Article Per Year (5 Year)
p-Index From 2021 - 2026
7.828
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Telematika Scientific Journal of Informatics Jurnal Ilmiah KOMPUTASI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Indonesian Journal of Artificial Intelligence and Data Mining INOVTEK POLBENG INOVTEK Polbeng - Seri Informatika Dinamisia: Jurnal Pengabdian Kepada Masyarakat JURNAL ILMIAH INFORMATIKA JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer JURTEKSI ComTech: Computer, Mathematics and Engineering Applications JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Jurnal Mantik Jurnal Informatika dan Rekayasa Elektronik Jurnal Teknologi Dan Sistem Informasi Bisnis JSR : Jaringan Sistem Informasi Robotik Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal J-PEMAS Jurnal Dinamika Informatika (JDI) Jurnal Algoritma J-COSCIS : Journal of Computer Science Community Service JAIA - Journal of Artificial Intelligence and Applications Malcom: Indonesian Journal of Machine Learning and Computer Science SATIN - Sains dan Teknologi Informasi Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer The Indonesian Journal of Computer Science International Journal of Advances in Artificial Intelligence and Machine Learning
Efrizoni, Lusiana
Program Studi Teknik Informatika, STMIK Amik Riau
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 3   4   5   6   7 
Comparison of Machine Learning Algorithm Models in Bitcoin Price Sentiment Analysis Afrinanda, Rizky; Tawa Bagus, Wahyu; Efrizoni, Lusiana
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3180

Abstract

Bitcoin is one of the digital payments that is currently booming, fast delivery makes bitcoin in great demand by many people, currently there are many digital currency exchanges that can be used, one of the well-known ones in Indonesia, namely Indodax. Indodax is a cryptocurrency exchange, not only an exchange, Indodax also provides a chat room containing investors' opinions. Opinions contained in the Indodax chat room can be used to determine whether comments are positive, neutral or negative, so that it can be an investor's decision to sell or buy bitcoin using sentiment analysis. The sentiment analysis process begins with collecting data using an instant data scraper on the Indodax website, data preprcoessing, labeling using vader lexicon, TF-IDF as word weighting, data splitting, naïve Bayes algorithm and support vector machine, feature selection xgboost and gradient boosting, model evaluation with confusion matrix, then comparing the results of the two algorithms. Based on the tests that have been carried out, naïve bayes obtained the best accuracy value of 70.7%, naïve bayes combined with XGBoost obtained the best accuracy value of 86.6%, while the Support vector machine obtained the best accuracy 86.1%, support vector machine combined with gradient boosting obtained the best accuracy value of 88%. Based on these results the use of feature selection can increase the accuracy value of the algorithm.
Opinion Mining menggunakan Algoritma Deep Learning untuk Menganalisis Penggunaan Aplikasi Jamsostek Mobile Azhari, Zahra; Efrizoni, Lusiana; Agustin, Wirta; Yanti, Rini
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3185

Abstract

BPJS Ketenagakerjaan berperan dalam menjaga kesejahteraan para pekerja dan buruh melalui program-program pendidikan dan pelatihan yang diberikan, pelayanan menjadi prioritas terhadap pelanggan untuk memberikan kenyamanan. Melalui aplikasi Jamsostek Mobile yang terdapat di google playstore akan diambil komentar-komentar untuk mendapatkan respon pelanggan terhadap aplikasi Jamsostek mobile untuk dilakukan opinion mining. Komentar yang diambil dari google playstore menggunakan bantuan googleplayscraper, sebanyak 3000 komentar berhasil diambil yang kemudian akan dilakukan tahap pembersihan data, pelabelan, pembobotan kata menggunakan word2vec 300 dimensi dan dilanjutkan menggunakan algoritma Long Short Term Memory. Hasil opinion mining menunjukkan dominasi sentimen negatif sebesar 80.58% dan 19.42% positif dengan tingkat akurasi terbaik yang dihasilkan oleh algoritma LSTM sebesar 87.36%. Hasil penelitian ini akan memberikan wawasan yang berguna bagi pengembang aplikasi untuk meningkatkan kualitas pelayanan dan pengalaman pengguna.
Komparasi Algoritma K-Nearest Neighbors dan Naïve Bayes dalam Klasifikasi Penyakit Diabetes Gestasional Ermy Pily, Annisa Khoirala; Oktavianda; Aprilia, Fanesa; Rahmaddeni; Efrizoni, Lusiana
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3714

