Article Per Year (5 Year)
p-Index From 2021 - 2026
6.028
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) TELKOMNIKA (Telecommunication Computing Electronics and Control) Transformasi: Jurnal Pengabdian Masyarakat CESS (Journal of Computer Engineering, System and Science) Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi AWLADY Jurnal Pendidikan Anak Indonesian Journal of Artificial Intelligence and Data Mining PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informatika Universitas Pamulang Premiere Educandum: Jurnal Pendidikan Dasar dan Pembelajaran Riau Journal of Empowerment Jurnal Nasional Komputasi dan Teknologi Informasi GERVASI: Jurnal Pengabdian kepada Masyarakat JSR : Jaringan Sistem Informasi Robotik Diseminasi : Jurnal Pengabdian kepada Masyarakat Journal of Electrical Power Control and Automation (JEPCA) Jurnal Sains Teknologi dan Sistem Informasi Decode: Jurnal Pendidikan Teknologi Informasi MATHunesa: Jurnal Ilmiah Matematika Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Teknik Informatika Jakiyah : Jurnal Ilmiah Umum dan Kesehatan Aisyiyah Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Malcom: Indonesian Journal of Machine Learning and Computer Science J-Icon : Jurnal Komputer dan Informatika SATIN - Sains dan Teknologi Informasi Jurnal Pengabdian Masyarakat Pinang Masak Jurnal Sistem Informasi dan Ilmu Komputer Jurnal Informatika: Jurnal Pengembangan IT IT-Edu: Jurnal Information Technology and Education EdLib Journal (Education and Library Journal) Sinergi : Jurnal Ilmiah Multidisiplin Smatika Jurnal : STIKI Informatika Jurnal
Khaira, Ulfa
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Minimisasi Biaya Distribusi Bahan Baku Rooftop Sajiwa Menggunakan Metode Transportasi dengan Pendekatan Least Cost Value (LCV) Riyan Ardani; Muhammad Rumii Firnanditya; Devi Listiani Safitri; Ulfa Khaira; Hasanatul Iftitah
Sinergi : Jurnal Ilmiah Multidisiplin Vol. 1 No. 2 (2025): Sinergi: Jurnal Ilmiah Multidisiplin
Publisher : PT. AHLAL PUBLISHER NUSANTARA

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

Abstract

This study aims to analyze the efficiency of raw material distribution costs at Cafe Rooftop Sa Jiwa through the application of the transportation method using the Least Cost Method (LCM) approach. The main issue faced by the café lies in the fluctuating delivery costs from each supplier, which potentially lead to inefficiencies in the procurement process. This research employs a descriptive quantitative method with four main raw material suppliers as the study subjects. Primary data were obtained through direct interviews and field observations, while secondary data were collected from purchasing records and monthly expenditure reports. The research instruments used include structured interview sheets and transportation cost data collection forms. The analysis was conducted using the LCM implemented in the Python programming language to determine the optimal distribution plan with minimum total cost. The results showed that the minimum transportation cost achieved was Rp 185,000, with an allocation that met both supplier capacity and cafe demand. These findings indicate that the application of the transportation method through Python programming effectively supports more efficient and measurable raw material distribution planning. Keywords: Distribution Optimization, Least Cost Method, Python, Rooftop Sajiwa, Transportation Cost   Abstrak Penelitian ini bertujuan untuk menganalisis efisiensi biaya distribusi bahan baku pada Cafe Rooftop Sajiwa melalui penerapan metode transportasi dengan pendekatan Least Cost Method (LCM). Permasalahan yang dihadapi cafe adalah tingginya variasi biaya pengiriman dari masing-masing pemasok yang berpotensi menyebabkan pemborosan dalam proses pengadaan bahan baku. Penelitian ini menggunakan metode deskriptif kuantitatif dengan subjek penelitian berupa empat pemasok utama bahan baku cafe. Data primer diperoleh melalui wawancara dan observasi langsung terhadap proses pengadaan, sedangkan data sekunder diperoleh dari catatan pembelian dan laporan pengeluaran bulanan. Instrumen penelitian yang digunakan meliputi lembar wawancara terstruktur dan lembar pengumpulan data biaya transportasi. Analisis dilakukan menggunakan metode LCM yang diimplementasikan dalam bahasa pemrograman Python untuk memperoleh solusi distribusi dengan biaya minimum. Hasil perhitungan menunjukkan bahwa total biaya transportasi minimum yang diperoleh sebesar Rp 185.000, dengan distribusi bahan baku yang sesuai antara kapasitas pemasok dan kebutuhan cafe. Berdasarkan hasil tersebut, penerapan metode transportasi berbasis Python terbukti efektif dalam membantu perencanaan distribusi bahan baku yang lebih efisien dan terukur. Kata kunci: Biaya Transportasi, Least Cost Method, Optimasi Distribusi, Python, Rooftop Sajiwa
Analisis Penerimaan Pengguna Aplikasi Canva di Provinsi Jambi Menggunakan Technology Acceptance Model (TAM) Insyra Inayah Putri; Anna Febriane Angelica; Elfira Elfira; Nyimas Azzahra Nur Saiyidah Nafisah; Taufik Hidayat; Ulfa Khaira
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9282

