Article Per Year (5 Year)
p-Index From 2021 - 2026
4.601
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Transformatika JURNAL ILMIAH INFORMATIKA SINTECH (Science and Information Technology) Journal JUTEKIN (Jurnal Manajemen Informatika) Jurnal Manajemen Informatika Jurnal Teknologi dan Informasi Antivirus : Jurnal Ilmiah Teknik Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Ilmiah Sains dan Teknologi (SAINTEK) JATI (Jurnal Mahasiswa Teknik Informatika) Competitive Dharma Raflesia : Jurnal Ilmiah Pengembangan dan Penerapan IPTEKS Jurnal Teknik Informatika (JUTIF) Jurnal Sains Teknologi dan Sistem Informasi Merpati Jurnal Informatika Teknologi dan Sains (Jinteks) Data Sciences Indonesia (DSI) JIM: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah Competitive Jurnal Informatika Polinema (JIP) Jurnal Pengabdian Masyarakat Indonesia (JPMI)
Rahayu, Woro Isti
Universitas Logistik Dan Bisnis Internasional
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Physics Social Sciences Transportation Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Analisis Penjualan Kopi Dengan Prediksi Sarima Dan Rekomendasi Berbasis Algoritma Apriori Maresti, Fata Amalia; Aristawidya, Muhammad Vito; Syahfajar, Laode Muhammad Aznur; Rahayu, Woro Isti
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.7176

Abstract

Penelitian ini menganalisis penjualan produk kopi menggunakan model Seasonal Autoregressive Integrated Moving Average (SARIMA) untuk prediksi penjualan dan algoritma Apriori untuk sistem rekomendasi di tiga cabang: Hell's Kitchen, Lower Manhattan, dan Astoria. Hasil prediksi SARIMA menunjukkan bahwa Lower Manhattan memiliki akurasi tertinggi dengan nilai RMSE 12.90 dan MAPE 5.47%, sedangkan Hell's Kitchen dan Astoria menunjukkan tingkat kesalahan prediksi lebih tinggi. Prediksi penjualan tertinggi terjadi di Astoria (300 produk), dan terendah di Hell's Kitchen (201 produk). Rekomendasi optimasi manajemen stok mencakup gangguan stok di Hell's Kitchen, pengelolaan stok presisi di Lower Manhattan, serta analisis pola penjualan lebih mendalam di Astoria. Algoritma Apriori berhasil mengidentifikasi pola pembelian, dengan Hell's Kitchen menunjukkan asosiasi produk terkuat (lift 2.372), Lower Manhattan memiliki aturan asosiasi terbanyak (430 aturan), dan Astoria menunjukkan hubungan asosiasi yang lebih lemah. Strategi yang direkomendasikan meliputi bundling produk di Hell's Kitchen, promosi di Lower Manhattan, serta peningkatan support dan lift di Astoria. Hasil ini diharapkan dapat meningkatkan efisiensi manajemen stok dan strategi penjualan di cabang ketiga.
Implementasi K-Means untuk Melakukan Segmnetasi Produk Berdasarkan Data Transaksi Retail Fatia Amalia Maresti; Woro Isti Rahayu; Maria Bernadina Cintany Lustin; Thiodas Heni Pakpahan
Jurnal Ilmiah Sains dan Teknologi Vol. 9 No. 1 (2025): Jurnal Ilmiah Sains dan Teknologi
Publisher : Teknik Informatika Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/saintek.v9i1.3856

Abstract

Retail companies are one form of business that has experienced significant development. Significant development can lead to many business competitors in the same field. Therefore, every company must be able to find strategies to get the attention of the target market. Fast service and good prices are included in the factors that influence customer interest in making transactions in the retail business. This research aims to classify products into several categories. The method used to perform segmentation is the data mining method with the K-Means algorithm and the elbow method to find the optimal number of clusters. The obtained results of many optimal clusters are 3, namely cluster 0, cluster 1, and cluster 2. The variable that has the most influence on cluster characteristics is the price variable, while the variable that has little influence on cluster characteristics is the quantity variable.
Penerapan Algoritma Apriori untuk Rekomendasi Produk dalam Rangka Peningkatan Hasil Penjualan KUD Sarwa Mukti Cisarua Fatia Amalia Maresti; Woro Isti Rahayu; Kiki Mustaqim; Muhammad Vito Aristawidya; Laode Muhammad Aznur Syahfajar
Jurnal Pengabdian Masyarakat Indonesia (JPMI) Vol. 2 No. 3 (2025): Februari
Publisher : Publikasi Inspirasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62017/jpmi.v2i3.4031

