Yurika Permanasari
Prodi Matematika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Islam Bandung, Indonesia.

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

Analisis Pemanfaatan Data Sains Dalam Pengambilan Keputusan pada UMKM Pakaian di Kecamatan Cimenyan Kabupaten Bandung Farid Hirji Badruzzaman; Yurika Permanasari; Onoy Rohaeni; Eka Purwanda
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.19

Abstract

Perkembangan teknologi digital telah mendorong pemanfaatan data sebagai sumber daya strategis dalam kegiatan bisnis, termasuk pada Usaha Mikro, Kecil, dan Menengah (UMKM). Namun, pemanfaatan data pada UMKM masih cenderung terbatas dan belum mendukung pengambilan keputusan secara optimal. Penelitian ini bertujuan menganalisis pemanfaatan data sains dalam pengambilan keputusan pada UMKM sektor pakaian di Kecamatan Cimenyan, Kabupaten Bandung, serta mengidentifikasi faktor-faktor yang memengaruhi penggunaannya. Penelitian menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data berupa wawancara mendalam, observasi, dan dokumentasi terhadap pelaku UMKM yang dipilih secara purposive. Analisis data dilakukan menggunakan model interaktif Miles, Huberman, dan SaldaƱa melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa sebagian besar pelaku UMKM memahami data sebatas catatan penjualan dan stok barang yang digunakan untuk kebutuhan operasional. Pengambilan keputusan masih didominasi oleh intuisi dan pengalaman dibandingkan analisis data yang sistematis. Kendala utama yang dihadapi meliputi rendahnya literasi data, keterbatasan teknologi, serta kurangnya pengetahuan mengenai teknik analisis data. Meskipun demikian, pelaku UMKM mulai menyadari pentingnya data dalam mendukung pengembangan usaha dan peningkatan daya saing. Penelitian ini menyimpulkan bahwa terdapat kesenjangan antara potensi pemanfaatan data sains dan praktik yang dilakukan oleh pelaku UMKM. Oleh karena itu, diperlukan peningkatan literasi data, pelatihan analisis sederhana, serta dukungan teknologi yang mudah diakses guna mendorong pengambilan keputusan berbasis data pada UMKM.
Klasifikasi Jenis Sampah Berbasis Dataset Roboflow Menggunakan Convolutional Neural Network (CNN) Muhammad Raka Mugni Mubarok; Yurika Permanasari; Fariz Fahmi Fikri
Jurnal Riset Matematika Volume 6, No.1, Juli 2026, Jurnal Riset Matematika (JRM)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrm.v6i1.10140

Abstract

Abstract. The issue of waste management has become increasingly complex along with the growth of population and human activities. In Indonesia, the high volume of waste and the low recycling rate indicate the need for a more effective waste management system, particularly at the waste sorting stage. Manual sorting of organic, inorganic, and hazardous (B3) waste still faces various obstacles, including low public awareness and limited efficiency. Therefore, this study aims to design and implement an image-based waste classification system using the Convolutional Neural Network (CNN) method as an automated solution for the waste sorting process. The results show that the CNN model achieves an accuracy of 82% for the inorganic class, 85% for the hazardous (B3) class, and 94% for the organic class. Model evaluation indicates good performance in classifying organic and inorganic waste, with F1-scores of 85% and 86%, respectively, while the classification of hazardous (B3) waste shows lower performance with an F1-score of 64%. These results indicate that the model is overall fairly effective, but still faces challenges in distinguishing the visual characteristics of hazardous (B3) waste. Abstrak. Permasalahan pengelolaan sampah saat ini menjadi isu yang semakin kompleks seiring dengan meningkatnya jumlah penduduk dan aktivitas manusia. Di Indonesia, volume sampah yang tinggi serta rendahnya tingkat daur ulang menunjukkan perlunya sistem pengelolaan sampah yang lebih efektif, khususnya pada tahap pemilahan sampah. Pemilahan sampah organik, anorganik dan B3 secara manual masih menghadapi berbagai kendala, antara lain masih rendahnya kesadaran masyarakat dan keterbatasan efisiensi. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi sampah berbasis citra menggunakan metode Convolutional Neural Network (CNN) sebagai solusi otomatis dalam proses pemilahan sampah. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai nilai akurasi sebesar 82% pada kelas anorganik, 85% pada kelas B3, dan 94% pada kelas organik. Evaluasi model menunjukkan performa yang baik dalam mengklasifikasikan sampah organik dan anorganik, dengan nilai F1-Score masing-masing sebesar 85% dan 86%, sedangkan klasifikasi sampah B3 masih memiliki performa yang lebih rendah dengan F1-Score sebesar 64%. Hasil ini menunjukkan bahwa model cukup efektif secara keseluruhan, namun masih menghadapi tantangan dalam membedakan karakteristik visual sampah B3.