Article Per Year (5 Year)
p-Index From 2021 - 2026
8.582
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi JOIV : International Journal on Informatics Visualization INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Jurnal Riset Informatika JOISIE (Journal Of Information Systems And Informatics Engineering) Journal of Information System, Applied, Management, Accounting and Research METIK JURNAL Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jusikom: Jurnal Sistem Informasi Ilmu Komputer Systematics Zonasi: Jurnal Sistem Informasi Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) JURSIMA (Jurnal Sistem Informasi dan Manajemen) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer JIKA (Jurnal Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Infotek : Jurnal Informatika dan Teknologi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal of Engineering, Science and Information Technology Djtechno: Jurnal Teknologi Informasi Jurnal Tika KLIK: Kajian Ilmiah Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Jurnal Minfo Polgan (JMP) Society: Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Komtekinfo Jurnal Buana Pengabdian Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science JUSIFOR : Jurnal Sistem Informasi dan Informatika Golden Ratio of Data in Summary Jurnal Ilmiah Teknik Informatika dan Komunikasi Innovative: Journal Of Social Science Research Bulletin of Network Engineer and Informatics (BUFNETS) JURSIMA Jurnal Komputer dan Elektro Sains Journal Of Artificial Intelligence And Software Engineering VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Sistem Informasi dan Manajemen Jurnal Komprehenshif Masyarakat Berkarya: Jurnal Pengabdian dan Perubahan Sosial Jurnal Abdimas Mahakam
Novalia, Elfina
Universitas Buana Perjuangan Karawang
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 66 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 66 Documents
Search

 3   4   5   6   7 
KLASIFIKASI ULASAN APLIKASI KOPI KENANGAN PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES Muhammad Abil Fadli; Tukino tukino; Elfina Novalia; April Lia Hananto
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7037

Abstract

Aplikasi Kopi Kenangan merupakan aplikasi yang digunakan untuk pemesanan minuman secara online milik perusahaan PT Bumi Berkah Boga. Selain hal tersebut aplikasi ini juga membantu perusahaan menerima ulasan terkait pengalaman pelanggan dalam menggunakan layanan aplikasi kopi kenangan. Namun ulasan pelanggan di Google Playstore memiliki jumlah data yang banyak sehingga sulit dianalisis secara manual. Tujuan penelitian ini melakukan klasifikasi ulasan pelanggan pada aplikasi Kopi Kenangan mempergunakan algoritma Naïve bayes. Metode penelitian ini meliputi pengumpulan data, preprocessing, pemodelan dan evaluasi. Data yang dipergunakan dalam penelitian ini yaitu sebesar 1000 data dengan lima kategori yaitu promo, pelayanan, performa aplikasi, transaksi dan kualitas produk. Hasil penelitian menunjukkan bahwa kategori ulasan terbanyak adalah tentang performa aplikasi dengan persentase 45% dari total 1000 data ulasan. Hasil akurasi penelitian yaitu sebesar 85% yang menunjukkan bahwa model dapat melakukan klasifikasi data kategori sentimen dengan cukup baik.
IMPLEMENTASI DESIGN USER INTERFACE APLIKASI WORKPERMIT BERBASIS WEB DI PT.AICC MENGGUNAKAN METODE WATERFALL Satria Dawas Zhalifunas; Bayu Priyatna; Elfina Novalia
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7054

Abstract

Perkembangan Perkembangan teknologi informasi mendorong otomatisasi sistem perizinan kerja (Work Permit) yang krusial untuk keselamatan industri manufaktur. PT. AICC menghadapi tantangan pengelolaan Work Permit manual yang menyebabkan keterlambatan dan hilangnya dokumen. Penelitian ini bertujuan merancang dan mengimplementasikan antarmuka pengguna (UI) aplikasi Work Permit berbasis web untuk meningkatkan efisiensi dan keselamatan operasional. Metode Waterfall digunakan dalam pengembangan, meliputi analisis, desain, implementasi, pengujian, dan penyebaran, dengan Framework CodeIgniter 3, PHP, dan HeidiSQL sebagai teknologi utama. Data dikumpulkan melalui observasi alur kerja manual dan wawancara dengan tim Safety (SHE), HRGA, dan Supplier. Hasil pengujian Black-Box menunjukkan aplikasi Work Permit berbasis web berhasil mengotomatisasi proses pengajuan dan persetujuan. Seluruh fungsionalitas utama, seperti manajemen data supplier dan proyek serta alur persetujuan berjenjang, berfungsi optimal. Implementasi ini secara efektif meningkatkan efisiensi operasional dan keselamatan kerja di PT. AICC.
KLASIFIKASI DAN PREDIKSI ULASAN E-COMMERCE MENGGUNAKAN ALGORITMA NAÏVE BAYES Adjeng Putri Nuriza; Elfina Novalia
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4993

