Article Per Year (5 Year)
p-Index From 2021 - 2026
5.002
P-Index
This Author published in this journals
All Journal Dinamik Agrikultura Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal Sistemasi: Jurnal Sistem Informasi Jurnal Pilar Nusa Mandiri JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi JURNAL PENDIDIKAN TAMBUSAI J-SAKTI (Jurnal Sains Komputer dan Informatika) JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Wahana Pendidikan J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Teknologi Sistem Informasi Jurnal Informatika dan Rekayasa Komputer
Umaidah, Yuyun
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Implementation of the K-Means Algorithm in Sales Clustering at a Company using the KDD Methodology Rochmawati, Milla; Bagaskara, Ganes Wisnu Cahya; Adha, Ismail Adhiya; Umaidah, Yuyun; Voutama, Apriade
Sistemasi: Jurnal Sistem Informasi Vol 13, No 1 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i1.3074

Abstract

This research aims to implement K-Means algorithm in sales clustering at PT Sila Tirta Gemilang using Knowledge Discovery in Databases (KDD) methodology. PT Sila Tirta Gemilang is a company operating in the bottled drinking water industry sector. This research was conducted using a KDD approach that involves collecting historical sales data and has the main objective of improving the company's understanding of their product sales patterns. K-Means Clustering algorithm is used to classify products based on similar sales characteristics. In the K-Means method, the optimal cluster center point is determined to group products with comparable sales performance. By applying clustering using K-Means algorithm and KDD method, clustering of water types that are in significant demand at PT Sila Tirta Gemilang was conducted. As a result, three clusters were found, each containing water types with different characteristics. Cluster 0 has 1 water type with a high level of interest, while Cluster 1 has 3 water types with a low level of interest. Finally, Cluster 2 consists of 2 water types with a medium level of interest. From the results that have been obtained, companies can take more appropriate steps to increase profits and optimize their sales performance.
IMPLEMENTASI K-MEANS DALAM PENGELOMPOKAN PENYEBARAN PENYAKIT DBD DI JAWA BARAT Rosiana, Puput Silva; Mohsa, Alpin Apriliansyah; Umaidah, Yuyun
Jurnal Informatika dan Teknik Elektro Terapan Vol. 11 No. 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3344

Abstract

Penyakit menular ini disebut penyakit demam berdarah atau DBD adalah penyakit infeksi virus aedes aegyppti yang akut yang disebabkan oleh virus dengue yang di tularkan melalui gigitan pada nyamuk. Berdasarkan tahun 2020, terjadi 24 ribu kasus infeksi DBD di Provinsi Jawa Barat. Maka dari itu, pada penelitian ini mengenai penyakit atau infeksi virus DBD pada Provinsi Jawa Barat menjadi sangat penting untuk dilakukan penelitian untuk menemukan pola penyebaran pada kasus ini. Data yang digunakan dalam penelitian ini berasal dari Open Data Jawa Barat, yaitu portal resmi data terbuka milik Pemerintah Provinsi Jawa Barat. Data yang diambil adalah data yang terkait dengan kasus infeksi Demam Berdarah Dengue (DBD) berdasarkan provinsi dari tahun 2014 hingga 2021.  Open Data Jawa Barat menyediakan data dari Perangkat Daerah di lingkungan Pemerintah Provinsi Jawa Barat guna memenuhi kebutuhan masyarakat akan data yang akurat dan terkini.   Kemudian data ini akan diseleksi, dari total terdapat 9 atribut hanya 3 atribut saja yang dipilih yaitu nama kabupaten kota, jumlah kasus, dan tahun. Jumlah anggota cluster 0 menunjukan 139 data dan kriteria rendah 139 data, lalu untuk cluster 1 menunjukan 33 data dengan kriteria tinggi 33 data, dan untuk cluster 2 memiliki 260 data dengan kriteria sedang 260 data. Evaluasi  yang digunakan yaitu dengan teknik silhouette score dengan hasil score 0,5931974349414901.
ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN SIANG GRATIS PADA MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAÏVE BAYES Sitanggang, Altolyto; Umaidah, Yuyun; Adam, Riza Ibnu
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4902

