Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sains Informatika Terapan (JSIT) Technologica
Laras Niti Mulyani
Politeknik Manufaktur Negeri Bangka Belitung
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

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

Found 2 Documents
Search

 1 
Pengembangan Aplikasi Point Of Sale Berbasis Android Pada UMKM Nyemil Beauty Menggunakan Metode Agile Laras Niti Mulyani; Muhammad Iqbal; Adinda Islamaya; Rati; Fionalita Rachmadianti
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.837

Abstract

Nyemil Beauty, UMKM kuliner kontemporer, menghadapi tantangan serius karena pencatatan transaksi manual yang tidak efisien, memperlambat operasional, rentan kesalahan, dan risiko kehilangan data inventaris. Urgensi ini mendorong studi untuk merancang dan mengembangkan aplikasi Point of Sale (POS) berbasis Android.Aplikasi ini bertujuan mengotomatisasi pengelolaan transaksi, data produk, dan laporan penjualan UMKM. Pengembangan menggunakan metode Agile, dengan perancangan meliputi analisis kebutuhan, penyusunan diagram, dan implementasi menggunakan Android Studio, bahasa Kotlin, serta basis data SQLite.Fitur utama aplikasi mencakup pencatatan produk dan transaksi, serta pembuatan laporan penjualan digital. Hasil pengujian pengguna menunjukkan penerimaan positif: 41,87% sangat baik, 55,25% baik, dan 2,5% cukup. Aplikasi POS berbasis Android ini berhasil meningkatkan efisiensi dan akurasi transaksi penjualan di Nyemil Beauty, terbukti mudah digunakan, andal, dan menyediakan solusi permanen atas masalah pencatatan manual.
Deteksi Emosi pada Teks Media Sosial Menggunakan Bidirectional LSTM dan Glove Word Embedding Weri Sirait; Rahmat Hidayat; Laras Niti Mulyani; Arika Juwita Z; Nurhidayat
Technologica Vol. 5 No. 2 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i2.630

Abstract

Setiap harinya, platform media sosial memproduksi jutaan teks yang memuat beragam ekspresi emosional penggunanya. Kemampuan untuk mengenali emosi secara otomatis memiliki manfaat strategis dalam berbagai bidang, seperti analisis sentimen, pemantauan citra merek, dan pengawasan kesehatan mental. Studi ini mengajukan model deteksi emosi yang dibangun berbasis Bidirectional Long Short-Term Memory (BiLSTM) dan dipadukan dengan Glove Word Embedding berdimensi 100 (dilatih pada 6 miliar token dengan kosakata 400.000 kata dari Common Crawl) guna mengklasifikasikan teks media sosial ke dalam enam kategori emosi: joy, sadness, anger, fear, love, dan surprise. Data yang digunakan berasal dari Emotions Dataset for NLP yang tersedia di Kaggle, mencakup 20.000 sampel teks berbahasa Inggris dengan sebaran kelas yang tidak merata (joy: 5.362, sadness: 4.666, anger: 2.159, fear: 1.937, love: 1.304, surprise: 572 pada data latih). Keunggulan penelitian ini terletak pada kajian komparatif yang terstruktur, yang menunjukkan bahwa kualitas representasi vektor melalui pretrained Glove memberikan dampak lebih besar dibandingkan sekadar peningkatan arsitektur (BiLSTM tanpa pretrained), serta bahwa penggabungan keduanya secara sinergis mampu melampaui model baseline. Model BiLSTM + Glove yang diusulkan mencapai akurasi 89,35%, presisi macro 88,12%, recall macro 87,64%, dan F1-score macro 87,88% pada data uji, melampaui LSTM + Glove (86,10%) dan BiLSTM tanpa pretrained embedding (84,75%). Selisih performa ini diperkuat oleh analisis kurva konvergensi dan confusion matrix yang memperlihatkan keunggulan yang konsisten di seluruh kelas emosi
Co-Authors Adinda Islamaya Arika Juwita Z Fionalita Rachmadianti Muhammad Iqbal Nurhidayat Rahmat Hidayat Rati Weri Sirait