masalah serius karena banyak penderita tidak menyadari kondisinya atau enggan mencari bantuan profesional akibat stigma sosial maupun kendala biaya. Untuk mengatasi permasalahan tersebut, diusulkan pengembangan sebuah sistem pakar yang dapat mendeteksi gejala kecanduan secara mandiri. Sistem ini mengimplementasikan metode forward chaining untuk melakukan penalaran berbasis aturan. Diharapkan, sistem ini dapat berfungsi sebagai alat deteksi dini yang mudah diakses, membantu pengguna awam mengidentifikasi tingkat kecanduan mereka dan mendapatkan rekomendasi penanganan awal tanpa harus melalui proses konsultasi tatap muka.

Prediksi Customer Churn Berbasis Nilai Pelanggan Menggunakan Explainable Machine Learning Untuk Mendukung Strategi Retensi Amat Damuri; Novi Wulandari; Iwan Mulyana
ALMUISY: Journal of Al Muslim Information System Vol. 5 No. 1 (2026): ALMUISY: Journal of Al Muslim Information System
Publisher : STMIK Al Muslim

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

Customer churn dapat menurunkan pendapatan dan nilai pelanggan pada industri telekomunikasi. Penelitian ini bertujuan mengembangkan model prediksi churn yang akurat dan dapat dijelaskan serta menentukan prioritas retensi berdasarkan risiko dan nilai pelanggan. Iranian Churn Dataset yang digunakan memuat 3.150 pelanggan dan 13 prediktor. Ketidakseimbangan kelas ditangani menggunakan SMOTENC, sedangkan Logistic Regression, Random Forest, dan XGBoost dioptimasi melalui GridSearchCV dengan validasi silang terstratifikasi. XGBoost memberikan performa terbaik dengan ROC-AUC pengujian 0,9912. Pada ambang 0,5444, model menghasilkan akurasi 96,83%, presisi 88,35%, recall 91,92%, dan F1-score 90,10% untuk kelas churn. Analisis SHAP mengidentifikasi frekuensi penggunaan, status, durasi penggunaan, kegagalan panggilan, lama berlangganan, dan keluhan sebagai prediktor utama. Segmentasi risiko dan Customer Value menetapkan 74 pelanggan atau 2,35% sebagai prioritas retensi tertinggi. Hasil ini menunjukkan bahwa interpretabilitas model dapat dihubungkan langsung dengan keputusan retensi pelanggan. Pendekatan ini mendukung alokasi sumber daya retensi secara transparan, terarah, dan efisien

Implementasi Migrasi Sistem ke Azure Cloud: Tantangan dan Solusi di PT New Primagama Abdul Rohim; Feru Adiningrat; Novi Wulandari
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 4 No. 1 (2025): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

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

Migrasi sistem ke platform cloud telah menjadi langkah strategis bagi banyak perusahaan untuk meningkatkan efisiensi operasional dan skalabilitas teknologi informasi. Studi ini membahas implementasi migrasi sistem ke Azure Cloud pada PT New Primagama, dengan fokus pada identifikasi tantangan utama yang dihadapi dan solusi yang diterapkan untuk mengatasinya. Proses migrasi mencakup evaluasi kebutuhan bisnis, perencanaan arsitektur cloud, dan implementasi teknologi secara bertahap. Analisis menunjukkan bahwa Azure Cloud tidak hanya memberikan peningkatan dalam kinerja sistem dan keamanan data, tetapi juga menghadirkan fleksibilitas dan pengurangan biaya operasional jangka panjang. Temuan studi ini memberikan wawasan bagi organisasi lain yang mempertimbangkan transisi ke platform cloud untuk mendukung transformasi digital mereka.

Prediksi Tingkat Retensi Pengguna Aplikasi Digital Menggunakan Artificial Neural Network Berbasis Data Aktivitas Pengguna Dyah Ayu Nurmumpuni; Novi Wulandari; Angelina Hadriani
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 1 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

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

User retention is a critical indicator of success for digital applications, particularly in highly competitive technology-driven markets. This study aims to predict user retention using an Artificial Neural Network (ANN) approach based on user activity data. The dataset utilized is obtained from Kaggle and includes behavioral features such as usage frequency, session duration, and user interactions within the application. The research methodology involves data preprocessing, ANN model development with multiple architectural variations, and evaluation using metrics including Accuracy, Precision, Recall, F1-Score, Confusion Matrix, and ROC-AUC. The results demonstrate that the ANN model achieves an accuracy of approximately 88%, precision of 90%, recall of 97%, and an F1-score of 93%, with an AUC value above 0.90, indicating strong classification performance. However, further analysis reveals signs of overfitting and a relatively high number of false positives due to data imbalance. Additionally, increasing model complexity does not necessarily lead to improved performance. Overall, ANN proves to be an effective approach for predicting user retention, although further optimization is required to achieve a more balanced and robust model for real-world implementation.