Abstract

Dalam era digital, media sosial seperti X, Facebook, dan Instagram telah menjadi bagian penting dari kehidupan modern, memungkinkan individu untuk berbagi pandangan dan opini dengan cepat. Salah satu topik hangat di X adalah program makan siang gratis dari pasangan calon presiden nomor urut 02, yang bertujuan meningkatkan gizi anak dan ibu hamil, mencakup 82,9 juta orang. Program ini memicu beragam tanggapan masyarakat. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap program tersebut menggunakan algoritma Naïve Bayes dan metode Knowledge Discovery in Database (KDD). Data dikumpulkan melalui crawling pada media sosial X, menghasilkan 2.211 tweet yang kemudian diseleksi dan diberi label sentimen positif dan negatif. Algoritma Naïve Bayes diuji dengan tiga skenario pembagian data training dan testing, dan dievaluasi menggunakan confusion matrix. Hasil evaluasi menunjukkan model mencapai hasil terbaik pada rasio data 60:40 dengan akurasi 72,2%, presisi 63,2%, recall 66,1%, dan F1-Score 64%. Keywords: Naïve Bayes, KDD, Makan Siang Gratis, X, Sentimen.
SISTEM PAKAR MENDIAGNOSA PENYAKIT GIGI MENGGUNAKAN METODE FORWARD CHAINING BERBASIS WEBSITE Suyantoputri, Fanny; Umaidah, Yuyun; Mayasari, Rini
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5743

Abstract

Gigi adalah organ tubuh keras yang berada di dalam mulut, berguna untuk mengatur makanan saat makan. Masalah kesehatan masyarakat yang sangat penting adalah kesehatan gigi karena memiliki efek yang luas sehingga memerlukan penanganan yang cepat. Permasalahan penyakit gigi di Indonesia masih cukup tinggi, minimnya pengetahuan kesehatan gigi salah satu penyebab rendahnya kesadaran masyarakat Kesehatan gigi sehingga pencegahan dan perawatan gigi tidak dilakukan secara maksimal. Terdapat 5 penyakit gigi yang sering ditemukan yaitu Karies, Gingivitis , Periodontitis , abses dan impaksi gigi. Untuk membantu pasien untuk mendiagnosa awal penyakit berdasarkan gejala, dibuatlah sistem pakar diagnosis penyakit gigi menggunakan metode forward chaining dengan menggunakan rancangan penelitian Expert System Development Life Cycle (ESDLC). Sistem pakar ini menghasilkan identifikasi penyakit gigi yang sesuai dengan gejala-gejala yang telah dipilih. Bahasa pemrograman yang dipakai adalah PHP dan HTML, kemudian dijalankan di Localhost. Penelitian ini telah diuji menggunakan dua pengujian yaitu pengujian black box dan pengujian pakar. Hasil dari pengujian black box pengujian menunjukkan sistem yang dijalankan sudah sesuai dengan yang diinginkan dan pengujian menunjukkan hasil dari sistem sudah sesuai dengan hasil diagnosa pakar.
Analisis Sentimen Isu Childfree Di Media Sosial Twitter Menggunakan Algoritma Support Vector Machine Nurhidayati, Lidya; Umaidah, Yuyun; Enri, Ultach
Jurnal Ilmiah Wahana Pendidikan Vol 10 No 4 (2024): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10521284

Abstract

AbstractSentiment analysis is a process to process, convert and interpret a text and classify it in the form of positive and negative sentiments. The phenomenon of childfree in Indonesia is currently causing debate and has become a trending topic on several social media, especially Twitter. The assumption that childfree decisions are categorized as selfish decisions is certainly closely related to the patriarchal culture that exists in Indonesia. This patriarchal culture is certainly very much in line with the concept of gender construction, where the childfree decision for women is considered a form of female selfishness. Based on this, an analysis of public sentiment related to the issue of childfree on Twitter social media using the Support Vector Machine (SVM) algorithm using 4 kernels. This research uses the KDD method by going through the stages of data selection, preprocessing, transformation, data mining, and evaluation. The data used are tweets totaling 1,447 tweets. The data was then selected into 1,447 which were divided into 1178 positive label data and 226 negative label data. In the data mining stage, the data is divided into 4 scenarios, namely 90:10, 80:20, 70:30, and 60:40. The best results were found in the first scenario with the Linear kernel, resulting in 75.93% accuracy, 83.33% precision, and 68.97% recall, showing the effectiveness of the algorithm in analyzing sentiment regarding the childfree phenomenon on Twitter. Keywords: Sentiment Analysis, Childfree, Support Vector Machine
Penerapan K-Means Clustering Berbasis Model LRFM Untuk Segmentasi Pelanggan Pada PT Fazri Putra Mandiri Nuraini, Nabilah Hasna; Umaidah, Yuyun; Maulana, Iqbal
Jurnal Ilmiah Wahana Pendidikan Vol 12 No 3.C (2026): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

