Claim Missing Document
Check
Articles

Penerapan Teknik Data Mining untuk Menentukan Rencana Strategi Penjualan Febriana Santi Wahyuni; Hani Zulfia Zahro’
JUPITER (JURNAL PENDIDIKAN TEKNIK ELEKTRO) Vol. 7 No. 1 (2022)
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/jupiter.v7i1.12267

Abstract

Dalam rangka menghadapi persaingan dan meningkatkan pendapatan perusahaan, pihak terkait dalam perusahaan tersebut dituntut untuk dapat mengambil keputusan yang tepat dalam menentukan strategi penjualan. Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari kumpulan data tersebut. Data mining mampu menganalisa data yang besar menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan. Salah satu Teknik data mining yang digunakan adalah klasifikasi. Klasifikasi merupakan teknik didalam pemanfaatan data mining yang digunakan dengan mengelompokan data-data berdasarkan kemiripan data tersebut. Adapun algoritma yang digunakan dalam penelitian ini adalah Naïve Bayes, dimana algoritma ini menggunakan metode probabilitas dan statistik untuk memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya. Tujuan dari penelitian ini adalah mengimplementasikan metode klasifikasi Naïve Bayes pada suatu aplikasi prediksi untuk menghasilkan informasi produk/barang yang terlaris dijual sehingga dapat digunakan untuk membantu dalam menentukan strategi penjualan. Tahapan penelitian meliputi analisis, perancangan, implementasi, pengujian dan penyusunan laporan. Dari hasil ujicoba menunjukkan bahwa telah berhasil dikembangkan suatu aplikasi untuk melakukan prediksi terhadap penjualan barang dengan menggunakan metode Naïve Bayes.
Rancang Bangun e-Modul Berbasis Android Materi Pelatihan Microsoft Office dan Google Spreadsheet di RW 10 Desa Pesanggrahan Kota Batu Agung Panji Sasmito; Febriana Santi Wahyuni; Hani Zulfia Zahro’
JUPITER (JURNAL PENDIDIKAN TEKNIK ELEKTRO) Vol. 8 No. 1 (2023)
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/jupiter.v8i1.16056

Abstract

Dewasa ini, teknologi telah merambah ke seluruh bentuk kegiatan masyarakat. Hasil observasi tim penulis menunjukkan bahwa sebagian besar warga RW 10 Desa Pesanggrahan mempunyai perangkat smartphone Android. Namun, smartphone tersebut mayoritas hanya digunakan sebagai fungsi dasar. Artikel ini bertujuan untuk membuat modul elektronik berbasis Android yang dapat digunakan di mana saja dan kapan saja serta mempermudah pembelajaran selama berlatih Microsoft Word, Google Excel, dan Google Spreadsheet. Pengembangan e-Modul dilaksanakan dengan metode waterfall dengan hasil: (1) seluruh skenario pengujian fungsionalitas e-Modul secara blackbox testing diterima; dan (2) e-Modul dapat dipergunakan sebagai media pelatihan yang valid.
Analisis Sentimen Potensi Gempa Megathrust di Indonesia Menggunakan Random Forest Mikhael Christian; Agung Panji Sasmito; Hani Zulfia Zahro'
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95469