Abstract

Abstrak - Penelitian ini bertujuan untuk menganalisis penerimaan pengguna terhadap aplikasi Canva menggunakan pendekatan Technology Acceptance Model (TAM) dengan lima konstruk utama: Perceived Usefulness (PU), Perceived Ease of Use (PEU), Attitude Toward Using (ATU), Behavioral Intention to Use (BIU), dan Actual Use (AU). Uji instrumen dilakukan melalui pilot test terhadap 30 responden, yang menunjukkan seluruh konstruk memenuhi validitas konvergen dan reliabilitas meskipun terdapat indikator yang kurang optimal. Beberapa konstruk tidak lulus uji validitas diskriminan berdasarkan Fornell-Larcker, namun tetap dinyatakan valid berdasarkan cross loading. Pengumpulan data utama dilakukan terhadap 220 responden dan dianalisis menggunakan metode PLS-SEM dengan bantuan software SmartPLS 4.0. Hasil outer model menunjukkan semua indikator valid dan reliabel. Seluruh hubungan dalam inner model signifikan secara statistik (t 1,96; p 0,05), dengan PU memiliki pengaruh terbesar terhadap ATU (β = 0,545) dan BIU (β = 0,326), serta BIU terhadap AU (β = 0,564). Nilai R² menunjukkan tingkat prediksi sedang hingga kuat, dan Q² menegaskan kemampuan prediktif model. Temuan ini memperlihatkan bahwa model TAM mampu menjelaskan perilaku penerimaan Canva dengan baik dalam konteks pendidikan digital.Kata kunci: Canva; Technology Acceptance Model; SmartPLS; Outer Model; Inner Model; Abstract - This study aims to analyze user acceptance of the Canva application using the Technology Acceptance Model (TAM) approach with five main constructs: Perceived Usefulness (PU), Perceived Ease of Use (PEU), Attitude Toward Using (ATU), Behavioral Intention to Use (BIU), and Actual Use (AU). Instrument testing was conducted through a pilot test involving 30 respondents, which showed that all constructs met convergent validity and reliability, although some indicators were less than optimal. Some constructs did not pass the discriminant validity test based on the Fornell-Larcker criterion but were still considered valid based on cross-loading results.The main data collection involved 220 respondents and was analyzed using the PLS-SEM method with the assistance of SmartPLS 4.0 software. The outer model results indicated that all indicators were valid and reliable. All relationships in the inner model were statistically significant (t 1.96; p 0.05), with PU having the greatest influence on ATU (β = 0.545) and BIU (β = 0.326), and BIU on AU (β = 0.564). The R² values indicated moderate to strong predictive power, and the Q² values confirmed the model's predictive capability. These findings demonstrate that the TAM model effectively explains the acceptance behavior of Canva in the context of digital education.Keyword: Canva, Technology Acceptance Mode; SmartPLS; Outer Model; Inner Model;
Penerapan Support Vector Machine dan Latent Dirichlet Allocation dalam Analisis Sentimen Terhadap Pengalaman Pengguna Aplikasi Alfagift Desi Hartati; Ulfa Khaira; Rizqa Raaiqa Bintana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 5 (2025): Oktober 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9866

