Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business Teknofile, Jurnal Sistem Informasi DIGITAL BUSINESS INSIGHTS JOURNAL
Shofi Camila Laisya Amanda
Universitas Islam Indragiri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PERBANDINGAN PENERIMAAN APLIKASI SHOPEE DAN TIKTOK SHOP MENGGUNAKAN TECHNOLOGY ACCEPTANCE MODEL (TAM) Shofi Camila Laisya Amanda; Fitri Yunita
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 1 (2026): Januari 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Perkembangan e-commerce di Indonesia mengalami pertumbuhan pesat yang ditandai dengan hadirnya berbagai platform digital, seperti Shopee dan TikTok Shop. Kedua aplikasi tersebut memiliki karakteristik dan pendekatan layanan yang berbeda, sehingga memengaruhi tingkat penerimaan pengguna. Penelitian ini bertujuan untuk menganalisis dan membandingkan tingkat penerimaan pengguna terhadap aplikasi Shopee dan TikTok Shop menggunakan pendekatan Technology Acceptance Model (TAM). Variabel yang digunakan meliputi perceived usefulness, perceived ease of use, attitude toward using, dan behavioral intention to use. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik pengumpulan data melalui penyebaran kuesioner kepada pengguna aktif Shopee dan TikTok Shop.
IMPLEMENTASI TEKNOLOGI WEB DALAM SISTEM TRANSAKSI BENGKEL SKALA MIKRO “BENGKEL MOTOR ANDI” Novi Fitria Zulina Putri; Shofi Camila Laisya Amanda; Muchlis
Digital Business Insights Journal Vol 2 No 2 (2026): DIGITAL BUSINESS INSIGHTS JOURNAL
Publisher : Fakultas Ekonomi dan Bisnis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/7y2r0j34

Abstract

This article discusses the implementation of simple web technology for transaction data management in micro-scale motorcycle workshops. The case study was conducted at Andi's Motorcycle Workshop, which previously still used manual recording. The application is based on HTML, CSS, and JavaScript. The main features include simple login, service logging, search, local storage, export to Google Sheets, and PDF print. The development of this application is expected to improve the efficiency of data recording and management in small workshops that have not been reached by large-scale digital management systems.
Optimasi Metode K-Nearest Neighbor (KNN) pada Klasifikasi Tingkat Kematangan Buah Pinang Menggunakan Citra Digital Shofi Camila Laisya Amanda; Fitri Yunita; Samsudin Samsudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12727

Abstract

Penentuan tingkat kematangan buah pinang secara manual masih bergantung pada pengamatan visual, sehingga rentan terhadap kesalahan, subjektivitas, dan ketidakkonsistenan akibat perbedaan pengalaman pengamat serta kondisi pencahayaan. Penelitian ini bertujuan mengoptimasi metode K-Nearest Neighbor (KNN) untuk mengklasifikasikan tingkat kematangan buah pinang menggunakan citra digital berdasarkan variasi nilai parameter K. Dataset terdiri atas 360 citra buah pinang yang dikelompokkan ke dalam empat kelas, yaitu muda, sedang, tua, dan kering, dengan pembagian 300 citra sebagai data latih dan 60 citra sebagai data uji. Tahapan penelitian mencakup akuisisi data, pra-pemrosesan berupa penghapusan latar belakang, cropping, dan resize menjadi 64 × 64 piksel, kemudian ekstraksi 17 fitur yang terdiri atas 12 fitur warna RGB dan HSV serta 5 fitur tekstur Gray Level Co-occurrence Matrix (GLCM). Proses klasifikasi menggunakan jarak Euclidean dengan pengujian nilai K sebesar 1, 3, 5, 7, dan 9. Kinerja model dievaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa seluruh variasi nilai K menghasilkan performa yang identik, yaitu accuracy 96,67%, precision 97,06%, recall 96,67%, dan F1-score 96,65%. Dari 60 citra uji, sebanyak 58 citra berhasil diklasifikasikan dengan benar. Nilai K = 1 dipilih sebagai parameter optimal karena memberikan performa tinggi dengan konfigurasi paling sederhana. Temuan ini menunjukkan bahwa kombinasi fitur RGB, HSV, dan GLCM efektif merepresentasikan karakteristik visual kematangan buah pinang.
Co-Authors Fitri Yunita Muchlis Novi Fitria Zulina Putri Samsudin, Samsudin