Claim Missing Document
Check
Articles

Pengelompokan Potensi Ekonomi Provinsi Sulawesi Tenggara menggunakan Metode Fuzzy C-Means Clustering L.M. Aznur Syahfajar; Noviana Riza; 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.v6i1.8969

Abstract

Penelitian ini bertujuan untuk mengelompokkan wilayah kabupaten/kota di Provinsi Sulawesi Tenggara berdasarkan potensi ekonomi sumber daya alam menggunakan metode Fuzzy C-Means Clustering (FCM). Analisis difokuskan pada lima sektor ekonomi primer strategis, yaitu pertanian, UMKM, perkebunan, perkebunan buah, dan perikanan, dengan data bersumber dari Badan Pusat Statistik Provinsi Sulawesi Tenggara melalui Potensi Desa (PODES) dan statistik sektoral tahun 2024. Tahapan penelitian meliputi preprocessing, normalisasi, penentuan jumlah klaster optimal, penerapan FCM, serta evaluasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Score. Hasil penelitian menunjukkan terbentuknya tiga klaster utama pada setiap sektor dengan karakteristik yang berbeda, misalnya sektor pertanian didominasi oleh wilayah berproduksi pangan tinggi di Klaster 1, sedangkan Klaster 3 mencakup wilayah berproduktivitas rendah. Evaluasi model menghasilkan nilai Silhouette Score 0,53–0,61 dan Davies-Bouldin Index <0,7 pada sebagian besar sektor, menunjukkan kualitas klasterisasi yang baik. Visualisasi peta tematik memperlihatkan pola distribusi spasial yang jelas, dan analisis lanjutan menghasilkan rekomendasi kebijakan sektoral seperti penguatan hilirisasi, peningkatan akses pasar UMKM, dan optimalisasi teknologi pertanian. Penelitian ini diharapkan menjadi acuan dalam perumusan kebijakan pembangunan daerah yang lebih tepat sasaran dan berbasis data.
Analisis dan Perbandingan Sentimen Lirik Lagu pada Album Logic Mess dan Life Update Karya Arash Buana Menggunakan NRC Emotion Lexicon Kimi Thora Refolino; James Aldo Parlindungan; Woro Isti Rahayu
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 7 No. 3 (2026): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jimik.v7i3.1908

Abstract

Song lyrics are a form of textual data that can be analyzed using Natural Language Processing (NLP) to identify the emotional patterns contained within them. This study aims to analyze and compare the emotional distribution in the lyrics of Arash Buana’s albums Logic Mess and Life Update using the NRC Emotion Lexicon. The dataset consists of lyrics from 20 songs, including 10 songs from Logic Mess and 10 songs from Life Update. Data were collected through a web scraping technique and processed using several preprocessing stages, including case folding, tokenization, and stopword removal. Emotion analysis was conducted by matching the resulting tokens with emotion categories in the NRC Emotion Lexicon. The results indicate that Logic Mess is dominated by negative emotion (18.49%), followed by sadness (12.22%), anger (10.77%), and fear (10.61%), reflecting a more reflective and melancholic emotional character. In contrast, Life Update is dominated by positive emotion (17.91%), followed by joy (11.23%), sadness (11.23%), and anticipation (11.08%), indicating a more optimistic emotional tendency. Comparative analysis reveals an increase in positive emotions and a decrease in negative emotions in Life Update. These findings demonstrate that the NRC Emotion Lexicon-based NLP approach can systematically and effectively identify and compare emotional characteristics in song lyrics. Despite limitations in interpreting contextual nuances, metaphors, and irony, the NRC Emotion Lexicon enables systematic emotion mapping and contributes to computational musicology and psychological studies of creative works.
Implementasi Algoritma C5.0 untuk menentukan Pelanggan Potensial di Kantor Pos Cimahi Nisa Hanum Harani; Woro Isti Rahayu; Fanny Shafira Damayanti
Jurnal Transformatika Vol. 19 No. 2 (2022): January 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v19i2.3098

Abstract

Kantor Pos Cimahi merupakan perusahaan BUMN yang bergerak pada bidang jasa pengiriman barang. Saat ini banyak perusahaan swasta yang bergerak dalam bidang jasa pengiriman barang, sehingga menyebabkan banyaknya pesaing bagi Kantor Pos Cimahi dan dapat menyebabkan pelanggan yang menggunakan jasa Kantor Pos Cimahi berkurang. Oleh karena itu diperlukan suatu sistem yang dapat membantu Kantor Pos Cimahi untuk dapat menentukan pelanggan potensial agar dapat diketahui pelanggan mana yang potensial sehingga dapat diberikan perlakuan khusus agar pelanggan tersebut tetap menggunakan jasa Kantor Pos Cimahi. Sistem yang dibangun menggunakan bahasa pemrograman PHP dan metode Algoritma C 5.0 yang merupakan salah satu algoritma pohon keputusan yang dapat membantu untuk menentukan pelanggan potensial. Penelitian menggunakan data transaksi periode bulan januari oktober 2020 dimana atribut yang digunakan yaitu bulan, nama perusahaan, jenis kiriman yang digunakan, jumlah transaksi selama sebulan, dan total uang. Hasil penelitian menunjukan bahwa algoritma C 5.0 mampu melakukan menentukan data pelanggan potensial dengan akurasi sebesar 96%.
ANALISIS KLASTER RASIO KEUANGAN PT PEGADAIAN DENGAN METODE K-MEANS DAN RANDOM FOREST Kimi Thora Refolino; Woro Isti Rahayu
Competitive Vol. 21 No. 1 (2026): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36618/competitive.v21i1.4646

