Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial
Yumi Novita Dewi
Universitas Bina Sarana Informatika
Religion Arts Humanities Computer Science & IT Economics, Econometrics & Finance

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

Found 3 Documents
Search

 1 
Klasifikasi Status Stok Barang Distribusi untuk Persediaan Menggunakan Algoritma Naive Bayes Berdasarkan Histori Data Penjualan PT. Berlian Djaya Nusantara Febri Dwi Hariyanto; Imam Budiawan; Yumi Novita Dewi
Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Vol. 4 No. 2 (2026): Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Volume 4 Nomor 2 June - September
Publisher : PT PUSTAKA CENDEKIA GROUP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70292/pchukumsosial.v4i2.548

Abstract

Inventory management in distribution companies is exposed to excess-stock and shortage risks when replenishment decisions rely mainly on estimates. The sales history of PT Berlian Djaya Nusantara had not been systematically used to distinguish the stock condition of each item. The analysis classified stock status using the Naive Bayes algorithm and 250 sales records from 2025. The processing stages covered data selection, quality checking, transformation, target-class construction, modeling, and evaluation using a confusion matrix. Stock status was derived from Ending Stock through quartile-based discretization, producing Q1 of 138 and Q3 of 311. These thresholds generated 63 Low, 124 Medium, and 63 High records. Sales Quantity, Sales Frequency, and Initial Stock served as predictors, while Stock Status became the classification target. Five training-to-testing ratios were examined: 90:10, 80:20, 70:30, 60:40, and 50:50. The 90:10 ratio produced the strongest performance, with 70.83% accuracy, 70.27% precision, 72.22% recall, and a 71.23% F1-score. The model distinguished the three stock categories and generated measurable information for inventory control, although classification errors remained because the relationships among several attributes were not fully represented by the model.
Klasifikasi Sentimen Social Media Tentang Program Makan Bergizi Gratis dengan Metode Support Vector Machine (SVM) Fikri Fadilah; Imam Budiawan; Yumi Novita Dewi
Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Vol. 4 No. 2 (2026): Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Volume 4 Nomor 2 June - September
Publisher : PT PUSTAKA CENDEKIA GROUP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70292/pchukumsosial.v4i2.549

Abstract

Program Makan Gratis Bergizi (MBG) adalah kebijakan pemerintah yang telah menarik perhatian luas dan menimbulkan berbagai reaksi dari masyarakat, khususnya di platform media sosial seperti X. Beragam opini ini perlu diteliti secara terstruktur untuk memahami bagaimana masyarakat berpikir dan sebagai referensi untuk penyiaran implementasi program tersebut. Algoritma digunakan untuk analisis. Proses tersebut meliputi pembersihan dan pengolahan teks, serta pembobotan kata berdasarkan metode TF-IDF. Penelitian ini menggunakan teknik penambangan teks. Dataset ini berisi 848 tweet berbahasa Indonesia yang telah melalui beberapa proses, termasuk pembersihan, case-folding, tokenisasi, normalisasi, penghapusan stopword, stemming, ekstraksi fitur menggunakan TF-IDF, dan penentuan sentimen, yang dibagi menjadi tiga kelas: positif, negatif, dan netral.Data kemudian dibagi 80:20 untuk pelatihan dan pengujian menggunakan algoritma SVM dengan kernel linier. Penelitian ini menyelidiki bahwa jumlah tweet sama dengan total tweet. Model SVM yang menggunakan kernel linier memberikan hasil terbaik dengan akurasi 80%, skor F1 tertimbang 0,80, dan skor F1 makro 0,77. Temuan ini menunjukkan bahwa kombinasi pra-pemrosesan teks, TF-IDF, dan teknik SVM berhasil dalam mengenali perasaan masyarakat terhadap Program Makanan Bergizi Gratis yang dibahas di media sosial.
Pengembangan Model Klasifikasi Belanja Pegawai Daerah Tahun Anggaran 2025-2026 Menggunakan Algoritma Support Vector Machine Tsabit Faishal Rasyid; Imam Budiawan; Yumi Novita Dewi
Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Vol. 4 No. 2 (2026): Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Volume 4 Nomor 2 June - September
Publisher : PT PUSTAKA CENDEKIA GROUP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70292/pchukumsosial.v4i2.550

Abstract

Ketidakefisienan alokasi belanja pegawai menjadi permasalahan kritis di hampir seluruh pemerintah daerah Indonesia, dengan sebagian besar daerah mengalokasikan lebih dari 30% anggaran untuk komponen personnel. Penelitian ini mengembangkan model klasifikasi menggunakan Support Vector Machine (SVM) untuk mengelompokkan tingkat efisiensi belanja pegawai pada 546 pemerintah daerah berdasarkan data Sistem Informasi Pemerintahan Daerah (SIPD) periode Tahun Anggaran 2025-2026. Pra-pemrosesan data mencakup normalisasi Min-Max, rekayasa fitur, dan pembagian data terstratifikasi 80:20. Optimasi hyperparameter melalui Grid Search dengan 5-Fold Stratified Cross Validation menghasilkan konfigurasi optimal: kernel RBF, C=100, gamma=1. Model mencapai akurasi 98,63%, presisi 98,62%, recall 98,63%, dan F1-Score 98,62% pada data pengujian. Analisis kepentingan fitur menunjukkan bahwa rasio belanja pegawai merupakan prediktor paling dominan. Model secara akurat mengidentifikasi 87,4% daerah pada TA 2026 termasuk kategori tidak efisien, memberikan landasan data yang kuat bagi reformasi kebijakan fiskal daerah.
Co-Authors Febri Dwi Hariyanto Fikri Fadilah Imam Budiawan Tsabit Faishal Rasyid