Abstract

Diabetes merupakan penyakit metabolik dengan gejala hiperglikemia akibat gangguan sekresi insulin dan aksi insulin. Diabetes gestasional adalah gangguan toleransi glukosa pada wanita hamil. Saat kehamilan, plasenta menghasilkan hormon baru seperti human placental lactogen (HPL), hormon estrogen, dan hormon peningkat resistensi insulin. Gejala diabetes gestasional tidak selalu mudah dikenali, dan seringkali penderitanya mengalami gejala awal secara tidak sadar. Penelitian ini bertujuan untuk membandingkan performa dua algoritma yaitu K-NN dan Naïve Bayes dengan Feature Selection dalam mengklasifikasikan penderita diabetes gestasional. Hasil error terendah dari feature selection dengan iterasi K=4, memperoleh MAE 0.317, MSE 0.142, dan RMSE 0.377. Hasil akurasi pada model KNN dengan K=5 , tanpa Feature Selection sebesar 80% dan K-NN dengan Feature Selection sebesar 77%. Sementara itu, Naïve Bayes tanpa Feature Selection sebesar 77% dan Naïve Bayes dengan Feature Selection sebesar 80%. Dari hasil tersebut K-NN tanpa Feature Selection dan Naïve Bayes dengan Feature Selection mendapatkan hasil yang lebih baik.
Improving Evaluation Metrics for Text Summarization: A Comparative Study and Proposal of a Novel Metric Junadhi, Junadhi; Agustin, Agustin; Efrizoni, Lusiana; Okmayura, Finanta; Habibie, Dedi Rahman; Muslim, Muslim
Journal of Applied Data Sciences Vol 6, No 2: MAY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i2.547

Abstract

This research evaluates and compares the effectiveness of various evaluation metrics in text summarization, focusing on the development of a new metric that holistically measures summary quality. Commonly used metrics, including ROUGE, BLEU, METEOR, and BERTScore, were tested on three datasets: CNN/DailyMail, XSum, and PubMed. The analysis revealed that while ROUGE achieved an average score of 0.65, it struggled to capture semantic nuances, particularly for abstractive summarization models. In contrast, BERTScore, which incorporates semantic representation, performed better with an average score of 0.75. To address these limitations, we developed the Proposed Metric, which combines semantic similarity, n-gram overlap, and sentence fluency. The Proposed Metric achieved an average score of 0.78 across datasets, surpassing conventional metrics by providing more accurate assessments of summary quality. This research contributes a novel approach to text summarization evaluation by integrating semantic and structural aspects into a single metric. The findings highlight the Proposed Metric's ability to capture contextual coherence and semantic alignment, making it suitable for real-world applications such as news summarization and medical research. These results emphasize the importance of developing holistic metrics for better evaluation of text summarization models.
Analisis Performa Penjualan dan Prediksi Omzet dengan Pendekatan Market Basket Analysis Berbasis Data Analytics Ramadhani, Jilang; Efrizoni, Lusiana; Yenni, Helda; Zoromi, Fransiskus
The Indonesian Journal of Computer Science Vol. 14 No. 2 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i2.4788

Abstract

Pesatnya perkembangan bisnis ritel menuntut strategi pemasaran berbasis data untuk meningkatkan performa penjualan dan omzet. Penelitian ini menggunakan Market Basket Analysis (MBA) dengan algoritma Apriori untuk mengidentifikasi pola pembelian konsumen dan Regresi Linear Sederhana untuk memprediksi omzet berdasarkan jumlah transaksi harian. Data transaksi Alfamart Wingky Mart periode Maret–September 2024 dianalisis guna menemukan hubungan antar produk serta tren penjualan. Hasil MBA menunjukkan kombinasi produk Bimoli, Gula, dan Tepung memiliki support 42.16% dan confidence 99.37%, yang dapat dimanfaatkan untuk strategi pemasaran. Model regresi menghasilkan R² sebesar 35.65%, menunjukkan hubungan antara jumlah transaksi dan omzet, meskipun masih terdapat faktor lain yang berpengaruh. Penelitian ini memberikan wawasan strategis bagi bisnis ritel dalam optimasi tata letak produk, promosi bundling, serta peningkatan omzet berbasis analisis data.
Optimalisasi Pengelompokan Gangguan Kecemasan dalam Mendukung Tujuan Pembangunan Berkelanjutan Menggunakan Algoritma K-Means dan K-Medoids Aulia, Rahma; Julianti, Nadea; Putri, Siti Faradila; Efrizoni, Lusiana; Deni, Rahmad
JATISI Vol 12 No 2 (2025): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v12i2.11495

