Article Per Year (5 Year)
p-Index From 2021 - 2026
2.494
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI Brilliance: Research of Artificial Intelligence Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Bulletin of Data Science Nautical: Jurnal Ilmiah Multidisiplin Indonesia Jurnal Pengabdian Mandiri Proceeding International Pelita Bangsa Jurnal Pelita Pengabdian Journal of Renewable Engineering
Amali, Amali
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Civil Engineering, Building, Construction & Architecture 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 Mathematics Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Prediksi Sentiment Analysis Dalam Membahas Produk Di E-Commerce Dengan Algoritma Naive Bayes Kurniasih, Nabila; Sunge, Aswan Supriyadi; Amali, Amali; Priyo, Basuki Edi; Trialfhianty, Tyas Ismi
Jurnal SIGMA Vol 15 No 3 (2024): Desember 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i3.6043

Abstract

Analisis sentimen merupakan proses mengubah data kualitatif menjadi data kuantitatif dengan menghilangkan kata dan simbol yang tidak relevan, guna mengidentifikasi opini positif dan negatif dalam ulasan pengguna. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pada ulasan pengguna aplikasi Shopee menggunakan metode Naive Bayes. Data diperoleh dari dataset sekunder melalui GitHub dan diolah menggunakan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) untuk ekstraksi fitur. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa mayoritas ulasan bersentimen positif, dengan akurasi model sebesar 84%, presisi negatif 89% dan positif 81%, recall negatif 76% dan positif 91%, serta F1-Score negatif 82% dan positif 85%, sehingga membuktikan bahwa metode Naive Bayes efektif dalam klasifikasi sentimen ulasan e-commerce.
Penerapan Kecerdasan Buatan (AI) dalam Simulasi Sistem Industri untuk Optimalisasi Manajemen Produksi Budiman, Banyu Sugara; Amali, Amali; Suryadi, Suryadi; Listyanto, Rudy Effendy
Jurnal Pendidikan Tambusai Vol. 8 No. 3 (2024)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

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

Abstract

Dalam era globalisasi persaingan dalam industri semakin pesat. Seluruh industri diberbagai bidang terus menerus berinovasi untuk menciptakan produksi yang baru dan lebih efisien. Kecerdasan buata (AI) menjadi salah satu inovasi yang bisa dikembangkan untuk membantu proses produksi menjadi lebih baik, dengan banyaknya anlaisa yang bisa diselasaikan dengan cepat dan teapat maka AI bisa digunakan dalam memecahkan masalah dalam simulasi industri. Melalui AI maka industri dapat bersaiang dengan mudah dalam industri 4.0. diharapkan dengan AI maka proses untuk melakukan estimasi produksi atau prediksi untuk melakukan jumlah produksi dapat dianalisa dengan baik yang akan memudahkan dalam system manajemen produksi dalam perusahaan tersebut.
Penerapan Decision Tree dalam Mendeteksi Pola Tingkat Stress Manusia Berdasarkan Pola Tidur Menggunakan Rapid Miner Anshory, Ahmad Shofwan; Amali, Amali; Pratama, Fauzhan Qhof; Pikriyansyah, Ridho
Jurnal Pelita Teknologi Vol 18 No 2 (2023): September 2023
Publisher : Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/pelitatekno.v18i2.4011

Abstract

According to data from the Health Service Monitor in 2023, stress is one of the most worrying health problems for 30% of respondents. Stress is often associated with sleep patterns. This study aims to identify the relationship between sleep patterns and stress levels in humans using 10 levels: 1-2 (normal), 3-4 (mild), 5-6 (moderate), 7-8 (high), 9-10 (very high). The model used in this study is decision tree, with data covering gender, age, occupation, sleep quality, physical activity level, BMI (Body Mass Index) category, blood pressure, heart rate, daily activities, and sleep disorders. This study is expected to provide valuable information on the relationship between sleep patterns and stress, so that strategies can be developed to improve sleep quality and reduce stress. Based on the data analysis, there are several factors that cause increased stress levels, namely blood pressure, sleep quality, body weight, gender, and daily activities. This can have a significant impact on sleep quality.
Optimasi Strategi Penjualan Berbasis Segementasi Pelanggan dengan Metode K-Means Clustering di PT. Sansyu Precision Indonesia Saniyah, Luzzatus; Wiyanto, Wiyanto; Amali, Amali; Rachman, Taufiq; Satpatmantyo, Kurbandi
Jurnal SIGMA Vol 16 No 1 (2025): Juni 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i1.6049

