Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi Jurnal Mandiri IT JEECS (Journal of Electrical Engineering and Computer Sciences)
Tias, Rahmawati Febrifyaning
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk Wijaya, Fairizal Aaron Wahyu Tanamas Satria; Prasetyo, Eko; Tias, Rahmawati Febrifyaning
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 2 (2024): Agustus 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.100-109

Abstract

Pasar swalayan menghasilkan transaksi penjualan dengan pelanggan dengan laju pertumbuhan data tinggi. Data transaksi sejumlah barang memiliki pola berbeda, ada yang tinggi dan ada yang rendah. Perbedaan ini mengakibatkan pola penjualan antar satu produk dengan produk lainnya berbeda. Pola ini juga mengakibatkan pengelolaan stok dan promosi juga berbeda. Maka, untuk memudahkan pengelolaan barang, perlu dilakukan pengelompokan trend penjualan otomatis menggunakan K-Means. Namun, metode perhitungan jarak (dissimilarity) standar tidak tepat digunakan pada data periodik. Penelitian ini bereksperimen mengelompokkan data periodic trend penjualan produk menggunakan metode K-Means dan DTW (Dynamic Time Warping) untuk perhitungan jarak. DTW melakukan perhitungan jarak dengan memperhatikan data histori periode sebelum dan setelah data yang sedang dihitung. Pelibatan data disekitarnya akan membentuk jarak sesuai dengan pola data periodik. Hasil pengelompokan data tahun 2021, Cluster 1 dengan 417 data memiliki pola naik dari awal tahun kemudian menurun, selanjutnya perlahan naik kembali di pertengahan hingga akhir tahun. Cluster 2 dengan 2403 data memiliki pola stabil di awal tahun, ketika di pertengahan tahun mulai naik, kemudian di akhir tahun turun namun kembali naik. Cluster 3 dengan 289 data memiliki pola menurun saat awal tahun, namun terlihat stabil hingga akhir tahun. Hasil ekeperimen pengelompokan trend penjualan menggunakan metode K-Means dengan jarak DTW menunjukkan hasil yang baik dan memiliki pola data dalam kelompok yang sesuai karakteristik alami. Hal ini didukung oleh validitas Davies-Bouldin index -1.215 dimana nilai yang semakin kecil mendekati nol menunjukkan kualitas cluster yang dicapai baik.
Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk Wijaya, Fairizal Aaron Wahyu Tanamas Satria; Prasetyo, Eko; Tias, Rahmawati Febrifyaning
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 2 (2024): Agustus 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.100-109

Abstract

Pasar swalayan menghasilkan transaksi penjualan dengan pelanggan dengan laju pertumbuhan data tinggi. Data transaksi sejumlah barang memiliki pola berbeda, ada yang tinggi dan ada yang rendah. Perbedaan ini mengakibatkan pola penjualan antar satu produk dengan produk lainnya berbeda. Pola ini juga mengakibatkan pengelolaan stok dan promosi juga berbeda. Maka, untuk memudahkan pengelolaan barang, perlu dilakukan pengelompokan trend penjualan otomatis menggunakan K-Means. Namun, metode perhitungan jarak (dissimilarity) standar tidak tepat digunakan pada data periodik. Penelitian ini bereksperimen mengelompokkan data periodic trend penjualan produk menggunakan metode K-Means dan DTW (Dynamic Time Warping) untuk perhitungan jarak. DTW melakukan perhitungan jarak dengan memperhatikan data histori periode sebelum dan setelah data yang sedang dihitung. Pelibatan data disekitarnya akan membentuk jarak sesuai dengan pola data periodik. Hasil pengelompokan data tahun 2021, Cluster 1 dengan 417 data memiliki pola naik dari awal tahun kemudian menurun, selanjutnya perlahan naik kembali di pertengahan hingga akhir tahun. Cluster 2 dengan 2403 data memiliki pola stabil di awal tahun, ketika di pertengahan tahun mulai naik, kemudian di akhir tahun turun namun kembali naik. Cluster 3 dengan 289 data memiliki pola menurun saat awal tahun, namun terlihat stabil hingga akhir tahun. Hasil ekeperimen pengelompokan trend penjualan menggunakan metode K-Means dengan jarak DTW menunjukkan hasil yang baik dan memiliki pola data dalam kelompok yang sesuai karakteristik alami. Hal ini didukung oleh validitas Davies-Bouldin index -1.215 dimana nilai yang semakin kecil mendekati nol menunjukkan kualitas cluster yang dicapai baik.
Quality of Service (QoS) Analysis using Wireshark on the LAN Network at An Najiyah High School Surabaya Hamidah, Mas Nurul; Tias, Rahmawati Febrifyaning; Zainal, Rifki Fahrial
Jurnal Mandiri IT Vol. 12 No. 4 (2024): April: Computer Science and Field.
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mandiri.v12i4.273

