Article Per Year (5 Year)
p-Index From 2021 - 2026
2.568
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Ken Ditha Tania
Sistem Informasi, Universitas Sriwijaya
Computer Science & IT

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
ANALISIS MODEL SECI DALAM KNOWLEDGE MANAGEMENT PADA UMKM LADY ALGHANIY UNTUK MENDUKUNG KINERJA PENJUALAN DI SHOPEE Cherliana Cherliana; Rahma Ardhia Cahyani; Anadya Nisrina Salsabila; Nabilah Putri Maharani; Ken Ditha Tania; Ahmad Rifai
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18139

Abstract

Perkembangan perdagangan digital melalui marketplace mendorong pelaku UMKM untuk mampu mengelola pengetahuan bisnis secara efektif agar dapat meningkatkan daya saing dan kinerja penjualan. Knowledge Management menjadi pendekatan strategis dalam mengelola pengetahuan organisasi melalui proses penciptaan, penyimpanan, dan pemanfaatan pengetahuan. Namun, pada UMKM Lady Alghaniy pengelolaan pengetahuan operasional, pelayanan pelanggan, dan strategi promosi masih belum terdokumentasi secara sistematis sehingga berpotensi menghambat pengambilan keputusan dan optimalisasi penjualan. Penelitian ini bertujuan untuk menguraikan implementasi Knowledge Management menggunakan model SECI (Socialization, Externalization, Combination, Internalization) pada UMKM Lady Alghaniy dalam mendukung kinerja penjualan di marketplace Shopee. Pendekatan kualitatif dengan metode studi kasus digunakan dalam penelitian ini. Data diperoleh melalui observasi, wawancara, serta dokumentasi terhadap aktivitas operasional toko pada platform Shopee. Temuan penelitian membuktikan penerapan model SECI mampu mengelola konversi pengetahuan dari tacit menjadi explicit melalui berbagi pengalaman, dokumentasi prosedur kerja, pengolahan data penjualan, serta penerapan panduan operasional. Implementasi tersebut menghasilkan pengetahuan eksplisit berupa SOP pengemasan, template pelayanan pelanggan, dan kalender promosi yang mendukung efisiensi operasional, meningkatkan kualitas pelayanan pelanggan, serta membantu menjaga stabilitas kinerja penjualan UMKM Lady Alghaniy di marketplace Shopee.
PREDIKSI TINGKAT KETERLIBATAN PEMAIN GAME ONLINE BERDASARKAN INTENSITAS DAN POLA AKTIVITAS BERMAIN MENGGUNAKAN PENDEKATAN HYBRID MACHINE LEARNING R.A Callista Salsabila; Aisy Intan Herita; Neisya Az Zahra; Winda Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18152

Abstract

Pertumbuhan industri online games menghasilkan volume data aktivitas pemain yang sangat besar, sehingga analisis tingkat keterlibatan pemain (player engagement) secara manual menjadi kurang efektif. Permasalahan ini mendorong perlunya pendekatan analitik berbasis data untuk mengidentifikasi pola perilaku pemain secara lebih akurat. Penelitian ini bertujuan untuk memprediksi tingkat player engagement berdasarkan intensitas dan pola aktivitas bermain menggunakan pendekatan hybrid machine learning yang mengkombinasikan algoritma Logistic Regression dan Artificial Neural Network (ANN). Data yang digunakan berasal dari dataset publik Kaggle yang terdiri dari 40.034 data pemain dengan variabel target EngagementLevel yang diklasifikasikan ke dalam tiga kategori, yaitu Low, Medium, dan High. Dataset melalui tahapan data preprocessing dan dibagi menjadi data latih dan data uji dengan rasio 80:20. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa model ANN mencapai akurasi sebesar 90,76% dengan rata-rata F1-score 0,91, lebih tinggi dibandingkan model Logistic Regression yang memperoleh akurasi 82% dengan F1-score 0,81. Analisis feature importance menunjukkan bahwa variabel PlayTimeHours dan SessionsPerWeek merupakan prediktor paling signifikan dalam menentukan tingkat keterlibatan pemain
ANALISIS SENTIMEN FILM AGAK LAEN MENYALA PANTIKU MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Nadhilah Al Adawiyah; Nadia Ramadhani; Salsa Yurinka; Winda Kurnia Sari; Ken Ditha Tania
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18161

