Article Per Year (5 Year)
p-Index From 2021 - 2026
2.47
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal SOLMA JURTEKSI JOURNAL OF SCIENCE AND SOCIAL RESEARCH JSR : Jaringan Sistem Informasi Robotik Journal Computer Science and Informatic Systems : J-Cosys Jurnal Inkofar Jurnal Sistem Informasi Jurnal Masyarakat Madani Indonesia SmartComp Jurnal Pengabdian Sosial Jurnal Pengabdian Kepada Masyarakat Bersinergi Inovatif Jurnal Bisantara Informatika
Elfaladonna, Febie
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Sosialisasi Penggunaan Aplikasi Monitoring Kinerja Account Representative di KPP Palembang Ilir Timur Novita, Nita; Elfaladonna, Febie; Garniadi, M. Aris; Sartika, Devi; Putra, Andre M
Jurnal Pengabdian Sosial Vol. 1 No. 2 (2023): Desember
Publisher : PT. Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/b3stca43

Abstract

Kantor Pelayanan Pajak (KPP) adalah unit kerja dari Direktorat Jenderal Pajak yang melaksanakan pelayanan dibidang perpajakan kepada masyarakat baik yang terdaftar sebagai wajib pajak maupun belum, di dalam lingkup wilayah kerja Direktorat Jenderal Pajak (DJP). Biasanya, kegiatan monitoring kinerja Account Representative pada KPP Palembang Ilir Timur masih dilakukan dengan pencatatan manual sehingga tidak efektif dan efisien. Tujuan dilakukannya kegiatan ini adalah memberikan sosialisasi terhadap penggunaan sistem monitoring kinerja Accont Representative yang diperuntukan bagi seluruh pegawai Account Representative pada perusahaan KPP Palembang Ilir Timur. Kegiatan ini dapat memberikan pengetahuan terhadap cara kerja sistem, hingga pada cara penanganan error atau bug yang terjadi saat sistem sedang digunakan.
SUPPORT VECTOR MACHINE ANALYSIS FOR INTEREST AND TALENT CLASSIFICATION WITH PYTHON LIBRARY Sartika, Devi; Elfaladonna, Febie; Putra, Andre Mariza
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 3 (2024): Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i3.3067

Abstract

Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths            Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm  Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka. Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat 
Analisis Metode Class-Based Storage Pada Aplikasi Monitoring Letak Petikemas PT. XYZ Sartika, Devi; Elfaladonna, Febie; Lutfia S, Siti
Journal Computer Science and Information Systems : J-Cosys Vol 3, No 2 (2023): J-Cosys - September 2023
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v3i2.428

Abstract

Tujuan dari pembuatan sistem ini adalah untuk memudahkan dalam pencatatan data bongkar muat serta pencarian letak petikemas pada container yard. Penerapan metode pada aplikasi berfokuskan untuk pencarian letak petikemas pada saat pengguna jasa akan melakukan pengeluaran petikemas. Metode yang digunakan dalam pengelompokan blok dalam container yard menggunakan metode Class Based-Storage. Proses yang digunakan untuk merancang sistem adalah diagram konteks dan ERD. Diharpakan dengan penerapan metode Class Based Storage ini daapat berguna bagi pelaksanaan kegiatan monitring letak peti kemas pada PT. XYZ
Peningkatan Pengetahuan dan Keterampilan Kader Posyandu Kenanga XXII Cikarang dalam Pemantauan Stunting dengan Alat Antropometri serta Aplikasi eStuntCare Amalia, Tisa; Haifa, Ayu Izzatin; Sari, Nita Winda; Ariyanti, Maulia Bunga; Nurazizah, Aidina; Kustiawan, Nazwa Meilia; Ananta, Jenny Risca; Amelia, Siti; Anjani, Jenni; Debora, Fransisca; Elfaladonna, Febie
Jurnal SOLMA Vol. 14 No. 3 (2025)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v14i3.20674