Abstract

Koperasi Unit Desa (KUD) Sarwa Mukti merupakan salah satu koperasi produksi susu sapi perah yang masih aktif beroperasi di Cisarua, Kabupaten Bandung Barat, Jawa Barat.  Secara umum, program bertujuan untuk menerapkan strategi peningkatan penjualan produk KUD Sarwa Mukti, dengan menampilkan dashboard visualisasi hasil penjualan produk dan menerapkan rekomendasi sistem pemesanan produk menggunakan Algoritma Apriori. Algoritma Apriori adalah teknik dalam data mining untuk menemukan aturan asosiasi dalam dataset besar, dengan fokus pada item-item yang sering muncul bersama dalam transaksi. Hasil analisis menunjukkan bahwa produk berbasis susu, seperti Susu Murni dan Milk Shake Ice Cream, memiliki tingkat pembelian tinggi dan sering dibeli bersamaan dengan produk lain seperti Pisang Keju dan Roti Kukus. Dengan nilai lift rata-rata sebesar 1.53, ditemukan keterkaitan kuat antara beberapa produk, yang dapat dimanfaatkan untuk strategi bundling dan promosi. Penerapan association rules menghasilkan 180 aturan asosiasi yang menunjukkan hubungan positif antara produk antecedents dan consequents. Aturan dengan nilai lift tertinggi menunjukkan kecenderungan kuat bagi pelanggan untuk membeli produk secara bersamaan, seperti pada kombinasi Puding Sumur dan Pisang Kipas.
Model Prediksi Churn Pelanggan Indibiz Menggunakan Regresi Logistik dan Extreme Gradient Boosting (XGBoost) Aulia Rahmadiva Wardana; Woro Isti Rahayu; Kiki Mustaqim
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9377

Abstract

Kebutuhan digitalisasi yang semakin pesat mendorong PT. Telekomunikasi Indonesia (Persero) Tbk menghadirkan IndiBiz sebagai layanan internet berbasis fiber untuk mendukung transformasi digital UMKM. Namun, meningkatnya persaingan industri telekomunikasi menimbulkan risiko churn pelanggan yang berpotensi menurunkan pendapatan dan loyalitas. Penelitian ini bertujuan membangun dan membandingkan model prediksi churn menggunakan Regresi Logistik dan Extreme Gradient Boosting (XGBoost), mengidentifikasi tingkat risiko churn pelanggan, serta mengembangkan dashboard interaktif berbasis Streamlit sebagai pendukung pengambilan keputusan. Metode yang digunakan adalah klasifikasi biner pada data pelanggan IndiBiz dengan evaluasi menggunakan akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa XGBoost memiliki performa lebih baik dengan akurasi 83%, recall 0,58, dan F1-score yang lebih tinggi dibandingkan Regresi Logistik (akurasi 81% dan recall 0,56). Namun, nilai precision yang sangat tinggi dan recall yang relatif rendah pada kedua model mengindikasikan kecenderungan model yang konservatif serta kemungkinan ketidakseimbangan kelas, sehingga masih terdapat pelanggan churn yang tidak terdeteksi. Model XGBoost mengelompokkan pelanggan ke dalam kategori risiko churn tinggi (14.255 pelanggan), sedang (3.418 pelanggan), dan rendah (889 pelanggan). Interpretasi menggunakan SHAP menunjukkan bahwa Lama_Berlangganan_Bulan, PAKET_DIGI, dan STO merupakan faktor utama yang memengaruhi churn. Implementasi model dalam dashboard berbasis Streamlit memungkinkan eksplorasi data dan prediksi secara interaktif. Penelitian ini berkontribusi dalam mendukung strategi retensi pelanggan berbasis data, meskipun masih diperlukan pengembangan lebih lanjut untuk meningkatkan kemampuan deteksi churn.
Analisis Faktor-Faktor Penyebab Depresi Mahasiswa di Indonesia Menggunakan Metode Regresi Logistik Kiki Mustaqim; Woro Isti Rahayu; Muhammad William Farma; Muhammad Rizky El Sulthani Lintang
SATESI: Jurnal Sains Teknologi dan Sistem Informasi Vol. 6 No. 1 (2026): April 2026
Publisher : Yayasan Pendidikan Penelitian Pengabdian ALGERO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/satesi.v6i1.7071

