Article Per Year (5 Year)
p-Index From 2021 - 2026
2.459
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi RABIT: Jurnal Teknologi dan Sistem Informasi Univrab SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan INTECOMS: Journal of Information Technology and Computer Science Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Buana Ilmu Jurnal Informasi dan Teknologi Buana Information Technology and Computer Sciences (BIT and CS) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Tika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Abdimas Innovative: Journal Of Social Science Research Informasi interaktif : jurnal informatika dan teknologi informasi
Fitria Nurapriani
Universitas Buana Perjuangan Karawang
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Penerapan Algoritma Apriori Menentukan Produk Paling diminati Pada Distro Gshop Karawang Putri Indraswari; April Lia Hananto; Fitria Nurapriani; Shofa Shofiah Hilabi
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 8 No. 2 (2024): Volume 8 Nomor 2 April 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v8i2.13545

Abstract

Distro Gshop merupakan sebuah toko yang bergerak dalam bidang distributor store baju kekinian, tidak hanya menjual baju saja distro Gshop juga menjual berbagai produk seperti celana jelans, celana cargo, hijab, tas slempang dll. namun demikian dari berbagai jenis produk tersebut yang terjual tentu tidak semuanya yang laris terjual, ada juga yang kurang laris terjual. Akan tetapi pemilik toko distro tidak mengetahui pasangan barang yang sering dibeli oleh konsumen secara bersamaan sehingga sering terjadi kurangnya stok pada item-item yang sering dibeli secara bersamaan oleh konsumen. Data transaksi toko dapat diolah kembali menggunakan aplikasi data mining sehingga menghasilkan aturan asosiasi keterkaitan yang pada item-item penjualan sehingga bisa memberikan rekomendasi penyetokan barang di toko terlebih barang-barang yang dibeli secara bersamaan oleh konsumen dan meningkatnya barang yang dijual di toko. Algoritma apriori adalah salah satu jenis aturan asosiasi dalam menentukan pola kombinasi dari itemset dan aturan asosiasi yaitu didapatkan hasil barang-barang yang paling sering dibeli oleh konsumen dan minimun yang memiliki nilai support 17% serta aturan asosiasi final diambil berdasarkan aturan yang memenuhi syarat minimum confidence yang sebelumnya telah ditentulkan yaitu 50% yaitu, Tshirt dan Celana Cargo dengan nilai confidence (56%), Hijab Segi Empat Motif dan Hijab Pashmina Silk (50%), Celana Cargo dan Tshirt (100%).
Implementasi Metode K-Means Clustering Pada Penilaian Kinerja Karyawan PT Kopetri Citra Abadi: Metode K-Means Clustering Intan, Melani; Bayu Priyatna; Fitria Nurapriani; Shofa Shofia Hilabi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 8 No 1 (2023): JII Volume 8, Number 1, Januari 2023
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37159/jii.v8i1.18

Abstract

Dalam dunia pekerjaan terdapat istilah karyawan terbaik yang menjadi tolak ukur kemajuan perusahaan itu sendiri. Penentuan tersebut dapat dilakukan dengan cara melihat kinerja karyawan sehari-hari seperti kedisiplinan, kerajinan dan prestasi lainnya yang mendukung pekerjaan tersebut. Selain itu, banyak juga aspek-aspek lain yang dapat menjadi bahan pertimbangan atasan dalam memberikan penilaian kepada karyawan. Pentingnya sumber daya manusia (SDM) dalam suatu perusahaan sebagai subyek pelaksana kebijakan serta segala kegiatan operasional perusahaan menjadikan perusahaan harus tetap berani dalam menghadapi tantangan dan perubahan serta memenangkan persaingan. Penguasaan aset manusia secara substansial mempengaruhi beragam perspektif pemenuhan tenaga kerja dalam suatu instansi. sumber daya manusia tersebut sangat mempengaruhi berbagai aspek penentu dalam keberhasilan kerja di suatu perusahaan. PT Kopetri Citra Abadi merupakan perusahaan jasa keamanan yang konsisten melakukan penilaian kinerja setiap bulannya, kemudian dilakukan rekapitulasi setiap tahun dengan akumulasi nilai yang diambil dari laporan penilaian bulanan. Dengan banyaknya karyawan dari perusahaan ini membutuhkan sebuah metode perhitungan yang akurat dan perlunya klasifikasi nilai berdasarkan beberapa kategori penilaian, melihat pentingnya hal tersebut maka proses penilaian karyawan perlu dilakukan secara rasional. Evaluasi ini akan berdampak pada pemberian  feed back antara atasan dan bawahan secara sinergis. Sehingga karyawan akan memahami objektivitas kerja dan mampu mendorong produktivitas usaha perusahaan. Maka dalam penelitian ini akan membahas perhitungan menggunakan metode K-Means Clustering secara manual dan menggunakan tools pada aplikasi Orange data mining dalam penilaian kinerja karyawan PT Kopetri Citra Abadi. Dari perhitungan tersebut menghasilkan pengelompokkan data 92 orang karyawan berdasarkan 3 kriteria yaitu sangat baik (C1) sebanyak 15 data, cukup baik (C2) sebanyak 44 data, dan kurang baik (C3) sebanyak 33 data. Keywords : K-Means, clustering,penilaian kinerja karyawan, prestasi kerja, klasifikasi
Text Data Classification Using the SVM Model on the LMDB Minecraft Dataset Bayu Yoga Astario; Tukino; Agustia Hananto; Fitria Nurapriani; Elfina Novalia
Jurnal Informasi dan Teknologi 2025, Vol. 7, No. 2
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60083/jidt.vi0.620