Abstract

In the realm of information technology, Indonesia has entered the fourth generation, or 4G, which is a fast, widely available internet network that can be used to advance a variety of industries, including the agricultural, social, cultural, economic, and even educational ones. Additionally, from 2020 to the beginning of 2022, you will need to be connected to the internet in order to stay productive during the Covid-19 virus outbreak. This is especially true for the education sector, since online teaching and learning activities are essential for maintaining productivity. An Najiyah Surabaya High School needs reliable internet access in order to provide better support for its online learning students. An Najiyah High School Surabaya employs QOS (Quality of Service) to monitor network quality and data traffic transferred over the network. Three QoS parameters—packet loss, throughput, and delay—will be used in this research's analysis. concentrate on keeping an eye on the local area network (LAN); the value is then retrieved following the network's monitoring. When text data transmission on a LAN network was tested, the results indicated that the network quality at SMA Na Najiyah Surabaya was very good, with values of 2.6 Mbps for throughput, o% packet loss, and 0% and 0.12 ms delay.
Analysis of the Indonesian Tourist Destination Recommendation System Using User Profile-Based Collaborative Filtering Hamidah, Mas Nurul; Zainal, Rifki Fahrial; Tias, Rahmawati Febrifyaning; Ardiansyah, Tio Kukuh
JEECS (Journal of Electrical Engineering and Computer Sciences) Vol. 11 No. 1 (2026): JEECS (Journal of Electrical Engineering and Computer Sciences) - In press
Publisher : Fakultas Teknik Universitas Bhayangkara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54732/jeecs.v11i1.6

Abstract

Tourism recommendation systems in Indonesia are challenged by highly heterogeneous user preferences and severe rating sparsity, which undermine the effectiveness of conventional collaborative filtering methods. However, prior studies predominantly rely on rating-based interactions and often utilize generic datasets, limiting their ability to capture the contextual and behavioural diversity of Indonesian tourism. Although user profile information is known to influence preferences, its integration with latent factor models is still fragmented and rarely evaluated in a unified, context-aware framework. Consequently, existing approaches often produce suboptimal accuracy and lack robustness in sparse and imbalanced data environments. This study proposes a unified user profile-enriched collaborative filtering framework that integrates Singular Value Decomposition (SVD), Jaccard similarity, and K-Nearest Neighbor (KNN) to jointly model latent preferences and contextual user characteristics. This integration constitutes the main novelty of this work, enabling simultaneous mitigation of sparsity and enhancement of personalization in a single pipeline. Experiments are conducted on an Indonesian tourism dataset, with performance evaluated using Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and execution time. The results show that the proposed method consistently outperforms the rating-based baseline, achieving lower MAE (1.6994 vs. 1.7355) and RMSE (2.0653 vs. 2.1148), while maintaining comparable computational efficiency. Furthermore, the model demonstrates greater stability across varying neighbor sizes, indicating improved scalability and robustness. Practically, this approach provides a scalable and context-aware recommendation framework that can support more adaptive and personalized tourism services in Indonesia, particularly in real-world scenarios characterized by sparse and heterogeneous data.
Co-Authors Ardiansyah, Tio Kukuh Eko Prasetyo Hamidah, Mas Nurul Heni Pujiastuti Rifki Fahrial Zainal Wijaya, Fairizal Aaron Wahyu Tanamas Satria