Abstract

Abstract Data clustering is a data mining technique that aims to find hidden patterns in a dataset. The dataset used in this study was taken from the Kaggle public dataset on anxiety attacks. Anxiety disorder is a mental condition characterized by excessive and prolonged feelings of anxiety. Clustering anxiety disorders facilitates finding the cause, effect, and better treatment. Therefore, this study aims to group anxiety disorders using the K-Means and K-Medoids algorithms by considering attributes such as stress level, sleep patterns, and physical activity. The performance of the model is evaluated using the Davies-Bouldin Index (DBI). The results showed that the K-Means algorithm produced the lowest DBI value in cluster ten with an accuracy value of 2.331. This shows that the K-Means algorithm is able to identify significant patterns in anxiety disorder data. This study can be a recommendation for health professionals in making more precise diagnoses, understanding the characteristics of the causes of anxiety disorders. In addition, this study also supports the achievement of the Sustainable Development Goals in an effort to improve the overall health and welfare of the community. Keywords— K-Means, K-Medoids, Anxiety Disorders, Sustainable Development Go als
Perbandingan Algoritma K-Nearest Neighbors dan Random Forest untuk Rekomendasi Gaya Hidup Sehat dalam Mencegah Penyakit Jantung: Comparison of K-Nearest Neighbors and Random Forest Algorithms for Recommendations for a Healthy Lifestyle in Prevent Heart Disease Sahelvi, Elza; Cikita, Putri; Sapitri, Riska Mela; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1972

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian yang disebabkan oleh faktor gaya hidup tidak sehat. Untuk mengatasi permasalahan ini, penelitian ini membandingkan algoritma K-Nearest Neighbors (KNN) dan Random Forest (RF) dalam memberikan rekomendasi gaya hidup sehat guna mencegah penyakit jantung. Dataset yang digunakan terdiri dari 1.025 entri dengan 14 fitur, yang telah melalui tahap preprocessing, termasuk normalisasi, seleksi fitur, dan pembagian data 80:20 serta 70:30. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi (99% pada skenario 80:20 dan 98% pada skenario 70:30) dibandingkan KNN (83% dan 86%), serta lebih stabil dalam mengklasifikasikan risiko penyakit jantung. Analisis fitur menunjukkan bahwa Chest Pain Type (CP) atau nyeri dada merupakan faktor paling berpengaruh. Berdasarkan hasil ini, direkomendasikan pola makan sehat, aktivitas fisik teratur, manajemen stres, serta pemeriksaan kesehatan rutin. Kesimpulannya, Random Forest lebih efektif dalam sistem rekomendasi gaya hidup sehat, dan penelitian selanjutnya dapat menggunakan dataset lebih besar dengan variabel tambahan guna meningkatkan akurasi prediksi.
Model Prediksi Dampak Perubahan Iklim pada Ketahanan Pangan Menggunakan Algoritma Support Vector Machine and K-Nearest Neighbors: Prediction Model for the Impact of Climate Change on Food Security Using the Support Vector Machine and K-Nearest Neighbors Algorithms Sari, Devi Puspita; Risman, Risman; Maulana, Fitra; Efrizoni, Lusiana; Rahmaddeni, Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1975

