Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Info Sains : Informatika dan Sains Profitabilitas
Nurul Ichsan
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Profitabilitas

 1 
Perancangan Sistem Informasi Pengendalian Persediaan Barang Produksi pada PT. Harmonics Techindo Agung Basri, Hasan; Devi Alisa Putri; Alif Rizqi Mulyawan; Salman Alfarizi; Nurul Ichsan
PROFITABILITAS Vol 5 No 1 (2025): JURNAL PROFITABILITAS
Publisher : Sistem Informasi Akuntansi Kampu Kabupaten Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/profitabilitas.v5i1.8752

Abstract

Information technology that is very important for an agency and company can be used to facilitate a job in achieving goals optimally. PT. Harmonics Techindo Agung is a company engaged in the manufacturing industry, Designing an information system for controlling production goods inventory at PT. Harmonics Techindo Agung is done because the system used is still done manually which results in data being easily lost, a long time in data processing, and frequent errors in data input. To overcome this, researchers use the Prototype method in the process of controlling production goods inventory at PT. Harmonics Techindo Agung to help software development in creating software models that provide an idea of ideas, experimenting with designs so that they can provide convenience for companies in managing data faster, more accurately and effectively.
Prediksi Cacat Software Menggunakan Class Balancer Bagging C4.5 dan Analisis Statistik SPSS dalam Konteks Akuntansi Nurul Ichsan; Haerul Fatah; Tri Wahyuni; Erni Ermawati; Indriyanti
PROFITABILITAS Vol 5 No 1 (2025): JURNAL PROFITABILITAS
Publisher : Sistem Informasi Akuntansi Kampu Kabupaten Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/profitabilitas.v5i1.9081

Abstract

Prediksi cacat software merupakan langkah krusial dalam proses pengembangan perangkat lunak guna meminimalkan risiko kerugian akibat kegagalan sistem. Namun, tantangan utama dalam prediksi ini terletak pada ketidakseimbangan data (class imbalance) yang menyebabkan performa model prediksi menjadi tidak optimal. Penelitian sebelumnya menunjukkan bahwa algoritma C4.5 memiliki performa cukup baik, namun masih belum mampu menangani permasalahan ketidakseimbangan kelas secara efektif. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan pendekatan integrasi Class Balancer dan teknik Bagging pada algoritma C4.5 sebagai solusi prediksi yang lebih robust. Hasil penelitian menunjukkan bahwa model Class Balancer+Bagging+C4.5 memberikan peningkatan nilai AUC pada dataset PC4.arff hingga mencapai 0.834 dengan akurasi 83.35%, yang masuk dalam kategori Good Classification. Meskipun rata-rata akurasi menurun dibandingkan C4.5 original, rata-rata nilai AUC meningkat secara signifikan dari 0.599 menjadi 0.672, yang menunjukkan peningkatan kualitas klasifikasi dari Failure menjadi Poor Classification. Temuan ini menunjukkan bahwa integrasi teknik Class Balancer dan Bagging pada algoritma C4.5 mampu meningkatkan kemampuan model dalam mengenali cacat software, terutama dari sisi kestabilan prediksi terhadap data yang tidak seimbang.
Pengembangan dan Deployment Sistem Pendukung Keputusan Strategi Pemasaran Program Donasi ZIS: Integrasi Algoritma K-Medoids dan Generative AI Alif Rizqi Mulyawan; Nurul Ichsan; Salman Alfarizi; Deni Gunawan; Hasan Basri
PROFITABILITAS Vol 5 No 2 (2025): JURNAL PROFITABILITAS
Publisher : Sistem Informasi Akuntansi Kampu Kabupaten Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/profitabilitas.v5i2.11668

Abstract

Perkembangan teknologi digital mendorong Lembaga Amil Zakat (LAZ) untuk mengadopsi strategi pemasaran berbasis data guna meningkatkan efektivitas penghimpunan dana zakat, infak, dan sedekah (ZIS). Tantangan utama yang dihadapi LAZ adalah keterbatasan dalam memahami karakteristik dan perilaku donatur secara komprehensif, sehingga strategi pemasaran yang diterapkan belum sepenuhnya tepat sasaran. Oleh karena itu, penelitian ini bertujuan untuk merancang, mengembangkan, dan mengimplementasikan Sistem Pendukung Keputusan (Decision Support System / DSS) yang inovatif dalam mendukung modernisasi strategi pemasaran pada LAZ. Penelitian ini didasarkan pada temuan empiris sebelumnya yang menunjukkan bahwa algoritma K-Medoids memiliki ketahanan yang lebih baik terhadap keberadaan outlier dibandingkan metode klasterisasi lainnya, sehingga efektif digunakan dalam segmentasi donatur berdasarkan pola dan perilaku transaksi. Metode penelitian yang digunakan meliputi analisis kebutuhan sistem, perancangan arsitektur, pengembangan aplikasi, serta tahap implementasi dan pengujian sistem. Sistem yang dikembangkan, yaitu ZIS-Smart-DSS, dibangun menggunakan arsitektur berbasis web dengan framework Python Flask sebagai pengelola backend, basis data relasional untuk pengelolaan data transaksional donatur, serta integrasi Application Programming Interface (API) dengan Large Language Models (LLM) untuk mengotomatisasi pembuatan konten pemasaran yang adaptif dan personal. Hasil segmentasi donatur yang dihasilkan oleh algoritma K-Medoids dimanfaatkan sebagai dasar dalam memberikan rekomendasi strategi pemasaran yang lebih tepat sasaran. Hasil penelitian menunjukkan bahwa ZIS-Smart-DSS mampu mengintegrasikan proses analisis data, pengambilan keputusan, dan eksekusi strategi pemasaran secara efektif. Sistem ini memberikan dukungan signifikan bagi pengelola LAZ dalam memahami karakteristik donatur serta meningkatkan relevansi dan efektivitas komunikasi pemasaran berbasis kecerdasan buatan.
Co-Authors Achmad Baroqah Pohan Alif Rizqi Mulyawan Deni Gunawan Devi Alisa Putri Erni Ermawati Fatah, Haerul Hasan Basri Hasan Basri Indriyanti Mareanus Lase Mohammad Syamsul Azis Robi Aziz Zuama Salman Alfarizi Tri Wahyuni