Abstract

Depression is one of the most common mental health disorders experienced by university students and can have a serious impact on their psychological state, academic performance and social interactions. Academic pressure, financial demands, and changes in living environment are often factors that trigger an increased risk of depression in this age group. Therefore, a comprehensive analysis is needed to identify factors that contribute to the emergence of depression so that prevention efforts can be targeted. This study aims to analyze the factors associated with depression among university students in Indonesia using logistic regression method as a classification approach. The research data was obtained from the Kaggle platform and included several independent variables, namely age, gender, academic pressure, sleep duration, diet, financial stress, study satisfaction, and suicidal thoughts. The results of the analysis showed that the suicidal thoughts variable was the most significant factor affecting the likelihood of students experiencing depression, with a coefficient value of 15.0964. In addition, the logistic regression model built is able to provide good prediction performance with an accuracy rate of 95%. The findings are expected to serve as a basis for educational institutions and policy makers in designing early detection strategies, interventions, and depression prevention programs to create a healthier and more supportive campus environment.
Analisis Outlier Transaksi Retail Rumah Tangga Menggunakan Segmentasi Multidimensi dan Uji Kruskal-Wallis Kiki Mustaqim; Dini Septiana; Selma Nabila Razani; Woro Isti Rahayu
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.6683

Abstract

Outlier pada data transaksi penjualan seringkali diabaikan atau dihapus tanpa analisis lebih lanjut, daripada itu outlier berpotensi menyimpan informasi penting mengenai perilaku konsumen maupun pola penjualan yang ekstrem. Tujuan untuk menganalisis faktor-faktor yang mempengaruhi transaksi outlier pada retail peralatan rumah tangga dengan pendekatan eksploratif. Outlier pada variabel revenue diidentifikasi menggunakan metode Interquartile Range (IQR) Extreme. Data kemudian disegmentasi berdasarkan atribut konsumen (Frequency dan Monetary), wilayah pembelian (berdasarkan benua), serta dimensi waktu (hari dan bulan). Selanjutnya, pengujian hipotesis dilakukan menggunakan uji Kruskal-Wallis untuk mengetahui perbedaan signifikan antara setiap kategori terhadap nilai revenue. Visualisasi dilakukan untuk melihat distribusi dan pola yang muncul pada masing-masing segmen ataupun atribut. Hasil penelitian menunjukan bahwa kategori harga, faktor wilayah, monetary value konsumen memiliki pengaruh signifikan terhadap variasi revenue pada transaksi outlier. Sementera itu, dimensi waktu pada kategori hari tidak menunjukkan pengaruh yang berarti, tetapi pada kategori bulan memiliki pengaruh yang signifikan. Temuan ini memberikan gambaran penting bagi pengelola retail untuk memahami karakteristik transaksi extreme dan menyusun strategi pemasaran serta manajemen risiko yang lebih efektif.
Implementasi Sistem Informasi Peringkat Akademik Mahasiswa Dengan Metode Ahp Berbasis Web Dengan Arsitektur Model View Controller Woro Isti Rahayu; Ahmad Afif Raihan; Fazli Ihsan Priyadi; Noviana Riza
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.7747

