Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of Business Management Education (JBME) Jurnal Tekno Kompak
Salma, Saffanah
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analysis of Factors Influencing Consumer Decision to Purchase Le Minerale in Depok Salma, Saffanah
Journal of Business Management Education (JBME) Vol 7, No 1 (2022)
Publisher : Business Education Program of Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jbme.v7i1.41476

Abstract

This purpose of this research is to know what factors that influencing consumers decision to purchase Le Minerale in Depok.  The type of this research is a quantitative descriptive study. The population of this research is the residents DepokAge 16 – 24 years old (Gen Z). Sampling using purposive sampling which is included in the type of nonprobability sampling technique with a minimum sampling size determined using the iteration formula (n: 117). Data collection techniques through questionnaires and Forum Group Discussion (FGD). The questionnaire was tested by using Pearson product moment validity test and reliability test using Alpha Cronbach formula. The results showed that residents of Depok price is the most influential factor in making purchasing decisions for Le Minerale,, and for the results of the product analysis, it has an influence in making purchasing decisions, last but not least is promotion, we know that promotion is also a factor that influences decisions purchase Le Minerale.
Perbandingan Algoritma Machine Learning Dalam Memprediksi Kelulusan Siswa Maftucha, Nidaul; Salma, Saffanah; Rahmayuna, Novita; Wakhidah, Nur
Jurnal Tekno Kompak Vol 19, No 2 (2025): AGUSTUS (In Progress)
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v19i2.5090

Abstract

Prediksi kelulusan siswa sangat penting karena dapat membantu sekolah, guru, dan orang tua merencanakan bagaimana membantu siswa yang berisiko tidak lulus. Prediksi ini juga dapat memberi lembaga pendidikan kesempatan untuk meningkatkan kualitas pembelajaran dan mengembangkan tindakan yang lebih efisien. Pada penelitian ini membahas tentang perbandingan algoritma machine learning dalam memprediksi kelulusan siswa. Masalah utama yang diidentifikasi adalah kurangnya sistem prediksi yang efektif, yang dapat memprediksi kelulusan siswa. Tujuan dari penelitian ini adalah untuk menemukan metode terbaik dengan membandingkan kinerja lima algoritma machine learning yaitu K-NN, Naive Bayes, Decision Tree, Random Forest, dan SVM dalam memprediksi kelulusan siswa berdasarkan confusion matrix. Kemudian, dataset yang digunakan untuk penelitian ini memiliki tiga kategori fitur, yaitu: dataset numerikal, dataset kategorikal, dan dataset keseluruhan (gabungan dari numerikal dan kategorikal). Hasil pengujian dari dataset numerikal algoritma Random Forest mendapatkan nilai akurasi terbaik sebesar 74.12%. Pada algoritma dengan fitur kategorikal K-NN dan SVM memiliki nilai akurasi tertinggi dengan mendapatkan nilai sebesar 93.11%. Namun, algoritma Random Forest memiliki performa yang paling konsisten dan unggul ketika seluruh fitur digabungkan. Dengan mendapatkan nilai akurasi tertinggi sebesar 76.50% dan F1-Scorenya 75.00%.
Co-Authors Maftucha, Nidaul Nur Wakhidah Rahmayuna, Novita