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna aplikasi Tokopedia ke dalam empat kategori utama: fitur aplikasi, layanan, pembayaran, dan promosi. Sebanyak 1.500 ulasan dikumpulkan melalui teknik web scraping dari Google Play Store dan diolah menggunakan tahapan preprocessing seperti tokenization, stopword removal, dan stemming. Klasifikasi dilakukan dengan menggunakan algoritma Multinomial Naive Bayes. Dari 458 data uji, model menghasilkan akurasi sebesar 83,41%, dengan nilai precision tertinggi pada kategori fitur aplikasi sebesar 0,89 dan recall tertinggi pada kategori pembayaran dan promosi sebesar 0,97. Hasil tersebut menunjukkan bahwa algoritma Naive Bayes efektif dalam mengelompokkan ulasan secara otomatis dengan rata-rata kinerja makro sebesar 0,84 (precision), 0,83 (recall), dan 0,83 (f1-score). Kontribusi utama dari penelitian ini adalah penerapan metode klasifikasi teks yang dapat membantu Tokopedia mengidentifikasi aspek layanan yang paling sering dibicarakan oleh pengguna, sehingga dapat mendukung pengambilan keputusan yang lebih terarah.
Perbandingan Algoritma K-Nearest Neighbor dan Decision Tree Untuk Prediksi Diabetes Elsa Elvira Awal; Elfina Novalia; Nurhayati Nurhayati
Komprehensif Vol 4 No 2 (2026)
Publisher : CV Edu Tech Jaya

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

Abstract

Perkembangan teknologi informasi telah meningkatkan ketersediaan data dalam jumlah besar sehingga diperlukan metode klasifikasi yang mampu menghasilkan prediksi secara akurat. Salah satu penerapan klasifikasi yang penting adalah prediksi penyakit diabetes untuk membantu proses pengambilan keputusan di bidang kesehatan. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Decision Tree dalam memprediksi diabetes serta menentukan algoritma dengan performa terbaik. Dataset yang digunakan adalah Diabetes Prediction Dataset yang diperoleh dari Kaggle, terdiri atas 100.000 data, kemudian dilakukan proses preprocessing berupa penghapusan data duplikat, one-hot encoding pada atribut kategorikal, normalisasi data menggunakan StandardScaler, serta pembagian data latih dan data uji dengan rasio 80:20. Algoritma KNN dioptimalkan melalui pengujian beberapa nilai K, sedangkan Decision Tree dioptimalkan menggunakan GridSearchCV. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa yang lebih baik dibandingkan KNN dengan nilai accuracy sebesar 97%, sedangkan KNN memperoleh accuracy sebesar 96%. Selain itu, Decision Tree menghasilkan nilai recall dan F1-score yang lebih tinggi pada kelas positif diabetes sehingga lebih efektif dalam mengidentifikasi pasien yang berpotensi menderita diabetes. Berdasarkan hasil tersebut, Decision Tree direkomendasikan sebagai algoritma yang lebih sesuai untuk prediksi diabetes pada dataset yang digunakan.
Implementation of The Seasonal Autoregressive Integrated Moving Average Predictive Model on Raw Material Usage Data at PT. Plastik Karawang Flexindo Muhammad Rindra Alfiansyah; Tukino Tukino; Agustia Hananto; Elfina Novalia
International Journal of Engineering, Science and Information Technology Vol 5, No 3 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i3.867