Abstract

Advances in information technology in the world of education have led to digital transformation, especially in the management of student academic data. This project focuses on developing a student academic ranking information system that use the Analytical Hierarchy Process (AHP) method as the basis for ranking structure to support system development so that the files created are more structured.Flask framework is utilized as the backend foundation using Python, integrated with MySQL for database management. The user interface is built with HTML and CSS to ensure a simple yet interactive design. The system allows users to input grades, automatically calculate GPA and semester performance, and determine academic rankings based on criteria weighted using the AHP method. This system is expected to help students monitor and evaluate their academic progress independently in an organized and efficient manner. In addition, this project serves as a learning platform for student developers to apply the knowledge they have gained in the fields of software engineering, data management, and programming logic.
Implementasi K-Means untuk Analisis Manajemen SDM dan Aset Non-Medis Berbasis Web di PT XYZ Aldi Daim Fauzan; Woro Isti Rahayu; Noviana Riza
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8284

Abstract

Transformasi digital menuntut adanya sistem pengelolaan data yang efisien dan berbasis analitik, termasuk di sektor kesehatan. Penelitian ini mengimplementasikan sistem informasi berbasis web untuk analisis manajemen SDM dan aset non-medis melalui integrasi Laravel sebagai backend untuk operasi CRUD dan API, serta Streamlit sebagai dashboard analitik interaktif. Metode yang digunakan adalah algoritma K-Means Clustering untuk segmentasi data karyawan (gaji dan masa kerja) serta perangkat keras (umur dan harga). Hasil Elbow Method menunjukkan jumlah klaster optimal K=3, dengan Silhouette Score 0,639 yang menandakan segmentasi cukup baik. Sistem mampu menampilkan visualisasi berupa distribusi aset, status perangkat, dan profil karyawan, sekaligus memberi rekomendasi berbasis data untuk mendukung pengambilan keputusan manajerial. Integrasi Laravel dan Streamlit terbukti menghasilkan sistem analitik yang fleksibel, mudah diakses, dan potensial menjadi model awal solusi digital analitik non-medis berbasis teknologi.
Co-Authors Ahmad Afif Raihan Aldi Daim Fauzan Annisa Cahyani ARISTAWIDYA, MUHAMMAD VITO Ariwati Hanek, Melvin Aulia Rahmadiva Wardana Aulyardha Anindita Awalina, Eriskiannisa Febrianty Luchia Aznur Syahfajar, Laode Muhammad Damayanti, Fanny Shafira Dini Septiana Dwi Prasetyo Nugroho, Ilham ema ainun novia Eni Lestari Farhan Maulana Fazli Ihsan Priyadi Febrisa Sidabutar, Audry Firwanda, Arjun Yuda Gideon Manik, Teddy Habibi, Roni Haekal Hilmi Zain* Hanum, Nisa Harani, Nisa Hanum Helmi Setywan, Muhammad Yusril Hidayatullah, Muhammad Reefy Hilmi Zain*, Haekal Ichsan Hizman Hardy Kaka Kamaludin Kiki Mustaqim Kiki Mustaqim Kishendrian, Hanan Laode Muhammad Aznur Syahfajar M. Yusril Helmi Setyawan Maresti, Fata Amalia Maresti, Fatia Amalia Maria Bernadina Cintany Lustin Maulana Awannga, Rolly Mohamad Nurkamal Fauzan Muhammad Rizky El Sulthani Lintang Muhammad Vito Aristawidya Muhammad William Farma Mustaqimr, Kiki Ningrumsari Mulyanan, Ikrima Nisa Hanum Harani Nisa Hanum Harani Noviana Riza Nur Raisa Nurul Izza Hamka Prianto, Cahyo Rakasona Rifqi Fathurrohman Riza, Noviana Rolly Maulana Awannga Santoso Selma Nabila Razani Seta Permana Siti Fathonah, Rd Nuraini Siti Fathonah, Rd. Nuraini Situmorang, Ryan Sujana, Ahmad Mugiar Sujana Syafrial Fachri Pane Syahfajar, Laode Muhammad Aznur Thiodas Heni Pakpahan Ulfiani Ramadhani, Firna Wardana, Aulia Yusril Helmi Setyawan, Muhammad Yusuf