Abstract

Perubahan iklim memberikan dampak signifikan terhadap ketahanan pangan global, terutama di wilayah yang sangat bergantung pada sektor agrikultur. Fenomena seperti curah hujan ekstrem, kenaikan suhu, dan perubahan pola angin telah memengaruhi produktivitas pertanian secara signifikan. Urgensi penelitian ini terletak pada pentingnya pengembangan model prediktif berbasis data untuk mengantisipasi dampak perubahan iklim terhadap ketahanan pangan, sehingga strategi adaptasi dapat dirancang secara tepat oleh pembuat kebijakan. Penelitian ini bertujuan mengembangkan model prediksi dampak perubahan iklim terhadap ketahanan pangan dengan memanfaatkan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Dataset yang digunakan meliputi data meteorologi harian, seperti curah hujan (precipitation), suhu maksimum (temp_max), suhu minimum (temp_min), dan kecepatan angin (wind), yang diperoleh dari Kaggle (Seattle weather). Model SVM diterapkan untuk menangkap hubungan non-linear antara parameter iklim dengan indikator ketahanan pangan, sedangkan KNN digunakan untuk menganalisis pola serupa pada data historis. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi prediksi sebesar 78%, lebih unggul dibandingkan KNN yang mencapai akurasi 74%. Temuan ini membuktikan bahwa SVM lebih efektif dalam memodelkan keterkaitan antara variabel iklim dan ketahanan pangan. Dengan demikian, penelitian ini berhasil mencapai tujuannya dan memberikan kontribusi penting dalam pengembangan sistem prediksi berbasis machine learning untuk mendukung kebijakan pangan yang adaptif terhadap perubahan iklim.
Optimization of Customer Segmentation in the Retail Industry Using the K-Medoid Algorithm Agustin, Endy Wulan; Uthami, Kurnia; Ulfa, Arvan Izzatul; Efrizoni, Lusiana; Rahmaddeni, Rahmaddeni
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1977

Abstract

The retail industry faces significant challenges in understanding increasingly complex customer behavior due to massive data growth. One major obstacle is suboptimal customer segmentation, leading to ineffective marketing strategies. This study aims to optimize customer segmentation by implementing the K-Medoid algorithm, which excels in handling outliers and producing more stable clusters compared to K-Means. The dataset consists of over 10,000 customer transactions from a major retail company in Indonesia. The research process includes data collection and preprocessing, K-Medoid algorithm implementation, and performance evaluation using the silhouette score. The results indicate that the K-Medoid algorithm achieves more accurate customer segmentation, with a silhouette score of 0.39. The generated clusters exhibit greater homogeneity, enabling companies to design more targeted marketing strategies, such as specific discount offers and tailored loyalty programs. Based on these findings, the K-Medoid algorithm is recommended to enhance customer management effectiveness in the retail industry. This study contributes to selecting a more suitable algorithm for customer segmentation in the era of big data and opens opportunities for further exploration of hybrid algorithms and additional evaluation metrics.
Analisis Faktor-Faktor yang Mempengaruhi Engagement Video di Platform TikTok Menggunakan Multiple Linear Regression: Analysis of Factors that Influence Video Engagement on the TikTok Platform Using the Multiple Linear Regression Algorithm Sapina, Nur; Nanda, Annisa; Arifin, Muhammad Amirul; Rahmaddeni, Rahmaddeni; Efrizoni, Lusiana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.1987