Abstract

Abstrak − Aplikasi alfagift merupakan salah satu aplikasi belanja online yang banyak diunduh di Google Play Store, menerima ribuan ulasan dari pengguna setiap harinya. Proses meninjau ulasan ini secara manual menjadi tidak efisien karena keterbatasan tenaga dan waktu, sehingga berpotensi memperlambat respons tim dalam mengambil keputusan strategis. Untuk mengoptimalkan proses ini, penerapan model machine learning sangat diperlukan untuk mengotomatisasi analisis sentimen dan identifikasi tema utama dalam ulasan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Alfagift menggunakan metode Support Vector Machine (SVM) dan mengidentifikasi topik utama dalam ulasan dengan pendekatan Latent Dirichlet Allocation (LDA) . Dataset yang digunakan telah melalui proses preprocessing berupa case folding , tokenizing, filtering , dan stemming . Hasil evaluasi menunjukkan bahwa model SVM dengan kernel polynomial memberikan akurasi tertinggi sebesar 95,9%, menandakan kemampuan yang baik dalam membedakan ulasan positif dan negatif. Pendekatan Latent Dirichlet Allocation (LDA) berhasil mengidentifikasi topik dominan, dengan nilai koherensi optimal sebesar 0,3164 (ulasan positif, 8 topik) dan 0,3177 (ulasan negatif, 7 topik). Berdasarkan analisis, mayoritas pengguna menyampaikan ulasan positif terkait kemudahan belanja dan promo menarik, meskipun beberapa masalah teknis masih menjadi keluhan. Penelitian ini menunjukkan bahwa kombinasi SVM dan LDA efektif untuk mengevaluasi kepuasan pengguna serta mengidentifikasi area perbaikan layanan Alfagift.Kata Kunci: Alfagift; Analisis Sentimen; LDA; SVM; Ulasan Pengguna; Abstract − The Alfagift app is one of the most downloaded online shopping apps on the Google Play Store, receiving thousands of user reviews daily. Manually reviewing these reviews is inefficient due to limited resources and time, potentially slowing down the team's ability to make strategic decisions. To optimize this process, implementing machine learning models is essential to automate sentiment analysis and identify key themes within reviews. This research aims to analyze the sentiment of user reviews of the Alfagift application using the Support Vector Machine (SVM) method and to identify the main topics in the reviews using the Latent Dirichlet Allocation (LDA) approach. The dataset used has undergone preprocessing including case folding, tokenization, filtering, and stemming. The evaluation results show that the SVM model with a polynomial kernel provides the highest accuracy of 95.9%, indicating a good ability to differentiate between positive and negative reviews. The Latent Dirichlet Allocation (LDA) approach successfully identified dominant topics, with an optimal coherence value of 0.3164 (positive reviews, 8 topics) and 0.3177 (negative reviews, 7 topics). Based on the analysis, the majority of users provided positive reviews regarding the ease of shopping and attractive promotions, although some technical issues remain a complaint. This study demonstrates that the combination of SVM and LDA is effective for evaluating user satisfaction and identifying areas for service improvement at Alfagift.Keywords: Alfagift; Sentiment Analysis; LDA; SVM; User Reviews;
Penerapan Model YOLO Untuk Deteksi Kerusakan Jalan Berdasarkan Citra Visual Amanda Iza Sofiani; Nazwa Eka Hervy; Fitri Dwi Lestari; M. Rizky Ardiansyah Putra; Mutia Fadhila Putri; Ulfa Khaira; Pradita Eko Prasetyo Utomo
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 3 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p196-204

Abstract

Kerusakan jalan seperti retak dan lubang menjadi permasalahan infrastruktur yang mengganggu keselamatan dan kelancaran lalu lintas. Metode identifikasi manual yang selama ini digunakan dinilai kurang efisien. Penelitian ini bertujuan untuk menerapkan model YOLOv8 dalam mendeteksi kerusakan jalan secara otomatis melalui citra visual. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan pelatihan model deep learning menggunakan 200 citra yang dianotasi secara manual. Data dibagi ke dalam skema pelatihan, validasi, dan pengujian (70:20:10). Hasil pelatihan menunjukkan bahwa YOLOv8 mampu mendeteksi dua jenis kerusakan utama, yaitu retak dan berlubang, dengan performa yang cukup baik. Model menunjukkan peningkatan nilai precision hingga 0.4 dan recall lebih dari 0.3. Sementara itu, nilai mAP50 mencapai sekitar 0.27, dan mAP50-95 lebih dari 0.1. Temuan ini mengindikasikan bahwa model cukup andal dalam mengenali kerusakan jalan dengan akurasi memadai, serta memiliki potensi untuk diintegrasikan dalam sistem monitoring infrastruktur secara real-time. Kata Kunci: citra visual, deep learning, deteksi kerusakan jalan, object detection, YOLOv8
Analisis Teori Permainan Dalam Menentukan Strategi Persaingan Pada Platform E-Commerce Shopee Dan TikTok Shop Aliyah, Rihhadatul; Valerina Noa Verent; Lesianda Junitia; Ulfa Khaira; Hasanatul Iftitah
IT-Edu : Jurnal Information Technology and Education Vol. 11 No. 01 (2026): Vol. 11 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/it-edu.v11i01.73647