Abstract

Fluctuations in raw material utilization in the manufacturing industry significantly impact production process efficiency, operational costs, and supply chain stability. Inaccurate planning and management of raw material inventories can lead to two extreme conditions: excess stock, which increases storage costs and the risk of expiration, or stock shortages, which could halt the production process and reduce productivity. To improve the accuracy of raw material consumption planning, this study applies the Seasonal Autoregressive Integrated Moving Average (SARIMA) model to predict raw material needs periodically based on historical data. The dataset used includes the consumption of Polyethylene (PE), High Density Polyethylene (HDPE), and Polypropylene (PP) from 2019 to 2025. The data is analyzed using a time series forecasting approach to identify trends and seasonal patterns. The SARIMA model is developed and optimized using three methods to search for the best parameters: Grid Search, Random Search, and Bayesian Optimization, to enhance prediction performance. The model's evaluation calculates the Mean Absolute Percentage Error (MAPE) as an accuracy indicator. The evaluation results show that although SARIMA can recognize seasonal patterns in raw material consumption, the prediction accuracy varies, with the best MAPE value being 16% and the highest being 34%. This indicates that external factors, such as market dynamics, government policies, global price fluctuations, and internal variables such as production schedules and customer demand, need to be considered to improve the model's precision. Overall, the application of SARIMA in this context provides a strategic contribution to supply chain management in the manufacturing industry, particularly in anticipating raw material needs, reducing uncertainty, and supporting more efficient and adaptive data-driven decision-making.
PENGENALAN APLIKASI EDITING VIDEOMENGGUNAKAN ADOBE AFTER EFFECT DI PESANTRENAT-TAUBAH TIRTAMULYA Gugy Guztaman Munzi; Anis Fitri Nur Masruriyah; Elfina Novalia
JURNAL BUANA PENGABDIAN Vol. 8 No. 1 (2026): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/f7jr2p89

Abstract

Di pesanten At-Taubah, Tirtamulya para santri diberikan banyak sekali pelatihan seiring dengan perkembangan zaman. Adapun pelatihan yang diberikan seperti kursus komputer, pembelajaran multimedia, dan juga keilmuan lainnya. Dalam konteks bisnis atau pendidikan, video yang jelas dan menarik dapat membantu menyampaikan informasi dengan lebih efisien dan mempengaruhi audiens dengan lebih kuat. Dengan menguasai editing video dapat memperluas kemampuan teknis dan kreatif, tetapi juga meningkatkan peluang untuk berkomunikasi secara efektif, baik dalam konteks profesional maupun pribadi. Sehingga dengan kompetensi yang dimiliki dalam proses edit video tersebut diharapkan dapat membantu penyebaran proses syiar dakwah menjadi lebih baik yaitu dengan menjangkau jemaah yang lebih luas.
Co-Authors Abdul Hafiz Adhi Rizal Adjeng Putri Nuriza Agung Susilo Yuda Irawan Agustina, Alvi Ahmad Fauzi Ahmad, Sandi Al Khadzik, Fahmi Ani Ani Anis Fitri Nur Masruriyah Anita Saptiani Apriade Voutama April Hananto April Lia Hananto Arif Budimansyah Purba atikah, dwi Aurel Adhitya Anwar Aviv Yuniar Rahman Awal, Elsa Elvira Awaljan Situmorang Baenil Huda Baenil Huda baktria, leonyka Bayu Yoga Astario Cahya Diningrat Desfianthy, Fatiya Hanifah Elsa Elvira Awal Emilia Sukmawati, Cici Faisal, Muhamad Agus Firdaus, Mohamad Ricky Fitria Nurapriani Garno Garno, Garno garno, Garno Gefira Rahmaifha Goenawan Brotosaputro Gugy Guztaman Munzi Hananto, Agustia Hilabi, Shofa Shofiah Hilabi, Shofa Shofiah Huban Kabir Huda, Baenil Indra, Jamaludin Iqbal Maulana Juwita, Ayu Ratna kastiawan, Nurhayadi Lestari, Renita Lutfiah, Siti Muhamad Djaka Permana Muhamad Helmi Fauzi Muhammad Abil Fadli Muhammad Rindra Alfiansyah Nijunnihayah, Uktupi Nur ‘Azah Nurapriani, Fitria Nurhayati Nurhayati Nurmayanti, Trisya Paryono, Tukino Prasetya, Rafli Pratama, Daffa Agung Prayono, Tukino Priyatna, Bayu Purba, Arif Budimansyah Rian Pratama Sandi Ahmad Saptiani, Anita Satria Dawas Zhalifunas Seia Piantara Setiawan, Pratama Wahyu Setiawan, Pratama Wahyu Setiawan, Revi Shofa Shofia Hilabi Shofiah Hilabi, Shofa Sidqi Awaludin Situmorang, Awaljan Sopian, Jajang Sukmawati, Cici Emilia Surala, Lyvia Syafana, Vinka Syahri Susanto Tamala, Evi TARMUJI TARMUJI, TARMUJI Tejayanda, Rigger Damaiarta Tita Puspita Sari Tukino Tukino, Tukino Tukino, Tukino Wahyu Aziz Ramadhani Wahyu, Pratama Widyanti, Tyas Wirlandika, Devri Yoga Astario, Bayu Yusup, Dadang