Article Per Year (5 Year)
p-Index From 2021 - 2026
3.098
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Jurnal Pengabdian Kepada Masyarakat (Mediteg) Zonasi: Jurnal Sistem Informasi Jurnal Elkolind : Jurnal Elektronika dan Otomasi Industri Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Pengabdian kepada Masyarakat Desa (JPMD) Jurnal Multidisiplin Madani (MUDIMA) Jurnal Algoritma Jurnal Teknologi dan Manajemen Industri Terapan Journal Of Arabic Language Studies And Teaching Abnauna Buffer Informatika Jurnal Riset Multidisiplin Edukasi Menulis: Jurnal Penelitian Nusantara
Fathoni
Unknown Affiliation
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Nursing Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Buffer Informatika

 1 
Implementasi Algoritma K-Means Dalam Analisis Distribusi Pangkalan LPG 3kg Di Kota Palembang Salsabila, Shofi; Fathoni; Mutia Sahira; Adella Salsabila; Aulia Najibah Putri; Ali Ibrahim
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

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

Abstract

Pada 1 Februari 2025, pemerintah Indonesia menetapkan kebijakan pembatasan distribusi LPG 3 kg yang hanya boleh disalurkan melalui pangkalan resmi. Kebijakan ini bertujuan agar subsidi tepat sasaran, tapi juga menimbulkan kekhawatiran soal akses, terutama di wilayah padat dan pinggiran kota seperti Palembang. Penelitian ini menganalisis dampak kebijakan tersebut terhadap aksesibilitas LPG 3 kg serta mengelompokkan kecamatan berdasarkan kecukupan jumlah pangkalan menggunakan algoritma K-Means. Data yang digunakan meliputi jumlah pangkalan LPG dari MyPertamina dan data penduduk dari BPS periode 2019–2021. Setelah data dibersihkan dan dinormalisasi, dilakukan eksplorasi dan implementasi K-Means untuk mengidentifikasi kecamatan dengan distribusi pangkalan yang kurang, cukup, atau berlebih. Hasil clustering menunjukkan bahwa beberapa kecamatan padat seperti Sukarami memiliki rasio pangkalan yang belum ideal dibandingkan jumlah penduduknya, sehingga perlu perhatian khusus dalam perencanaan distribusi. Penelitian ini menunjukkan bahwa penerapan algoritma machine learning seperti K-Means dapat membantu pengambilan keputusan berbasis data untuk mendukung distribusi subsidi LPG yang lebih merata dan efisien.
Deteksi Dini Churn Pelanggan E-Commerce Berbasis CRM di Indonesia Menggunakan Algoritma Random Forest Shahabiyah, Alifa Putri; Pasha, Zakirah Sabrina Putri; Faiza, Aliya; Ibrahim, Ali; Fathoni
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.566

Abstract

Customer churn merupakan salah satu permasalahan utama dalam industri e-commerce karena berdampak langsung terhadap penurunan jumlah pelanggan dan pendapatan perusahaan. Meskipun berbagai penelitian telah dilakukan untuk meningkatkan akurasi prediksi churn, sebagian besar masih berfokus pada aspek teknis tanpa mengaitkannya secara langsung dengan implementasi dalam Customer Relationship Management (CRM). Oleh karena itu, penelitian ini bertujuan untuk membangun model deteksi dini churn pelanggan berbasis machine learning serta mengkaji pemanfaatannya dalam mendukung strategi CRM.Penelitian ini menggunakan dataset ulasan pelanggan e-commerce yang diolah melalui tahap preprocessing, transformasi data, dan pembentukan label churn. Model dibangun menggunakan algoritma Random Forest dengan pendekatan Cross-Validation. Hasil pengujian menunjukkan model berjalan sangat baik dengan akurasi mencapai 99,03%, presisi 76,92%, dan recall 84,42%.Hasil penelitian menunjukkan bahwa data ulasan pelanggan efektif dalam merepresentasikan perilaku pelanggan dan dapat digunakan untuk mendeteksi potensi churn sejak tahap awal interaksi. Model yang dihasilkan dapat diintegrasikan ke dalam sistem CRM untuk mendukung strategi retensi pelanggan secara proaktif melalui deteksi dini pelanggan berisiko churn.
Analisis Asosiasi Pola Perilaku Kerja Karyawan Work From Home Untuk Identifikasi Burnout Berdasarkan FP-Growth Rabbani, Muhammad Randy; Bayu Satria, Eka; Fathoni; Ibrahim, Ali
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.568