Abstract

Segmentasi pelanggan merupakan strategi penting dalam penjualan untuk memahami kebutuhan dan preferensi pelanggan secara lebih spesifik. PT. Sansyu Precision Indonesia, sebuah perusahaan manufaktur, merencanakan pengadaan material dan jadwal produksi berdasarkan data estimasi yang diberikan oleh pelanggan. Namun, analisis data penjualan yang besar dan beragam membutuhkan waktu yang lama serta metode yang kompleks, sehingga sulit untuk menghasilkan informasi secara tepat waktu. Penelitian ini bertujuan untuk mengoptimalkan strategi pemasaran di PT. Sansyu Precision Indonesia dengan menggunakan metode clustering K-Means. Teknik data mining ini diterapkan pada data penjualan untuk mengidentifikasi rekomendasi produk slow moving, yang mendorong pelanggan untuk mengambil produk yang telah diproduksi berdasarkan estimasi data material. Studi ini menggunakan data riwayat pelanggan yang dikumpulkan dan dianalisis menggunakan algoritma K-Means untuk mengidentifikasi segmen pelanggan yang berbeda berdasarkan karakteristik tertentu. Setelah segmentasi dilakukan, strategi pemasaran yang disesuaikan diusulkan untuk setiap segmen guna meningkatkan hubungan dengan pelanggan dan meningkatkan penjualan. Hasil segmentasi ini juga dapat menjadi acuan bagi departemen PPIC (Production Planning and Inventory Control) untuk menyesuaikan volume produksi dan menentukan persentase stok aman di gudang berdasarkan tingkat frekuensi pembelian. Selain itu, hasil ini juga mendukung departemen Pengadaan dalam pembelian material produksi secara efisien. Temuan dari penelitian ini menekankan pentingnya analisis segmentasi pelanggan dalam mengarahkan strategi penjualan yang lebih terarah dan efektif di PT. Sansyu Precision Indonesia.
Implementasi media sosial sebagai sarana pembelajaran pendidikan agama islam di era digitalisasi Wibowo, Mohamad Hegar Sukmana; Amali, Amali; Al Ayubi, Muhammad Din; Permana, Yudi
Nautical : Jurnal Ilmiah Multidisiplin Indonesia Vol. 3 No. 2 (2024): Nautical: Jurnal Ilmiah Multidisiplin Indonesia
Publisher : ARKA INSTITUTE

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55904/nautical.v3i2.1163

Abstract

Penelitian ini mengkaji implementasi media sosial sebagai sarana pembelajaran Pendidikan Agama Islam (PAI) di era digitalisasi. Metode yang digunakan melibatkan observasi partisipatif dan wawancara mendalam dengan guru dan siswa di beberapa sekolah menengah. Dalam studi ini, ditemukan bahwa penggunaan media sosial seperti YouTube, Instagram, dan WhatsApp telah meningkatkan aksesibilitas dan interaktivitas dalam pembelajaran PAI. Hasil penelitian menunjukkan bahwa media sosial memfasilitasi penyebaran materi ajar yang lebih cepat dan memungkinkan siswa untuk berinteraksi dengan konten pembelajaran secara lebih dinamis. Selain itu, penggunaan media sosial juga mendukung pembelajaran kolaboratif di mana siswa dapat berdiskusi dan berbagi pemahaman mereka secara online. Namun, penelitian ini juga mengidentifikasi beberapa tantangan, seperti keterbatasan akses internet dan kurangnya literasi digital di kalangan beberapa siswa. Kesimpulannya, media sosial telah berkontribusi positif dalam pembelajaran PAI, namun diperlukan strategi yang lebih komprehensif untuk mengatasi tantangan yang ada dan memaksimalkan potensi pembelajaran digital.
Machine Learning-Based Automation in Production Processes: Enhancing Efficiency and System Accuracy in Industry Amali, Amali; Tasya, Amalia
Journal of Renewable Engineering Vol. 3 No. 2 (2026): JORE - April
Publisher : Pt. Anagata Sembagi Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62872/eqp79y32