Abstract

Background: Stunting merupakan kondisi kesehatan yang disebabkan oleh kekurangan gizi dalam periode waktu panjang, yang berdampak pada hambatan pertumbuhan fisik serta perkembangan mental anak. Dampak stunting tidak hanya terbatas pada gangguan pertumbuhan tubuh, tetapi juga memengaruhi perkembangan kognitif, produktivitas di masa depan, hingga meningkatkan risiko penyakit kronis. Pemerintah Kabupaten Bekasi menargetkan penurunan prevalensi stunting hingga 10% pada tahun 2025. Oleh karena itu, Posyandu Kenanga XXII Cikarang yang berlokasi di Perumahan Imanan Residence perlu melakukan upaya perbaikan melalui peningkatan kapasitas kader sebagai tenaga pendukung pelayanan kesehatan ibu dan anak, khususnya dalam pemahaman kesehatan serta keterampilan pengukuran tinggi dan berat badan. Metode: Kegiatan pengabdian masyarakat dilaksanakan melalui tahapan sosialisasi, pelatihan, penerapan teknologi, pendampingan, evaluasi, hingga rencana keberlanjutan program. Pelaksanaan dimulai dengan diskusi kelompok terarah (FGD) bersama mitra, yang kemudian menghasilkan tiga materi utama untuk pelatihan. Hasil: Kegiatan berlangsung pada 5 Juli dan 9 Agustus 2025 di Posyandu Kenanga XXII Cikarang dengan agenda utama pelatihan bagi kader serta sosialisasi aplikasi e-StuntCare kepada masyarakat. Hasil evaluasi menunjukkan adanya peningkatan pemahaman kader hingga 100% terkait kesehatan ibu dan anak (KIA), gizi serta pemberian makanan dalam 1000 Hari Pertama Kehidupan (HPK), serta penggunaan antropometri sebagai alat ukur pertumbuhan. Kesimpulan: Kegiatan ini berhasil meningkatkan pengetahuan kader posyandu, serta menghasilkan dukungan berupa penyediaan alat antropometri dan pemanfaatan aplikasi digital e-StuntCare sebagai sarana pemantauan stunting yang dapat digunakan masyarakat secara mandiri.
Exploratory Data Analysis (EDA) dalam Dataset Penerimaan Mahasiswa Baru Universitas XYZ Palembang Isa, Indra Griha Tofik; Zulkarnaini, Zulkarnaini; Novianti, Leni; Elfaladonna, Febie; Agustri, Suzan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i3.4125

Abstract

Keberhasilan suatu pemodelan salah satunya dipengaruhi oleh kualitas dari dataset yang dianalisis. Exploratory Data Analysis merupakan teknik yang digunakan dalam data understanding untuk mengeksplorasi data mana saja yang memiliki kualitas yang nantinya digunakan dalam tahapan pemodelan. Kasus yang diangkat dalam penelitian ini adalah dataset penerimaan mahasiswa baru di Universitas XYZ, dimana untuk tujuan akhirnya adalah bagaimana memprediksikan preferensi program studi bagi calon pendaftar. Namun dari dataset tersebut dengan beragam data perlu dikaji lebih lanjut untuk mencermati kualitas data yang valid, kredibel, mendukung dalam pemodelan preferensi pilihan program studi. Sebuah EDA akan diimplementasikan sebagai solusi dari penelaahan data dengan melihat ragam data dari dataset penerimaan mahasiswa baru, potensi fitur yang mendukung dalam tahap pemodelan, rekomendasi yang perlu dilakukan untuk tahapan lanjut dalam sebuah siklus data sains. Tahapan penelitian dilakukan dengan Analisis Permasalahan, Akuisisi Data, Exploratory Data Analysis (EDA), Interpretasi Anomali, Rekomendasi Fitur. Hasil akhir berupa 14 rekomendasi fitur dari dataset penerimaan mahasiswa baru yang terdiri dari Jenis Kelamin, Tanggal Lahir (Umur), Program Studi, Status Sipil, Provinsi, Kota, Anak Ke, Jumlah Saudara, Penghasilan, Jenjang, Program Kuliah, Jenis Sekolah, Jurusan Sekolah, Nilai Unas, Tahun Lulus
Co-Authors Agustri, Suzan Alfian, Denny Amelia, Nyimas Rizki Amelia, Siti Ananta, Jenny Risca Anjani, Jenni Ariyanti, Maulia Bunga Ebtaria Nadeak, Ebtaria Fransisca Debora Garniadi, M. Aris Haifa, Ayu Izzatin Isa, Indra Griha Tofik Kusnandar, Meivi Kustiawan, Nazwa Meilia Leni Novianti Lutfia S, Siti Malahayati Malahayati Mariza P, Andre Meiriska, Ienda Nita Novita Nurazizah, Aidina Octarina, Ayu P, Andre Mariza Puja K, Fitrianto Putra, Andre M Putra, Andre Mariza Sakban, Muhammad Sari, Nita Winda Sartika, Devi Shafiyani, Martha Saena Tisa Amalia, Tisa Zulkarnaini Zulkarnaini