Abstract

Abstrak :Pada bulan Agustus tepatnya di tahun 2024, berita mengenai adanya potensi gempa megathrust di Indonesia membuat kalangan warga internet heboh salah satunya di media sosial X. Hal ini menimbulkan kekhawatiran dan adanya perbedaan sudut pandang dalam menanggapi berita ini di kalangan masyarakat terlebih para pengguna media sosial. Dikarenakan Indonesia sendiri memiliki 13 zona subduksi yang tersebar di beberapa wilayah. Zona subduksi sendiri merupakan pertemuan antar lempeng besar yang saling bertubrukan dan dapat mengakibatkan gempa megathrust. Akan tetapi, terdapat dua zona yang hangat diperbincangkan, yaitu Megathrust Mentawai-Siberut dan Selat Sunda. Penelitian ini bertujuan untuk mengevaluasi reaksi masyarakat online dalam menanggapi isu megathrust. Pendekatan yang akan digunakan dalam penelitian ini adalah metode Random Forest, yang dikenal mampu menangani data yang besar dan akurasi yang dihasilkan tinggi. Tahapan pengolahan data meliputi pembersihan teks (cleaning), case folding, normalisasi, tokenisasi, penghapusan stopword, stemming, serta adanya evaluasi model. Data yang digunakan untuk melakukan pelatihan dan pengujian berasal dari tweet dengan kata kunci megathrust. Hasil pengujian menggunakan data latih sebanyak 136 data dan menghasilkan nilai recall 84.38%, precision sebesar 71.05%, dan accuracy sebesar 63.24% dalam mengklasifikasikan sentimen netral. Penelitian ini diharapkan dapat membantu lembaga pemerintahan dan organisasi sadar bencana memahami persepsi masyarakat di dunia maya. Dengan wawasan ini, lembaga terkait dapat lebih efektif dalam merancang strategi komunikasi, penyuluhan, serta mitigasi risiko, sehingga mendukung peningkatan kesiapsiagaan bencana di Indonesia.===================================================Abstract :In August, in 2024, news of a potential megathrust earthquake in Indonesia caused a stir among internet citizens, including on social media X. This caused concern and different perspectives on this news among the public, especially social media users. This caused concern and different points of view in responding to this news among the public, especially social media users. Indonesia itself has 13 subduction zones spread across several regions. The subduction zone itself is a meeting between large plates that collide with each other and can cause megathrust earthquakes. However, there are two zones that are hotly discussed, namely the Mentawai-Siberut Megathrust and the Sunda Strait. This study aims to evaluate the reaction of online communities in responding to the megathrust issue. The approach that will be used in this research is the Random Forest method, which is known to be able to handle large data and high accuracy. Data processing stages include text cleaning, case folding, normalization, tokenization, stopword removal, stemming, and model evaluation. The data used to conduct training and testing comes from tweets with megathrust keywords. The test results used 136 training data and produced a recall value of 84.38%, precision of 71.05%, and accuracy of 63.24% in classifying neutral sentiment.  This research is expected to help government agencies and disaster awareness organizations understand public perception in cyberspace. With this insight, related institutions can be more effective in designing communication strategies, counseling, and risk mitigation, thus supporting the improvement of disaster preparedness in Indonesia
Development of the 3D Game “Lavender's Warmth” Using the Collision Detection Method Nayaka Apta Nayottama; Febriana Santi Wahyuni; Hani Zulfia Zahro
JISA(Jurnal Informatika dan Sains) Vol 8, No 2 (2025): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v8i2.2558

Abstract

This study presents the development of a 3D puzzle–adventure game titled “Lavender’s Warmth” using the Collision Detection and Finite-State Machine (FSM) methods. The use of Collision Detection is essential because the game relies heavely in physical interaction between puzzle pieces, slots, and environmental object. Without Collision Detection, the game would fail to validate puzzle placement. Meanwhile, the FSM approach is required to regulate enemy behaviour in structured manner. The Finite-State Machine was chosen because it is one of the most widely adopted approaches for modeling NPC behavior, offering deterministic transitions, low memory usage, and ease of debugging. Alternative techniques such as behavior trees or utility AI are more complex and unnecessary for the simple enemy mechanics in this game. Therefore, Finite-State Machine provides the most appropriate balance between functionality, performance, and development simplicity. The game was developed using Unity 3D and tested through functionality, method, and user evaluations. The results showed that all main features worked as expected, with 52.63% of users strongly agreeing and 40.64% agreeing that the game was engaging and enjoyable. The implementation of both methods successfully enhanced interactivity, responsiveness, and gameplay consistency.