Abstract

Text classification is a fundamental task in Natural Language Processing (NLP) aimed at categorizing text data into predefined classes. This study implements a Support Vector Machine (SVM) model to classify text data from the LMDB Minecraft Dataset, which contains user reviews of the Minecraft movie. The research involves text preprocessing, TF-IDF feature extraction, and SVM model training. The classification results are evaluated using accuracy, precision, recall, f1-score, and confusion matrix metrics. The comment data is also analyzed based on the timing of their appearance in the movie. All processes are visualized in diagrams; the final results are saved in Excel format. The SVM model performs adequately on informal and domain-specific language data, providing a foundation for future research in similar text classification contexts.
Analisis Status Pembayaran Group Order NooBlue Menggunakan Algoritma XGBoost Surala, Lyvia; Tukino; April Lia Hananto; Elfina Novalia; Fitria Nurapriani
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 4 (2025): EDISI JULI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i4.11279

Abstract

Pertumbuhan pesat ekonomi digital telah mendorong meningkatnya penggunaan layanan transaksi daring, termasuk sistem pemesanan kelompok. Namun, tantangan baru turut muncul, khususnya dalam hal keandalan informasi terkait status pembayaran pelanggan. Permasalahan seperti keterlambatan atau kegagalan pembayaran dapat memengaruhi kestabilan keuangan bisnis. Oleh karena itu, penelitian ini bertujuan untuk membangun model prediksi status pembayaran pelanggan menggunakan algoritma Extreme Gradient Boosting (XGBoost). Data yang digunakan berasal dari transaksi NooBlue Shop pada Maret 2025, yang terdiri dari 403 entri. Proses analisis mencakup tahapan pra-pemrosesan data, pembagian data menjadi data latih dan uji dengan rasio 60:40, serta pelatihan model XGBoost. Model dievaluasi menggunakan metrik klasifikasi seperti akurasi, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan status pembayaran dengan tingkat akurasi mencapai 90%. Nilai precision dan recall masing-masing berada pada kisaran 0.89–0.93, sedangkan F1-score menunjukkan performa yang seimbang untuk kedua kelas. Analisis lebih lanjut menunjukkan bahwa fitur total pembayaran dan uang muka merupakan kontributor utama dalam proses prediksi. Temuan ini menunjukkan bahwa penerapan XGBoost dapat memberikan solusi yang efektif dalam membantu perusahaan memantau status pembayaran pelanggan secara otomatis dan responsif, serta mendukung pengambilan keputusan berbasis data secara lebih tepat dan efisien di tengah dinamika ekonomi digital.
Penggunaan aplikasi matematika interaktif dalam proses pembelajaran bagi siswa SMP Santi Arum Puspita Lestari; Dwi Sulistya Kusumaningrum; Fitria Nurapriani; Rahmat Rahmat
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 2 (2024): June
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i2.23384

Abstract

AbstrakKemampuan untuk memanfaatkan teknologi digital menjadi sangat penting di era globalisasi dan kemajuan teknologi informasi saat ini, tidak hanya untuk individu tetapi juga untuk keberlangsungan berbagai sektor usaha dan industri. Menyadari pentingnya keterampilan digital, terutama di kalangan generasi muda, sekolah dipandang perlu mengintegrasikan pendidikan kewirausahaan dengan teknologi digital dalam kurikulum dan kegiatan ekstrakurikuler. Mitra dalam kegiatan pengabdian kepada masyarakat ini adalah SMA Kristen Palangka Raya. Terdapat beberapa permasalahan prioritas antara lain: kurangnya variasi kegiatan kewirausahaan yang dapat mengakomodir minat, bakat dan karakteristik siswa; kurangnya pengetahuan tentang pemanfaatan platform digital Canva untuk tujuan bisnis; kurangnya keterampilan tentang manajemen produksi suatu produk kewirausahaan berbasis digital. Berdasarkan permasalahan tersebut, kegiatan pengabdian ini bertujuan memberikan edukasi, berbagi pengetahuan kepada siswa dan guru tentang esensi kewirausahaan, pemanfaatan platform digital Canva untuk tujuan bisnis dan manajamen dasar kewirausahaan berbasis digital. Kegiatan ini melibatkan 23 orang siswa dan 4 orang guru sebagai peserta. Metode pelaksanaan melalui pelatihan dan pendampingan dengan teknik ceramah, tanya jawab, demonstrasi, tutorial dan praktik. Diperoleh hasil utama yaitu terjadinya peningkatan pengetahuan dan keterampilan siswa sebanyak 38,28%. Sedangkan hasil tambahannya adalah terciptanya prototype produk yang bernilai jual dari para siswa. Kata kunci: pelatihan; kewirausahaan digital; canva; manajemen; minat kewirausahaan. AbstrackThe ability to utilize digital technology has become crucial in the era of globalization and the advancement of information technology today, not only for individuals but also for the sustainability of various business and industrial sectors. Recognizing the importance of digital skills, especially among the younger generation, schools are seen as needing to integrate entrepreneurship education with digital technology into the curriculum and extracurricular activities. The partner in this community service activity is SMA Kristen Palangka Raya. There are several priority issues, including: the lack of variety in entrepreneurship activities that can accommodate the interests, talents, and characteristics of students; the lack of knowledge about utilizing the digital platform Canva for business purposes; and the lack of skills in managing the production of a digital-based entrepreneurial product. Based on these issues, this community service activity aims to provide education, share knowledge with students and teachers about the essence of entrepreneurship, the utilization of the digital platform Canva for business purposes, and basic management of digital-based entrepreneurship. This activity involves 23 students and 4 teachers as participants. The implementation methods include training and mentoring through lectures, Q&A sessions, demonstrations, tutorials, and practice. The main result obtained is an increase in students' knowledge and skills by 38.28%. Meanwhile, the additional result is the creation of prototype products with market value by the students. Keywords: training; digital entrepreneurship; canva; management; entrepreneurial interest.
Analisis Segmentasi Pelanggan Menggunakan K-Means Clustering Untuk Optimalisasi Penjualan Sembako Adila Rahmawati; Tukino ,; Agustia Hananto; Fitria Nurapriani
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 8, No 2 (2025): Juli
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v8i2.352