Abstract

Perkembangan kerja jarak jauh melalui Work From Home (WFH) memberikan fleksibilitas bagi karyawan, namun juga berpotensi menimbulkan pola kerja yang tidak seimbang dan meningkatkan risiko burnout. Permasalahan tersebut mendorong perlunya analisis yang mampu mengidentifikasi kombinasi perilaku kerja yang berkaitan dengan tingkat burnout secara lebih komprehensif. Penelitian ini bertujuan untuk menganalisis pola asosiasi perilaku kerja karyawan selama WFH dalam mengidentifikasi risiko burnout menggunakan algoritma FP-Growth. Dataset publik dari Kaggle diolah melalui tahapan Knowledge Discovery in Database (KDD), meliputi seleksi data, praproses, transformasi data, penerapan FP-Growth, pembentukan association rule, dan evaluasi menggunakan support, confidence, serta lift. Hasil penelitian menunjukkan bahwa pola dengan screen_time_hours rendah, breaks_taken tinggi, work_hours rendah, dan meetings_count rendah cenderung berasosiasi dengan burnout_risk rendah. Seluruh aturan yang dihasilkan memiliki nilai confidence tinggi, yaitu 0,872–0,907, serta nilai lift di atas 1, yang menunjukkan hubungan positif antarvariabel. Dengan demikian, FP-Growth efektif digunakan untuk mengidentifikasi pola perilaku kerja yang berkaitan dengan risiko burnout pada karyawan WFH.
Classification of Depression Severity Using a Random Forest Algorithm Based on Lifestyle, Demographic, and Psychological Factors faizah, haniyah; Theonady, Oktavio; Salsabillah S, Syalwa; Fathoni; Ibrahim, Ali
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.569

Abstract

Depression among college students is a mental health issue that impacts quality of life and academic performance. However, factors influencing depression levels such as lifestyle, demographics, and psychological factors have not yet been analyzed in an integrated manner. This study aims to develop a depression severity classification model using the Random Forest algorithm based on these factors. The dataset consists of 1,998 records with 16 features selected through the Knowledge Discovery in Database (KDD) process. To address data imbalance, the Synthetic Minority Over-sampling Technique (SMOTE) was applied. The results show that the Random Forest model achieved an accuracy of 97.88% and an AUC of 0.998. Feature importance analysis indicates that the variables Symptoms, Nervous Level, and Employment Status are dominant factors in determining depression levels. Based on these results, the model is capable of effectively classifying depression levels and has the potential to serve as the basis for an early detection system in the university setting.
Analisis Pola Keputusan Pembelian di Tokopedia berbasis Machine Learning untuk Customer Relationship Management Sabilla Janna, Andin; Juliyanti, Tamara; Samudra, Muhammad Bayu; Ibrahim, Ali; Fathoni
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.571

Abstract

Pertumbuhan pesat platform e-commerce telah memengaruhi keputusan pembelian konsumen, khususnya pada marketplace seperti Tokopedia. Penelitian ini bertujuan menganalisis pola keputusan pembelian produk makanan dan minuman serta merumuskan implikasinya terhadap strategi Customer Relationship Management (CRM) berbasis data. Metode yang digunakan adalah pendekatan kuantitatif dengan dataset sebanyak 9.711 ulasan pelanggan yang diperoleh melalui Kaggle. Analisis dilakukan menggunakan Naive Bayes untuk klasifikasi keputusan pembelian ulang dan FP-Growth untuk menemukan pola asosiasi antara rating, harga, dan keputusan pembelian. Tahapan praproses meliputi pembersihan data, transformasi atribut, diskretisasi, serta pemrosesan teks menggunakan TF-IDF. Hasil penelitian menunjukkan bahwa Naive Bayes menghasilkan akurasi 60,18% dengan precision kelas Y sebesar 94,30%, namun recall masih dipengaruhi oleh ketidakseimbangan data. FP-Growth menunjukkan bahwa rating bintang 5 merupakan faktor paling dominan dalam pembelian ulang, dengan kombinasi rating bintang 5 dan harga sedang menghasilkan confidence tertinggi sebesar 98,6%. Temuan ini menegaskan pentingnya kepuasan pelanggan dan mendukung perumusan strategi CRM yang lebih terarah.
Co-Authors Adella Salsabila Afrianti, Eka Agusman, Dzaky Ahmad Futuhal Arifin Ahmad Sholahuddin Akhmad Suhartono Ali Ibrahim Ali Ibrahim Ardina Ariani Aulia Najibah Putri Ayu Triana Bayu Satria, Eka Eka Darmayanti Simanullang Endang Lestari Ruskan Faiza, Aliya faizah, haniyah Heroza, Rahmat Iin Seprina Imtiyaz, Indy Indah, Dwi Rosa Indah Indra Arif Firmansyah Irwansyah, Aziiz Juliyanti, Tamara Khalid, Mohammad Khoirunnisa, Ananda M. Husni Syahbani M. Yunus Abu Bakar Maulana Achmad Kurniawan Mgs Afriyan Firdaus Mimbar Ali Sakti, Yudhit Mohammad Ahyanul Wafi Mohammad Su’udun Nafis Muhammad Pradipta Baskara Murtono, Ari Mutia Sahira Naretha Kawadha Pasemah Gumay Nela Dyah Ayu Febrianti Ningsih, Rafika Octaria Nurul Amalia Azlikah Nurul Fahmiyah Nyimas Diah Permata Sari Pakpahan, Jonathan Parastiwi, Andriani Pasha, Zakirah Sabrina Putri Rabbani, Muhammad Randy Rido Nur Hidayat Robani, Muhammad Tsabita Sabilla Janna, Andin Salsabila, Shofi Salsabillah S, Syalwa Samudra, Muhammad Bayu Shahabiyah, Alifa Putri Siregar, Richi Nauli Juniarto Suhaimi, Muhammad Naufal Theonady, Oktavio Waton, Muhammad Nasrul Yelli Nur Alinda Yoga Prasetiyo Zuni Humairoh