Abstract

Media sosial merupakan salah satu sarana bagi publik untuk menyampaikan opini dan ulasan terhadap berbagai topik, termasuk film, yang dapat memengaruhi persepsi publik secara luas. Film “Agak Laen: Menyala Pantiku!” merupakan salah satu film yang ramai diperbincangkan di platform X sehingga menghasilkan beragam tanggapan dari pengguna. Banyaknya data opini yang tersedia dalam bentuk teks tidak terstruktur menyebabkan proses analisis secara manual menjadi kurang efektif. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikaskan sentimen opini pengguna platform X terhadap film “Agak Laen: Menyala Pantiku!” ke dalam tiga kategori positif, negatif, dan netral. Data penelitian dikumpulkan melalui proses crawling dari platform X, kemudian diproses melalui tahap preprocessing teks serta pembobotan fitur menggunakan metode TF-IDF. Proses klasifikasi kemudian diterapkan menggunakan algoritma Support Vector Machine (SVM). Berdasarkan hasil pengujian, model SVM mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 80%. Distribusi sentimen menunjukkan bahwa sentimen positif memiliki jumlah paling tinggi, diikuti oleh sentimen netral, sedangkan sentimen negatif relatif lebih sedikit. Temuan ini mengindikasikan bahwa sebagian besar tanggapan publik terhadap film tersebut bersifat positif, terutama terkait unsur komedi yang menjadi daya tarik utama film.
ANALISIS SENTIMEN PUBLIK TERHADAP MASA KEPELATIHAN MICHAEL CARRICK DI MANCHESTER UNITED PADA MEDIA SOSIAL X: KOMPARASI ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE Dymas Ahmad Fadhil; Muhamad Anandithyo Aftarudzaki; Rifqi Febrian; Windah Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18166

Abstract

Analisis sentimen pada media sosial X merupakan pendekatan yang relevan untuk memahami opini publik terhadap isu olahraga, termasuk penilaian terhadap pelatih sepak bola. Perbedaan performa antar algoritma klasifikasi teks menjadi tantangan dalam memilih metode yang paling optimal untuk data berbahasa Indonesia. Penelitian ini bertujuan membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen publik terhadap masa kepelatihan Michael Carrick di Manchester United. Dataset terdiri dari 8.198 tweet berbahasa Indonesia dengan distribusi kelas positif dan negatif yang seimbang (masing-masing 50%). Preprocessing teks meliputi case folding, penghapusan noise, tokenisasi, stopword removal, dan normalisasi slang. Ekstraksi fitur menggunakan TF-IDF Vectorizer (max_features=5.000) dengan rasio pembagian data 80:20 (random_state=42). Hasil evaluasi menunjukkan Naïve Bayes mencapai akurasi 91,40%, sedangkan SVM mencapai 92,50%. SVM terbukti lebih unggul dengan selisih 1,10%, mengindikasikan bahwa SVM lebih efektif dalam menangani data teks media sosial olahraga berbahasa Indonesia yang berdistribusi seimbang.
PREDIKSI TREN KASUS COVID-19 DI AMERIKA SERIKAT BERDASARKAN DATA MOBILITAS MANUSIA MENGGUNAKAN LINEAR REGRESSION DAN RANDOM FOREST Henrie Rafi Ardiyanto; Ferdianto Ferdianto; Rifki Alkazim; Winda Kurnia Sari; Ken Ditha Tania
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18165

Abstract

Pandemi COVID-19 memberikan dampak signifikan terhadap berbagai aspek kehidupan, termasuk kesehatan dan mobilitas masyarakat. Perubahan mobilitas manusia memiliki keterkaitan erat dengan peningkatan atau penurunan kasus COVID-19, sehingga diperlukan metode prediksi yang akurat untuk mengetahui tren kasus dalam jangka pendek. Permasalahan dalam penelitian ini adalah bagaimana memanfaatkan data mobilitas manusia untuk memprediksi perubahan jumlah kasus COVID-19 secara efektif. Penelitian ini bertujuan untuk membangun dan membandingkan model prediksi menggunakan metode regresi. Metode yang digunakan adalah pendekatan kuantitatif dengan membangun dua model, yaitu Linear Regression dan Random Forest Regressor, menggunakan data time series kasus harian COVID-19 dan mobilitas manusia di Amerika Serikat. Evaluasi dilakukan menggunakan RMSE, MAE, dan R². Hasil penelitian menunjukkan bahwa Random Forest Regressor memiliki kinerja lebih baik dibandingkan Linear Regression dalam memprediksi tren jangka pendek kasus COVID-19
ANALISIS PERBANDINGAN RANDOM FOREST DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI TINGKAT RISIKO KECANDUAN JUDI ONLINE BERBASIS K-MEANS CLUSTERING PADA POLA TRANSAKSI PENGGUNA Annisa Olivia Rafidah; Kaisyah Azzahra; Trya Andini Banowati; Winda Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18168