Penerapan Top-K High-Utility Itemset Mining Untuk Menentukan Kombinasi Produk Dengan Nilai Penjualan Tertinggi Sebagai Rekomendasi Bundling Novi Wulandari; Amat Damuri; Abdul Rohim; Iwan Mulyana
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 1 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

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

Abstrak Strategi bundling memerlukan informasi mengenai kombinasi produk yang tidak hanya sering dibeli bersama, tetapi juga menghasilkan nilai penjualan tinggi. Penelitian ini bertujuan menerapkan Top-K High-Utility Itemset Mining untuk menentukan kombinasi produk bernilai penjualan tertinggi sebagai rekomendasi bundling. Data yang digunakan adalah Online Retail II dari UCI Machine Learning Repository. Tahapan penelitian mencakup pembersihan data, penghapusan transaksi pembatalan dan nilai nonpositif, agregasi produk pada setiap faktur, perhitungan utility berdasarkan kuantitas dan harga satuan, pembentukan basis data utility, serta penambangan pola menggunakan utility-list. Proses penambangan menggunakan nilai K sebesar 10 dengan panjang kombinasi dua sampai empat produk. Setelah preprocessing, diperoleh 36.302 transaksi valid untuk dianalisis. Hasil penelitian menunjukkan bahwa sembilan pola teratas merupakan kombinasi dua produk dan satu pola merupakan kombinasi tiga produk. Jumbo Bag Strawberry dan Jumbo Bag Red White Spotty menghasilkan utility tertinggi sebesar £115.525,29 dengan support 3,2753%. Sementara itu, Jumbo Bag Pink with White Spots dan Jumbo Bag Red White Spotty memiliki support tertinggi sebesar 3,9337% dengan utility £109.344,48. Temuan ini menunjukkan bahwa kombinasi paling sering dibeli tidak selalu menghasilkan nilai penjualan tertinggi. Metode tersebut dapat menghasilkan rekomendasi bundling dengan mempertimbangkan frekuensi, kuantitas, dan nilai penjualan produk secara bersamaan.

Explainable Hierarchical Retail Demand Forecasting With Time-Series Foundation Models: Comparison With Statistical And Machine Learning Methods Abdul Rohim; Novi Wulandari
INKOFAR Vol. 10 No. 1 (2026)
Publisher : Politeknik META Industri Cikarang

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

Background Retail demand forecasting across multiple aggregation levels is essential for consistent strategic and operational decision-making. Purpose This study develops an explainable hierarchical forecasting framework for weekly retail sales using Seasonal Naive, XGBoost, and LightGBM base models with Base Forecast, Bottom-Up, MinT-OLS, and MinT-Shrink reconciliation. Methodology Unlike single-level retail studies, the framework jointly evaluates accuracy, cross-level coherence, and TreeSHAP interpretability at total, category, and subcategory levels under leakage-safe temporal validation. The Kaggle Superstore Sales Analysis dataset was aggregated into 209 weekly periods containing one total-sales series, three category series, and 17 subcategory series. Findings The final four weeks were reserved as a strict holdout, while the preceding 205 weeks were evaluated using five expanding-window rolling-origin folds with a four-week horizon. LightGBM with MinT-OLS was selected by cross-validation, achieving an MAE of 1,344.3577, RMSE of 2,465.7518, WAPE of 48.4886%, MASE of 2.5970, and zero coherence error. When refitted on the full development period, the selected configuration achieved a holdout WAPE of 63.9589%. TreeSHAP identified rolling_mean_13, lag_52, rolling_mean_8, rolling_std_13, and lag_26 as the strongest predictors. Implications The dependence plot revealed a nonlinear increase in the contribution of rolling_mean_13, moderated by annual-lag conditions. Originality These results demonstrate that reconciliation can improve volume-weighted accuracy and eliminate contradictory forecasts, although intermittent subcategory demand and holdout variability remain important limitations.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search