Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah Jurnal Sains Sistem Informasi
Silvia Ratna
Fakultas Teknologi Informasi UNISKA MAB
Computer Science & IT

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

Found 3 Documents
Search

 1 
DETEKSI FRAUD PADA TRANSAKSI KARTU KREDIT E-COMMERCE: ANALISIS PERBANDINGAN TEKNIK PENANGANAN KETIDAKSEIMBANGAN KELAS MENGGUNAKAN FITUR INTERPRETABLE M. Muflih; Silvia Ratna; Yusri Ikhwani
Technologia : Jurnal Ilmiah Vol 16 No 2 (2025): Technologia (April)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v16i2.25089

Abstract

Ketidakseimbangan kelas merupakan hambatan utama dalam pengembangan sistem deteksi fraud transaksi kartu kredit pada lingkungan e-commerce. Penelitian ini bertujuan membandingkan efektivitas tiga teknik penanganan ketidakseimbangan kelas, yaitu tanpa penyeimbangan, oversampling sintetis, dan pembobotan kelas, yang dikombinasikan dengan tiga algoritma klasifikasi sehingga menghasilkan sembilan skenario eksperimen. Data yang digunakan berjumlah 20.000 transaksi dengan proporsi fraud sebesar 1,70 persen dan memiliki fitur yang dapat diinterpretasi secara langsung. Setiap skenario dioptimasi melalui pencarian grid dan dievaluasi menggunakan validasi silang berulang berstrata serta data uji independen dengan metrik area di bawah kurva presisi-recall. Hasil penelitian menunjukkan bahwa model linear tanpa penyeimbangan memberikan capaian tertinggi, sedangkan teknik penyeimbangan meningkatkan recall namun menurunkan presisi secara tajam tanpa memperbaiki capaian keseluruhan. Optimasi ambang keputusan terbukti meningkatkan keseimbangan kinerja lebih efektif dibandingkan penerapan teknik penyeimbangan data. Temuan ini menegaskan bahwa kalibrasi ambang keputusan perlu diprioritaskan dalam perancangan sistem deteksi fraud pada perdagangan elektronik.
OPTIMASI BOBOT HYBRID CONTENT-BASED FILTERING UNTUK REKOMENDASI PRODUK FASHION TOKOPEDIA M. Muflih; Silvia Ratna; Nur Alamsyah
Jurnal Sains Sistem Informasi Vol 2 No 2 (2024): JSSI (Mei)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v2i2.25094

Abstract

Ketersediaan produk yang sangat banyak pada platform e-commerce menimbulkan permasalahan kelebihan informasi bagi pengguna. Collaborative Filtering umum digunakan untuk mengatasi permasalahan tersebut, namun kinerjanya bergantung pada riwayat interaksi eksplisit pengguna yang pada praktiknya tidak selalu tersedia, terutama pada data ulasan publik tanpa identitas pengguna. Penelitian ini mengembangkan sistem rekomendasi produk fashion Tokopedia menggunakan pendekatan Content-Based Filtering ganda yang menggabungkan dua sinyal konten, yaitu kemiripan nama produk dan kemiripan teks ulasan pengguna, melalui skema weighted hybrid. Kedua representasi dibentuk menggunakan Term Frequency-Inverse Document Frequency dan dihitung kemiripannya dengan Cosine Similarity. Bobot kombinasi dioptimalkan menggunakan Grid Search berdasarkan Normalized Discounted Cumulative Gain pada data validasi. Eksperimen dilakukan pada 1.520 produk fashion dari 46 toko yang diperoleh dari data ulasan Tokopedia. Hasil pengujian menunjukkan bahwa hybrid dengan bobot optimal (alpha=0,80) menghasilkan NDCG@10 sebesar 0,919, lebih tinggi dibandingkan hybrid berbobot sama (0,888) dan model tunggal berbasis ulasan (0,267), menunjukkan bahwa kemiripan nama produk memberikan kontribusi lebih dominan dibandingkan teks ulasan pengguna.
DEKOMPOSISI HIERARKIS UNTUK PENINGKATAN AKURASI KLASIFIKASI EMOSI ULASAN E-COMMERCE INDONESIA MENGGUNAKAN INDOBERT M. Muflih; Silvia Ratna; Herry Adi Chandra
Jurnal Sains Sistem Informasi Vol 2 No 3 (2024): JSSI (September)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v2i3.25095

Abstract

Pemilahan opini pelanggan ke dalam lima kategori emosi menyediakan informasi yang jauh lebih tajam daripada pemilahan positif dan negatif, namun akurasinya masih tertahan karena satu model dipaksa memisahkan kelima kategori itu sekaligus. Studi ini menawarkan jalan keluar berupa pemecahan persoalan menjadi susunan bertingkat. Bahan yang dipakai adalah PRDECT-ID, himpunan 5.400 ulasan Tokopedia dari 29 kategori produk yang telah dianotasi ke dalam lima kategori emosi. Prosedur kerja disusun dalam lima tahap sesuai kerangka Knowledge Discovery in Databases. Pemeriksaan awal menemukan pemilahan sempurna antara kedua jenis label, tanpa satu pun kategori emosi yang muncul di dua sisi sentimen, sehingga persoalan lima kelas dapat dipecah menjadi satu tugas penentuan cabang dan dua tugas pengenalan di dalam cabang yang masing-masing hanya memuat dua dan tiga kategori. Penentuan cabang dijalankan secara lunak melalui perkalian peluang cabang dengan peluang emosi di dalamnya, dan diuji melalui dua skenario, yakni berbasis teks dan berbasis peringkat bintang. Susunan bertingkat menghasilkan akurasi 69,35% berbanding 67,59% pada model datar, sementara F1 makro naik dari 0,6243 ke 0,6580. Perbaikan paling menonjol muncul pada kategori yang semula paling kabur pengenalannya.
Co-Authors Herry Adi Chandra M. Muflih Nur Alamsyah Yusri Ikhwani