Abstract

Perkembangan teknologi digital telah meningkatkan akses publik ke berbagai platform hiburan daring, termasuk judi online, yang berpotensi menimbulkan risiko kecanduan dengan dampak negatif pada kondisi finansial, psikologis, dan sosial pengguna. Penelitian yang secara spesifik menganalisis tingkat risiko kecanduan judi online berdasarkan pola transaksi masih sangat terbatas, khususnya yang menggabungkan teknik clustering dan klasifikasi secara bersamaan. Penelitian ini bertujuan menganalisis dan membandingkan performa algoritma Random Forest dan Support Vector Machine (SVM) dalam mengklasifikasikan tingkat risiko kecanduan judi online berdasarkan pola transaksi pengguna. Data dari 2.286 pengguna terlebih dahulu dikelompokkan menggunakan K-Means Clustering (k=2) untuk menghasilkan label kelas, kemudian diklasifikasikan menggunakan kedua algoritma dengan penanganan ketidakseimbangan kelas melalui parameter class_weight='balanced'. Hasil evaluasi menunjukkan bahwa Random Forest mencapai akurasi 98,47%, mengungguli Support Vector Machine (SVM) dengan kernel RBF yang mencapai 98,03%. Random Forest juga unggul pada 7 dari 9 metrik evaluasi dan menghasilkan lebih sedikit kesalahan prediksi (7 dari 458 data uji) dibandingkan Support Vector Machine (SVM) (9 dari 458). Random Forest direkomendasikan sebagai model yang lebih efektif untuk klasifikasi risiko kecanduan judi online berbasis pola transaksi pengguna.
ANALISIS PENGARUH FAKTOR METEOROLOGI TERHADAP KONSENTRASI PM2.5 GLOBAL DAN IMPLIKASINYA TERHADAP KESEHATAN MASYARAKAT MENGGUNAKAN RANDOM FOREST DAN XGBOOST Fathoni Fathoni; Jovandra Anata Malayadza; Fitri Amanda; Audya Anggraini Hasim; Winda Kurnia Sari; Ken Ditha Tania
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18169

Abstract

PM2.5 merupakan partikel udara berdiameter ≤2,5 µm yang bersumber dari emisi kendaraan, industri, dan pembakaran biomassa, dan telah menjadi ancaman kesehatan global yang berkontribusi terhadap jutaan kematian akibat penyakit kardiovaskular dan pernapasan. Hubungan antara faktor meteorologi dan konsentrasi PM2.5 bersifat non-linear dan kompleks sehingga tidak dapat dimodelkan secara memadai menggunakan pendekatan statistik konvensional, sementara kajian integratif skala global yang menghubungkan meteorologi, PM2.5, dan implikasi kesehatan masih terbatas. Penelitian ini bertujuan menganalisis pengaruh faktor meteorologi terhadap konsentrasi PM2.5 secara global serta mengevaluasi implikasinya terhadap kesehatan masyarakat berdasarkan standar WHO AQG 2021. Analisis dilakukan menggunakan Random Forest dan XGBoost terhadap Global Air Quality Data yang mencakup 10.000 observasi dari 20 kota di 19 negara dengan variabel input suhu, kelembapan, dan kecepatan angin. Meskipun kemampuan prediksi kuantitatif terbatas akibat kompleksitas data global, Random Forest menunjukkan performa lebih baik dibanding XGBoost dengan MAE 36,31 dan RMSE 42,45. Kecepatan angin, kelembapan, dan suhu teridentifikasi sebagai faktor paling berpengaruh, dengan 79% data berada pada kategori tidak sehat hingga berbahaya berdasarkan WHO AQG 2021
ANALISIS KOMPARASI ALGORITMA K-MEANS DAN HIERARCHICAL CLUSTERING UNTUK SEGMENTASI PELANGGAN DALAM MENGGUNAKAN METODE PEMBAYARAN Rifqi Muhammad Rifat; M Andre Yunizar; Hori Fahmi; Winda Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18173

Abstract

Transformasi digital dalam industri ritel menuntut pemanfaatan data transaksi melalui machine learning untuk memahami perilaku belanja pelanggan secara tepat. Namun, keterbatasan dalam mengenali profil pelanggan berdasarkan pola pembayaran digital sering kali menyebabkan strategi pemasaran tidak tepat sasaran dan kurang personal. Penelitian ini bertujuan melakukan analisis komparatif antara algoritma K-Means dan Hierarchical Clustering untuk menentukan metode segmentasi pelanggan yang paling akurat berdasarkan metode pembayaran. Penelitian ini menggunakan pendekatan kuantitatif pada 3900 data sekunder, kualitas klaster dievaluasi melalui metrik Silhouette Score, Calinski-Harabasz, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa kedua algoritma mampu membentuk lima klaster pelanggan dengan kualitas pemisahan yang sangat baik. Secara spesifik, K-Means menunjukkan kinerja sedikit lebih unggul dengan nilai Silhouette Score 0,8606 dibandingkan Hierarchical Clustering sebesar 0,8595. Temuan ini berhasil memetakan profil pelanggan berdasarkan metode pembayaran dominan seperti Debit Card, PayPal, dan Cash, yang dapat menjadi landasan strategis bagi perusahaan dalam merancang strategi pemasaran yang lebih personal serta tepat sasaran
ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI BINER STATUS KESEHATAN MENTAL PADA TEKS MEDIA SOSIAL Ahmad Rijal Khairullah; Fuad Kanifudin; Habil Al-Farisy; Winda Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