Abstract

Abstrak: Persaingan pesat saat ini terutama pada platform e-commerce antara Shopee dan TikTok Shop semakin terus berkembang, hal ini dapat dianalisis lebih lanjut dengan menggunakan pendekatan Teori Permainan untuk dapat melihat kedua platform tersebut dalam menentukan strategi yang lebih berdaya saing. Analisis tersebut dilihat dari penilaian strategi berdasarkan produk, harga, kemudahan dalam akses, promosi dan pelayanan yang telah dikumpulkan dari 40 responden dengan penyebaran kuesioner. Perhitungan menggunakan strategi murni untuk mengetahui nilai Saddle Point sebagai indeks yang stabil dari strategi, lalu hasilnya diuji kembali menggunakan Software POM QM for Windows untuk memastikan kesamaan. Dari hasil yang telah ditemukan, Saddle Point berada pada nilai 16 yang artinya permainan tersebut mencapai strategi optimal, kondisi optimal berada pada X3 (Shopee) dan Y1 (TikTok Shop). Analisis ini telah memberikan aspek kuantitatif terkait persaingan antara kedua platform untuk menghadapi kompetisi yang lebih serius di masa depan. Kata Kunci: Teori Permainan, Strategi Murni, Persaingan;
Sentiment Analysis of User Reviews on Line Bank Digital Application Using Support Vector Machine Muttaqin, Rizki Daffa; Khaira, Ulfa; Arsa, Daniel
SMATIKA JURNAL : STIKI Informatika Jurnal Vol 16 No 01 (2026): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM Universitas Bhinneka Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v16i01.1762

Abstract

Dengan semakin populernya penggunaan bank digital, ulasan pengguna menjadi sumber data penting untuk memahami pengalaman dan sentimen pengguna terhadap layanan yang diberikan. Line Bank, sebagai salah satu bank digital, juga menerima berbagai ulasan dari penggunanya yang mencerminkan kepuasan maupun ketidakpuasan terhadap layanan mereka. Permasalahan yang dihadapi adalah bagaimana menganalisis sentimen dari ulasan pengguna secara efektif dan akurat untuk memberikan wawasan yang lebih baik tentang kualitas layanan Line Bank. Penelitian ini menggunakan algoritma machine learning Support Vector Machine untuk menganalisis sentimen ulasan pengguna Line Bank. Kinerja kedua metode dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-score. Pengujian dilakukan dengan beberapa skenario pembagian data (data split), dan hasilnya menunjukkan bahwa Support Vector Machine memiliki kinerja yang baik. Pada skenario pembagian data 90:10, Support Vector Machine mencapai akurasi 89,61%. Selain itu, Support Vector Machine juga menunjukkan performa baik dalam metrik presisi, recall, dan F1-score. Analisis visualisasi hasil menunjukkan dominasi sentimen negatif pada ulasan pengguna Line Bank, yang mengindikasikan adanya ruang untuk perbaikan layanan. 
Co-Authors Abidin, Zainil Akhiyar Waladi Akhmad Fikri Rosyadi Aliyah, Rihhadatul Amanda Iza Sofiani Anisa Bella Panjaitan Anna Febriane Angelica Arsa, Daniel Aryani, Reni Benedika Ferdian Hutabarat Bisma Aulia Bisma Aulia Cepi Ramdan Cepi Ramdan Christina Mutiara Ishak Desi Hartati Desi Musfiroh Devi Listiani Safitri Dewi Lestari Dinda Fatimah Sarah Edi Saputra Edi Saputra Eko Prasetyo Eko Prasetyo Utomo, Pradita Elfira Elfira Elsha Aureal Shopia Fitri Dwi Lestari Ghaitsa Althafah Wandira Ghaitsa Althafah Wandira Guntoro Guntoro Guntoro Guntoro Haezrah Oktavini Hasanatul Iftitah Hasby Kuswanto Hidayat Hidayat Imelda Raudati Imelda Raudati Indra Weni Indryani Indryani Insyra Inayah Putri Jefri Marzal Krisman Pratama Simanjuntak Lailan Syaufina Lesianda Junitia Lilian Putri Salsabila M. Rizky Ardiansyah Putra Mardhotillah, Bunga Mauladi Mauladi Muazzomi, Nyimas Muhammad Alfares Muhammad Rumii Firnanditya Muksin Alfalah Mustakim Mustakim Mutia Fadhila Putri Muttaqin, Rizki Daffa Nabila Febrisa Anggraini Nasution, Afdal Aditya Nasution, Mukhtada Billah Nazwa Eka Hervy Notasonda Soni Putra Nugroho Ardy Pramono Nyimas Azzahra Nur Saiyidah Nafisah Pebrianto, Dony Yusra Pikir Claudia Septiani Gulo Putri Hazmawati Qodri, Muhammad Amin Ragil Johanda Reza Wahyu Hardian Rio Gilang, Divo Riyan Ardani Rizki Surya Amanda Rizqa Raaiqa Bintana Robertus Herodian Sitanggang Robi Purnomo Samratul Fuady Sitanggang, Imas S. Sulistiyo, Urip Syalsabylla Syalsabylla Syamsyida Rozi Tasia Maidi Saputri Tasia Maidi Saputri Taufik Hidayat Tesa Ananda Putri Tri Suratno Uswatul Hasni Utomo, Pradita Eko Prasetyo Valerina Noa Verent Wisard Widsli Kalengkongan Yolla Noverina Yosi Riduas Hais Yosika Dian Saputri Yuanita Clark Lestari Simbolon Yurinanda, Sherli