Abstract

Abstrak: Sembako sebagai kebutuhan pokok memiliki peranan penting dalam kehidupan masyarakat. Dengan meningkatnya persaingan di sektor ini, pelaku usaha dituntut untuk memahami perilaku konsumen secara lebih mendalam agar strategi pemasaran yang dijalankan menjadi lebih efektif. Salah satu metode yang bisa dimanfaatkan adalah segmentasi pelanggan berbasis data transaksi. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan pelanggan dalam rangka mendukung peningkatan penjualan sembako. Data yang digunakan meliputi empat variabel utama: jumlah pesanan, uang muka, total transaksi, dan pelunasan. Proses awal dilakukan melalui pembersihan dan normalisasi data menggunakan StandardScaler. Penentuan jumlah cluster terbaik dilakukan dengan metode Elbow dan dikonfirmasi menggunakan nilai Silhouette Score. Hasil penelitian menunjukkan bahwa empat cluster merupakan segmentasi paling optimal dengan nilai Silhoutette Score sebesar 3,99. Cluster 2 memberikan kontribusi tertinggi terhadap total penjualan dan jumlah pelanggan sebesar 35,62%, disusul oleh cluster 1 sebesar 30,14%, cluster 3 sebesar 21,92%, sedangkan cluster 0 memiliki kontribusi terendah sebesar 12,33%. Visualisasi scatter plot menunjukkan distribusi antar-cluster yang cukup jelas. Segmentasi ini berguna untuk merancang strategi pemasaran yang lebih tepat sasaran.Kata kunci: Segmentasi Pelanggan, K-Means Clustering, Elbow Method, Silhouette Score, Penjualan SembakoAbstract: Basic necessities such as staple foods play an important role in people's lives. With increasing competition in this sector, business actors are required to understand consumer behavior in more depth so that the marketing strategies implemented become more effective. One method that can be utilized is customer segmentation based on transaction data. This study aims to apply the K-Means Clustering algorithm to group customers to support increased sales of necessities. The data used includes four main variables: number of orders, down payment, total transactions, and settlement. The initial process is carried out through data cleaning and normalization using StandardScaler. Determination of the best number of clusters is carried out using the Elbow method and confirmed using the Silhouette Score value. The results of the study showed that four clusters were the most optimal segmentation with a Silhouette Score value of 3.99. Cluster 2 contributed the highest to total sales and number of customers 35.62%, followed by Cluster 1 by 30.14%, cluster 3 by 21.92%, and Cluster 0 had the lowest contribution by 12.33%. Scatter plot visualization shows a fairly clear distribution between clusters. This segmentation is useful for designing more targeted marketing strategies.Keywords: Customer Segmentation, K-Means Clustering, Elbow Method, Silhouette Score, Grocery Sales
Co-Authors Adila Rahmawati Adittia Agustian April Lia Hananto Bayu Yoga Astario Dinda Safitri Dwi Sulistya Kusumaningrum Dyno Syaiful Annam Fizra Firdaus Nillan Hananto, Agustia Insan Kamaludin Arifin Intan, Melani Jihan Kamelia Pasaribu Lestari, Santi Arum Puspita Lila Setiyani Mohamad Ricky Firdaus Novalia, Elfina Nur ‘Azah Priyatna, Bayu Putri Indraswari Rahmat Rahmat Saepul Aripiyanto Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofiah Hilabi Siti Aisyah Suhada, Karya Surala, Lyvia Tukino Tukino ,