Abstract

Analisis rasio keuangan banyak digunakan untuk menilai kinerja perusahaan, khususnya dari sisi leverage dan profitabilitas. Namun, perubahan pola rasio keuangan dalam jangka panjang sering sulit dilihat secara jelas tanpa bantuan analisis berbasis data. Penelitian ini bertujuan untuk mengelompokkan kinerja keuangan PT Pegadaian periode 2010–2024 dengan menggabungkan metode unsupervised learning dan supervised learning. Analisis dilakukan menggunakan rasio Debt to Asset Ratio (DAR) dan Return on Assets (ROA), yang distandardisasi dengan Z-score, kemudian dikelompokkan menggunakan algoritma K-Means dan diuji kembali menggunakan model Random Forest. Hasil penelitian menunjukkan terbentuknya tiga kelompok kinerja keuangan yang menggambarkan perbedaan kondisi leverage dan profitabilitas antarperiode, dengan nilai silhouette score sebesar 0,5976. Model Random Forest menghasilkan tingkat akurasi sebesar 80 persen, meskipun kinerjanya lebih rendah pada kelompok dengan jumlah data yang terbatas. Penelitian ini menunjukkan bahwa kombinasi DAR dan ROA dapat digunakan tidak hanya untuk menilai kinerja keuangan, tetapi juga untuk mengelompokkan dan memahami pola perubahan kinerja perusahaan dalam jangka panjang dengan bantuan metode pembelajaran mesin.
CHATBOT PANDUAN FITUR APLIKASI WAKTOO MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE Radio Ananto Hargiyanto; Woro Isti Rahayu; Noviana Riza
Competitive Vol. 21 No. 1 (2026): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36618/competitive.v21i1.4854

Abstract

Efisiensi layanan karyawan merupakan aspek penting dalam manajemen sumber daya manusia. Namun, keterbatasan jumlah personel sering menghambat penyampaian informasi dan panduan penggunaan aplikasi perusahaan kepada karyawan baru, khususnya mahasiswa magang. Penelitian ini bertujuan mengembangkan chatbot sebagai media pendamping dalam memberikan informasi terkait penggunaan aplikasi Waktoo HRM, meliputi presensi, manajemen tugas, dan kebijakan perusahaan. Dataset yang digunakan terdiri atas pattern, response, dan label intent yang disimpan pada database MongoDB. Sistem chatbot dibangun menggunakan Streamlit dengan pendekatan Natural Language Processing (NLP), memanfaatkan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur dan Support Vector Machine (SVM) melalui implementasi LinearSVC pada pustaka Scikit-Learn sebagai algoritma klasifikasi intent. Evaluasi model dilakukan menggunakan train-test split 80:20 serta Stratified 5-Fold Cross Validation pada data latih untuk mengukur konsistensi dan kemampuan generalisasi model. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan accuracy sebesar 84,44%, precision 85,69%, recall 84,44%, dan F1-score 84,01%. Selain itu, cross-validation menghasilkan rata-rata F1-score sebesar 0,87 dengan standar deviasi 0,02 yang menunjukkan performa model yang konsisten. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan SVM efektif dalam mengklasifikasikan intent pengguna pada chatbot Waktoo HRM.
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 Ayu Andani Aznur Syahfajar, Laode Muhammad Dini Septiana Dwi Prasetyo Nugroho, Ilham ema ainun novia Eni Lestari Fanny Shafira Damayanti Farhan Maulana Fatia Amalia Maresti Fazli Ihsan Priyadi Febrisa Sidabutar, Audry Firwanda, Arjun Yuda Gideon Manik, Teddy Habibi, Roni Haekal Hilmi Zain* Hanum, Nisa Helmi Setywan, Muhammad Yusril Hidayatullah, Muhammad Reefy Hilmi Zain*, Haekal Ichsan Hizman Hardy James Aldo Parlindungan Kaka Kamaludin Kent Bryan Yasin Kiki Mustaqim Kiki Mustaqim Kimi Thora Refolino Kishendrian, Hanan L.M. Aznur Syahfajar Laode Muhammad Aznur Syahfajar M. Yusril Helmi Setyawan Maresti, Fata Amalia Maresti, Fatia Amalia Maria Bernadina Cintany Lustin Maulana Awannga, Rolly Mohamad Nurkamal Fauzan Muhamad Rafif Al Hafizh 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 Radio Ananto Hargiyanto 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