Abstract

The integration of Machine Learning (ML) in production automation has become a key driver in transforming industrial systems into smart and adaptive manufacturing environments. This study aims to analyze the role of ML in improving efficiency and accuracy within production processes. The research employs a qualitative approach with a descriptive-analytical design, using library research and document analysis of reputable scientific sources. Data were analyzed through an interactive model consisting of data reduction, data display, and conclusion drawing. The findings reveal that ML significantly enhances operational efficiency through predictive maintenance, optimized scheduling, and real-time decision-making, while also improving accuracy in quality control through advanced algorithms such as deep learning, Support Vector Machines, and Artificial Neural Networks. Furthermore, ML enables process optimization by analyzing complex production variables and identifying optimal parameters. However, challenges such as data quality, system integration, and model interpretability remain critical barriers. The study concludes that a holistic integration of ML, supported by advanced technologies such as IIoT and Digital Twin, is essential for achieving higher efficiency, improved accuracy, and sustainable competitiveness in modern industrial systems.
Optimalisasi Strategi Penjualan Sparepart Menggunakan Association Rule Berbasis Algoritma Apriori Amali, Amali; Widodo, Edy
Bulletin of Data Science Vol 5 No 2 (2026): February 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletinds.v5i2.9903

Abstract

The development of information technology encourages companies to utilize sales transaction data as a strategic source of information in business decision-making. However, the increasing amount of transaction data is often not optimally utilized to identify consumer purchasing patterns. This study aims to analyze consumer purchasing patterns in spare parts sales transactions using association rules based on the Apriori algorithm to support the optimization of sales strategies and inventory management. The research method used is a quantitative approach consisting of data collection, data preprocessing, transaction data transformation, frequent itemset generation, and association rule formation. The data used in this study consisted of 350 spare parts sales transactions processed using the Apriori algorithm with a minimum support value of 20% and a minimum confidence value of 70%. The results showed that the products Front Bumper and Brake Pads had the strongest association relationship with a confidence value of 76% and support value of 23%. In addition, the relationship between Radiator and Side Mirror products showed a confidence value of 71%. The study proves that the Apriori algorithm is effective in identifying relationships between products and can assist companies in determining promotional strategies, inventory management, and data-driven business decision-making to improve spare parts sales
Co-Authors Al Ayubi, Muhammad Din Andri Firmansyah Andriani Andriani Andriano, Choky Angela, Devani Nadia Vita Kusuma Anshory, Ahmad Shofwan Aswan Supriyadi Sunge Budiman, Banyu Sugara Butsianto, Sufajar Edy Widodo Edy Widodo Gunawan, Achmad Rezky Hamidah, Jilan Herfiansyah, Raihan Hidayah, Aldy Ismamudi Ismamudi Kurniasih, Nabila Kurniawan, Jidan Restu Listyanto, Rudy Effendy Maulana, Donny Muhtajuddin Danny Nawangsih, Ismasari Noor, Viyan Qomarudin Permana, Yudi Pikriyansyah, Ridho Pratama, Alvian Saputra Pratama, Fauzhan Qhof Priyo, Basuki Edi Ramadan, Fadli Ramadhan, Arya Syah Rifa'i, Anggi Muhammad Saepul, Muhammad Saniyah, Luzzatus Satpatmantyo, Kurbandi Suryadi Suryadi Tasya, Amalia Taufiq Rachman, Taufiq Tedi, Nanang Tyas Ismi Trialfhianty Wibowo, Mohamad Hegar Sukmana Wiyanto -