Article Per Year (5 Year)
p-Index From 2021 - 2026
2.096
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi RABIT: Jurnal Teknologi dan Sistem Informasi Univrab INTECOMS: Journal of Information Technology and Computer Science 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
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Public Health Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 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.
Co-Authors Adittia Agustian April Lia Hananto Bayu Yoga Astario Dinda Safitri Dyno Syaiful Annam Fizra Firdaus Nillan Hananto, Agustia Insan Kamaludin Arifin Intan, Melani Jihan Kamelia Pasaribu Lila Setiyani Mohamad Ricky Firdaus Novalia, Elfina Priyatna, Bayu Putri Indraswari Saepul Aripiyanto Shofa Shofia Hilabi Shofa Shofia Hilabi Shofa Shofiah Hilabi Siti Aisyah Suhada, Karya Surala, Lyvia Tukino tukino, tukino