Garuda - Garba Rujukan Digital

PENGARUH LAYANAN BIMBINGAN KELOMPOK TERHADAP PENURUNAN TINGKAT KENAKALAN REMAJA SANTRI KELAS X SMA BABUSSALAM PEKANBARU TAHUN AJARAN 2013/2014 Sahira, Mutia; Asyari, Abu; Arlizon, Raja
Jurnal Online Mahasiswa (JOM) Bidang Keguruan dan Ilmu Pendidikan Vol 2, No 2 (2015): Wisuda Oktober Tahun 2015
Publisher : Jurnal Online Mahasiswa (JOM) Bidang Keguruan dan Ilmu Pendidikan

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

Abstract: "The Effect of Guidance Group Service Against Delinquency Rate Decrease Class X SMA Babussalam Pekanbaru in Academic Year 2013/2014". The purpose of this research are: (1) To determine the level of juvenile delinquency picture students in class X SMA Babussalam Pekanbaru before the implementation of the guidance group (2) To determine the level of juvenile delinquency picture students in class X SMA Babussalam Pekanbaru after the implementation of the guidance group (3) To know the different levels of juvenile delinquency students of class X SMA Babussalam Pekanbaru before to after the implementation of the guidance group (4) To determine the effect of the decrease in the level of group counseling juvenile delinquency students in class X SMA Babussalam Pekanbaru. The population was 102 students or all students of class X, the sample size in this study was 15% of the population is 16 students. This research method is quasi experiment. The results based on calculations thitung greater than ttable at a rate of 5% (5.86> 2.042). Then, there are significant differences between juvenile delinquency level before the after-class implementation guidance services group X Babussalam Pekanbaru.Keywords: Guidance group, Juvenile Delinquency

Penerapan Metode K-Means Clustering untuk Segmentasi Performa Pembalap F1 Season 2024 Sahira, Mutia; Salsabila, Adella; Salsabila, Shofi; Putri, Aulia Najibah; Tania, Ken Ditha; Sari, Winda Kurnia
INFOMATEK Vol 27 No 1 (2025): Juni 2025
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v27i1.24297

Performa pembalap Formula 1 tidak hanya ditentukan oleh hasil akhir balapan, tetapi juga oleh konsistensi catatan waktu dan lap tercepat. Penelitian ini menerapkan algoritma K-Means clustering untuk mengelompokkan pembalap berdasarkan performa mereka. Data yang digunakan mencakup hasil balapan resmi musim 2024 yang diterbitkan oleh FIA. Proses pengolahan data mencakup pengumpulan data, preprocessing, analisis eksploratori, penerapan algoritma clustering, serta evaluasi dan interpretasi hasil. Untuk menentukan jumlah cluster yang optimal, digunakan Metode Elbow dan skor Silhouette, yang menghasilkan empat kelompok pembalap dengan karakteristik performa yang berbeda. Hasil analisis menunjukkan bahwa metode ini berhasil mengidentifikasi pola performa yang relevan, memberikan wawasan bagi tim balap dalam menyusun strategi. Evaluasi menggunakan Silhouette Score menunjukkan bahwa segmentasi yang dihasilkan cukup baik dengan nilai sebesar 0.5735.

COMPARATIVE ANALYSIS OF MACHINE LEARNING ALGORITHMS FOR COSMETIC SALES PREDICTION ON TOKOPEDIA Sahira, Mutia; Tania, Ken Ditha; Afrina, Mira
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 4 (2025): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i4.4187

Abstract: The rapid growth of the cosmetics industry on e-commerce platforms has intensified competition, creating a critical need for effective, data-driven marketing strategies. This study aims to conduct a comparative analysis of machine learning algorithms to predict the sales categories (High, Medium, Low) of cosmetic products on the Tokopedia marketplace. Four classification models; Random Forest, XGBoost, Logistic Regression, and Naive Bayes were trained and evaluated on data collected via web scraping. The methodology incorporates the Synthetic Minority Over-sampling Technique (SMOTE) to address significant class imbalance and GridSearchCV for hyperparameter optimization to ensure a fair and robust comparison. The experimental results conclusively show that the Random Forest model achieved the best performance, yielding the highest F1-Score Macro Average of 0.75 and an accuracy of 85.3%. The superior model was subsequently implemented in a simple recommendation system to simulate optimal discount strategies, demonstrating its practical utility in providing actionable insights for business decisions. Keywords: classification; comparative analysis; machine learning; sales prediction; SMOTE Abstrak: Pertumbuhan pesat industri kosmetik pada platform e-commerce telah membuat persaingan ketat, sehingga menciptakan kebutuhan krusial akan strategi pemasaran yang efektif dan berbasis data. Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap algoritma machine learning untuk memprediksi kategori penjualan (Tinggi, Sedang, Rendah) produk kosmetik di marketplace Tokopedia. Empat model klasifikasi, yaitu Random Forest, XGBoost, Regresi Logistik, dan Naive Bayes, dilatih dan dievaluasi menggunakan data yang dikumpulkan melalui web scraping. Metodologi penelitian ini menerapkan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas yang signifikan dan GridSearchCV untuk optimisasi hyperparameter guna memastikan perbandingan yang adil. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai performa terbaik, dengan menghasilkan F1-Score Macro Average tertinggi sebesar 0,75 dan akurasi 85,3%. Model unggul ini kemudian diimplementasikan dalam sebuah sistem rekomendasi sederhana untuk menyimulasikan strategi diskon yang optimal, yang menunjukkan kegunaan praktisnya dalam memberikan wawasan yang dapat ditindaklanjuti untuk pengambilan keputusan bisnis. Kata kunci: analisis komparatif; klasifikasi; machine learning; prediksi penjualan; SMOTE

Penerapan Metode K-Means Clustering untuk Segmentasi Performa Pembalap F1 Season 2024 Salsabila, Shofi; Sahira, Mutia; Salsabila, Adella; Najibah Putri, Aulia; Ditha Tania, Ken; Kurnia Sari, Winda
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

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

Performa pembalap Formula 1 tidak hanya ditentukan oleh hasil akhir balapan, tetapi juga oleh konsistensi catatan waktu dan lap tercepat. Penelitian ini menerapkan algoritma K-Means clustering untuk mengelompokkan pembalap berdasarkan performa mereka. Data yang digunakan mencakup hasil balapan resmi musim 2024 yang diterbitkan oleh FIA. Proses pengolahan data mencakup pengumpulan data, preprocessing, analisis eksploratori, penerapan algoritma clustering, serta evaluasi dan interpretasi hasil. Untuk menentukan jumlah cluster yang optimal, digunakan Metode Elbow dan skor Silhouette, yang menghasilkan empat kelompok pembalap dengan karakteristik performa yang berbeda. Hasil analisis menunjukkan bahwa metode ini berhasil mengidentifikasi pola performa yang relevan, memberikan wawasan bagi tim balap dalam menyusun strategi. Evaluasi menggunakan Silhouette Score menunjukkan bahwa segmentasi yang dihasilkan cukup baik dengan nilai sebesar 0.5735.

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search