Abstract

TikTok telah berkembang menjadi salah satu platform interaksi digital terkenal secara luas di seluruh dunia, yang memiliki lebih dari satu miliar orang pengguna aktif. Namun, sebagian video di TikTok memperoleh tingkat engagement yang tinggi meskipun menggunakan pendekatan konten yang serupa. Riset ini dimaksudkan untuk menelusuri unsur-unsur yang memberikan pengaruh terhadap engagement video di TikTok dengan menerapkan algoritma Regresi Linear Berganda. Variabel yang dianalisis meliputi durasi video, jumlah tayangan, komentar, like, share, dan download. Setelah melalui tahap preprocessing data, seleksi fitur, dan pengujian asumsi regresi, ditemukan bahwa video_like_count, video_share_count, dan video_download_count memiliki pengaruh paling signifikan terhadap jumlah tayangan. Hasil evaluasi model membuktikan bahwa model regresi menujukkan kinerja prediktif yang sangat baik, dengan nilai R² Squared sebesar 0,978, RMSE sebesar 0,0742, dan MSE sebesar 0,0055. Riset ini memberikan gambaran praktis kepada konten kreator dan konten marketing dalam merancang produksi konten yang lebih optimal. Model prediksi ini juga dapat dimanfaatkan untuk memperkirakan potensi engagement suatu video sebelum dipublikasikan.
Co-Authors -, Dwi Haryono Afrinanda, Rizky Agung Marinda Agus Tri Nurhuda Agustin Agustin Agustin Agustin Agustin Agustin, Endy Wulan Ahmad - Fauzan Ahmad Fauzan Ahmad Rizali Anam, M Khairul Andhika, Imam Anthony Anggrawan Anugraha, Yoga Safitra Aprilia, Fanesa Arifin, Muhammad Amirul Armoogum , Sheeba Aulia, Rahma Azhari, Zahra Cikita, Putri Dadynata, Eric Deni, Rahmad Devi Puspita Sari, Devi Puspita Dewi, Deshinta Arrova Dhini Septhya Djamalilleil, Said Azka Fauzan Edwar Ali Erlinda, Susi Ermy Pily, Annisa Khoirala ester nababan fadillah, m Fadly Fadly Farhan Pratama Fauzan, Aulia Filza Izzati Finanta Okmayura Firdaus, Muhammad Bambang Firman, Muhammad Aditya Fransiskus Zoromi Fransiskus Zoromi, Fransiskus Gusti Firmansyah, Mulia Habibie, Dedi Rahman Hadi Asnal, Hadi Handayani, Nadya Satya Haviluddin Haviluddin Helda Yenni, Helda Hidaya Spitri Hutasoit, Josua Iftar Ramadhan Ihsan, Raja Muhammad Ike Yunia Pasa Irwanda Syahputra Julianti, Nadea Junadhi Junadhi Junadhi Junadhi Junadhi, Junadhi Karpen Kartina Diah K. W. Khairuddin, M. Kharisma Rahayu Koko Harianto Kurniawan, Tri Basuki Lathifah, Lathifah Lestari, Fika Ayu Lili Marlia M. Azzuhri Dinata M. Irpan Marhadi, Nanda Maulana, Fitra Melva Suryani Muhammad Bambang Firdaus Muhammad Oase Ansharullah Muhammad Syaifullah MUHAMMAD TAJUDDIN Munawir Munawir Muslim Muslim Nanda, Annisa Nasution , Zikri Hardyan Novfuja, Elma Nurul fadillah, Nurul Oktavianda Panguluri, Padmavathi Praveen, S Phani Purnama, Muhammad Adji Putantri, Nazlah Sari Putra, Febrianda Putri, Adinda Dwi Putri, Siti Faradila R. Guntur Surya Yuwana - Rabbani, Salsabila Rahmaddeni , Rahmaddeni Rahmaddeni Rahmaddeni Rahmaddeni, - Rahmiati Rahmiati Rais Amin Ramadhani, Jilang Rati Rahmadani Ratna Andini Husen Revaldo, Bagus Tri Riadhil Jannah Rini Yanti, Rini Risky Harahap Risman Risman Rizki Astuti Rohmatulloh, Vanda Rometdo Muzawi, Rometdo Safitri, Dea Sahelvi, Elza Sapina, Nur Sapitri, Riska Mela Sari, Atalya Kurnia Sarjon Defit Sarjon Defit Setiawan , Andri Shahreen Kasim, Shahreen Sholekhah, Fitriana Sigit, Rapel Aprilius Sirisha, Uddagiri Sularno Supian, Acuan Susandri, Susandri Susanti Susanti Susanti, Susanti Susi Erlinda Syahrul Imardi Syarifuddin Elmi Tahiyat, Hafsah Fulaila Tashid Tawa Bagus, Wahyu Torkis Nasution Tri Putri Lestari, Tri Putri Tri Revaldo, Bagus Triyani Arita Fitri Try Puspa Siregar, Farida Ulfa, Arvan Izzatul Unang Rio Uthami, Kurnia Vindi Fitria Wirta Agustin Wirta Wirta Yanti, Rini Yoyon Efendi Yulli Zulianda Zahra Azhari Zakaria , Mohd Zaki Zakaria, Mohd Zaki Zega, Wilman Zikri Hadryan nst Zulafwan Zuriatul Khairi Zuriatul Khairi