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

Abstract

The opportunities of shipping service business nowadays has led to an intense competition between businesses which has an impact on decreasing revenue for PT Fazri Putra Mandiri. The company must plan for marketing strategies and provide best services for potential and loyal customers to retain customers. To achieve this goal, customer segmentation is conducted to identify groups of customers with distinct characteristics. By understanding these characteristics, companies can develop more effective strategies aimed at customers who demonstrate high potential value and loyalty. The LRFM model is an approach in the marketing field that can be used in the clustering process to analyze potential and loyal customer segments. In this research, customer segmentation is carried out using the K-means clustering algorithm based on the LRFM model (Length, Recency, Frequency, Monetary). Determination of the k value using the Elbow method resulted in three best clusters with a silhouette score of 0.572. Cluster 0 consists of 611 customers, Cluster 1 consists of 600 customers, and Cluster 2 consists of 400 customers. The segments derived from the analysis are classified as New Customers, Lost Customers, and Loyal Customers.
Analisis Sentimen Komentar Instagram terkait Isu Sosial pada Akun Detikcom Dewi, Erika Sita; Naya, Ariella Chandra; Umaidah, Yuyun
Jurnal Pendidikan Tambusai Vol. 10 No. 1 (2026)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v10i1.37235

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna Instagram pada akun @detikcom yang berkaitan dengan isu-isu sosial menggunakan model Artificial Neural Network (ANN) berbasis Long Short-Term Memory (LSTM). Data yang digunakan terdiri dari 525 komentar yang dikumpulkan menggunakan tools Apify dengan aktor apify/instagram-comment-scraper dari postingan terkait isu sosial selama periode Maret hingga Mei 2025. Komentar-komentar ini kemudian diproses melalui tahapan pra-pemrosesan teks meliputi case folding, pembersihan data, stemming, penghapusan kata umum (stop-word), dan tokenisasi untuk memastikan konsistensi dan kebersihan data. Pelabelan sentimen dilakukan dengan pendekatan leksikon, yang mengklasifikasikan komentar ke dalam tiga kategori: positif, negatif, dan netral berdasarkan jumlah kata bermuatan emosional. Model ANN dibangun dengan arsitektur LSTM yang terdiri dari embedding layer, dua lapisan LSTM, dan dense layer dengan fungsi aktivasi softmax untuk klasifikasi multi-kelas. Data dilatih dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 74% dengan performa yang relatif seimbang di semua kelas. Mayoritas komentar termasuk dalam kategori netral, diikuti oleh positif dan negatif. Meskipun LSTM terbukti efektif dalam mengenali pola sentimen dari teks media sosial, tantangan tetap ada dalam mendeteksi sarkasme, ironi, dan ekspresi informal khas media sosial. Penelitian ini memberikan kontribusi terhadap pemetaan opini publik secara otomatis, dan dapat dikembangkan lebih lanjut dengan model yang lebih canggih dan data yang lebih besar serta lebih beragam.
Co-Authors Adha, Ismail Adhiya Agustin, Amellia Veronica Alexander, Hizkia Anesha Lutia, Frise Apriade Voutama Arga Adi Putra, Harvian Aries Suharso Aufarrizqi, Adrian Bagaskara, Ganes Wisnu Cahya Carudin, Carudin Destiana, Tiara Dewi, Erika Sita Eddy Ryansyah Enri, Ultach Fadlurrahman Muchdyansyah, Raihan Farissa, Riva Arsyad Fauzan, Muh. Yoga Fitrianti, Ika garno, Garno Hakim, Reza Hannie, Hannie Haya Amalia, Salma Hidayatullah, Haikal Iqbal Maulana Jajuli, M. Jamaludin, Asep Maemunah Maemunah Maharadja, Alfanda Novebrian Mahatmayana, I Ketut Manu Mayasari, Rini Meila Azzahra Sofyan, Fazrin Mohsa, Alpin Apriliansyah Naya, Ariella Chandra Nur Amalia, Indira Nuraini, Nabilah Hasna Nurhidayati, Lidya Nuria, Dwinda Putri Nursidik Dinar, Ahmad Nursyahfitri, Rika Padilah, Tesa Nur Pajri, Dicki Permana, Hendi Pramudja, Stevanus Ertito Prasetya, Muhammad Erlangga Pratama, Aditiya Yoga Pratama, Sena Purwantoro Putri Riyandoro, Affani Riza Ibnu Adam, Riza Ibnu Rochmawati, Milla Rosiana, Puput Silva Rusfauzi Surya, Muhammad Sa'adah, Fitria Nur Safitri, Tiara Sarwanti, Ruth Tika Sitanggang, Altolyto Suhaeni Suhaeni, Suhaeni Susilo Yuda Irawan, Agung Suyantoputri, Fanny Trihandoko, Kardo Vito Anggoro, Alfian