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

Abstract

Kesehatan mental merupakan isu global yang krusial, di mana media sosial menjadi wadah utama bagi pengguna untuk mengekspresikan kondisi psikologisnya. Namun, tingginya volume data teks dan ketidakseimbangan kelas gangguan mental membuat deteksi secara manual menjadi tidak efisien dan rentan terhadap subjektivitas. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Machine Learning, yakni Logistic Regression dan Random Forest, dalam mengklasifikasikan status kesehatan mental secara biner. Metodologi yang digunakan meliputi pemrosesan 53.043 data teks berbahasa Inggris yang disederhanakan menjadi dua kelas, yaitu normal dan not_normal. Teks tersebut diekstraksi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan batasan 8.000 fitur unigram dan bigram, kemudian dibagi menjadi 80% data latih dan 20% data uji secara stratifikasi. Hasil pengujian menunjukkan bahwa kedua model berkinerja stabil dan sangat baik. Random Forest sedikit lebih unggul dengan tingkat akurasi 93,68%, dibandingkan Logistic Regression yang mencapai 93,65%. Kedua model sama-sama mencatatkan F1-Score sebesar 94%. Pendekatan ini terbukti efisien dan sangat akurat sebagai landasan sistem deteksi dini kesehatan mental secara otomatis
ANALISIS PERAN KNOWLEDGE MANAGEMENT TERHADAP EFEKTIFITAS PELAYANAN PADA BENGKEL CEMERLANG RACING MOTOR Ari Heriyadi; Muhammad Hafiz Al Zaky; Muhammad Farhan; Dio Rizqy Saputra; Ken Ditha Tania; Ahmad Rifai
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18183

Abstract

Penelitian ini bertujuan untuk menganalisis peran knowledge management dalam meningkatkan efektivitas pelayanan pada Bengkel Cemerlang Racing Motor Kota Palembang, yang masih menghadapi permasalahan berupa dominasi tacit knowledge dan belum terdokumentasinya pengetahuan secara sistematis. Penelitian menggunakan pendekatan kualitatif deskriptif dengan metode studi kasus melalui observasi, wawancara, dan dokumentasi. Data dianalisis menggunakan model Miles dan Huberman, serta pendekatan model SECI (Socialization, Externalization, Combination, Internalization) untuk menggambarkan proses pengelolaan pengetahuan. Hasil penelitian menunjukkan bahwa penerapan knowledge management mampu mengubah pengetahuan mekanik menjadi explicit knowledge yang terdokumentasi, sehingga mempercepat proses perbaikan, meningkatkan konsistensi kerja, dan meningkatkan kualitas pelayanan. Dengan demikian, knowledge management berperan penting dalam meningkatkan efektivitas pelayanan bengkel.
Co-Authors Adiaz Salsabilah Putri Ahmad Rifai Ahmad Rijal Khairullah Aisy Intan Herita Allsela Meiriza An'nur Aisyah Ghaidah Senjaya Mangkunegara Anadya Nisrina Salsabila Annisa Olivia Rafidah Apriansyah Wahyudi Putra Ari Heriyadi Ari Wedhasmara Audya Anggraini Hasim Azzahra Dezza Syahputri Cherliana Cherliana Dedy Kurniawan Dinda Aulika Elfarin Aritonang Dio Rizqy Saputra Dymas Ahmad Fadhil Fathoni Fathoni Ferdianto Ferdianto Fitri Amanda Fuad Kanifudin Habil Al-Farisy Henrie Rafi Ardiyanto Hori Fahmi Jovandra Anata Malayadza Kaisyah Azzahra Leony Santika M Andre Yunizar Muhamad Anandithyo Aftarudzaki Muhamad Ramadhan Heru Pradipta Muhammad Farhan Muhammad Faza Muhammad Hafiz Al Zaky Nabila Ramadhani Nabilah Putri Maharani Nadhilah Al Adawiyah Nadia Ramadhani Neisya Az Zahra Novita Ramadhini Onky Ardhillah Putri Maharani R.A Callista Salsabila Rahma Ardhia Cahyani Ramanuddin Jaya Revi Amelia Dwifa Futri Rifki Alkazim Rifqi Febrian Rifqi Muhammad Rifat Salsa Yurinka Salsabila Alfath Annisaa' Salsabila Alfath Annisaa’ Taniya Raisha Dwiva Putri Tessa Arianvira Trya Andini Banowati Ulva Khairunnisya Vindira Yusefani Winda Kurnia Sari Winda Kurnia Sari Windah Kurnia Sari