Article Per Year (5 Year)
p-Index From 2021 - 2026
4.409
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Nasional Komputasi dan Teknologi Informasi J-SAKTI (Jurnal Sains Komputer dan Informatika) Journal of Information System, Applied, Management, Accounting and Research Akrab Juara : Jurnal Ilmu-ilmu Sosial STUDI PELAKSANAAN SELFMEDICATION PADA PENDERITA DIARE BERDASARKAN TINGKAT PENGETAHUAN MASYARAKAT PESISIR KECAMATAN SOROPIA KABUPATEN KONAWE J-SAKTI (Jurnal Sains Komputer dan Informatika) JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS) Jurnal Minfo Polgan (JMP) Jurnal Pengabdian Masyarakat Formosa (JPMF) SATIN - Sains dan Teknologi Informasi Jurnal Pengabdian Kepada Masyarakat Radisi Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Jefina Tri Kumalasari
Universitas Bina Sarana Informatika
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology 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 Health Professions Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Public Health Social Sciences Transportation Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
KLASTERISASI PELANGGAN BERDASARKAN PERILAKU KONSUMEN MENGUNAKAN K-MEANS Kumalasari, Jefina Tri; Merdekawati, Agustiena
Journal of Information System, Applied, Management, Accounting and Research Vol 9 No 4 (2025): JISAMAR (Journal of Information System, Applied, Management, Accounting and Resea
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v9i4.2124

Abstract

Mengelola loyalitas pelanggan dan menjangkau pembeli merupakan tantangan terbesar yang dihadapi industri retail. Segmentasi atau pengelompokan pelanggan merupakan strategi yang dilakukan dengan memisahkan pelanggan ke dalam beberapa kelompok berdasarkan perbedaan karakteristik, perilaku, maupun kebutuhan mereka. Pembagian ini bertujuan membantu pebisnis guna memenuhi kebutuhan mereka dengan mengoptimalkan layanan dan produk. Metode Clustering digunakan untuk mengidentifikasi beberapa segmen pelanggan. Berdasarkan hasil pengujian maka terlihat pada jumlah cluster optimal adalah K = 3 karena memiliki nilai tertinggi yaitu 0.33861316, hal ini didukung setalah dilakukan pengujian elbow methode. Penerapan Algoritma K-Means dalam mengkluster perilaku pelanggan memberikan wawasan mengenai variasi pola pembelian di antara pelanggan. Hasil ini dapat digunakan untuk mengembangkan strategi bisnis yang lebih terarah dan efektif. Namun, kondisi ekonomi dan faktor gaya hidup turut memberi pengaruh besar sehingga pola pengeluaran dalam populasi sangat bervariasi.
Analisis Sentimen Ulasan Gojek pada Google Play Store Menggunakan Metode Naïve Bayes Andhika Prasetya; Nadif Ramadha; Fadhli Firmansyah; Jefina Tri Kumalasari
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.v8i4.9402

Abstract

Abstrak - Penelitian ini bertujuan untuk menganalisis sentimen pengguna Gojek diGoogle Play Store menggunakan algoritma Naive Bayes Classifier. Analisis sentimen dilakukan untuk memahami persepsi dan tingkat kepuasan pengguna terhadap layanan Gojek berdasarkan ulasan yang mereka bagikan. Data dikumpulkan melalui proses scrapping pada aplikasi Gojek diGoogle Play Store dalam periode tertentu. Tahapan penelitian meliputi preprocessing data (case folding, tokenizing, stopword, dan stemming), pelabelan sentimen (positif, negative, netral), pembobotan kata menggunakan TF-IDF, dan klasifikasi menggunakan algoritma Naive Bayes. Hasil penelitian menunjukkan bahwa dari total 16456 ulasan selanjutnya dilakukan tahapan preprocessing. Maka dihasilkan data sebanyak 11276. Dengan tingkat akurasi klasifikasi mencapai 99.97%. Faktor-faktor yang paling sering dikomentari positif meliputi keandalan driver, keramahan pelayanan, kecepatan proses, dan kualitas layanan yang baik. Sementara keluhan utama terkait dengan masalah teknis dan layanan pelanggan. Penelitian ini memberikan wawasan bagi pengembang Gojek untuk meningkatkan layanan sesuai dengan feedback pengguna.Kata kunci: Analisis Sentimen; Gojek; Naive Bayes Classifier; Abstract - This research aims to analyze Gojek users' sentiment on the Google Play Store using the Naive Bayes Classifier algorithm. Sentiment analysis is conducted to understand users' perceptions and satisfaction levels with Gojek's services based on the reviews they share. Data was collected through the scrapping process on the Gojek application in the Google Play Store over a certain period. The research stages include data preprocessing (case folding, tokenizing, stopword, and stemming), sentiment labeling (positive, negative, neutral), word weighting using TF-IDF, and classification using the Naive Bayes algorithm. The research results show that from a total of 16,456 reviews, the preprocessing stage was subsequently carried out. Thus, a total of 11276 data were produced. With a classification accuracy rate of 99.97%. The factors most frequently commented on positively include driver reliability, service friendliness, process speed, and good service quality. Meanwhile, the main complaints are related to technical issues and customer service. This research provides insights for Gojek developers to improve services based on user feedback.Keywords: Sentiment Analysis; Gojek; Naive Bayes Classifier;
Model Hybrid K-Means dan Decision Tree untuk Penentuan Status Kemiskinan Penduduk Indonesia Agustiena Merdekawati; Jefina Tri Kumalasari
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 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.v8i3.9214

Abstract

Abstrak - Kemiskinan merupakan permasalahan utama yang masih dihadapi oleh negara berkembang, termasuk Indonesia. Ketepatan dalam mengidentifikasi penduduk miskin sangat penting agar program bantuan sosial dapat disalurkan secara efektif dan tepat sasaran. Penelitian ini bertujuan untuk membangun model hibrida yang menggabungkan algoritma K-Means dan Decision Tree dalam menentukan status kemiskinan penduduk Indonesia berdasarkan data sosial-ekonomi. Data yang digunakan diambil dari platform Kaggle, terdiri dari 514 data penduduk dengan 13 atribut. Algoritma K-Means digunakan untuk mengelompokkan data ke dalam klaster berdasarkan kemiripan karakteristik, dengan evaluasi menggunakan Davies Bouldin Index (DBI). Selanjutnya, hasil klaster digunakan sebagai label dalam proses klasifikasi menggunakan algoritma Decision Tree, yang dievaluasi menggunakan Confusion Matrix. Hasil penelitian menunjukkan bahwa model Decision Tree mencapai akurasi 98,44%, dengan precision sebesar 95% dan recall sebesar 91,94%, sedangkan model K-Means menunjukkan klaster optimal pada k = 2 atau 3 berdasarkan grafik elbow. Model hibrida ini terbukti mampu meningkatkan akurasi klasifikasi dan memberikan aturan pengambilan keputusan yang lebih jelas dan mudah diinterpretasikan. Dengan demikian, model ini dapat digunakan sebagai alat bantu dalam mendukung kebijakan pemerintah untuk penanggulangan kemiskinan secara lebih efektif dan berbasis data.Kata kunci: Kemiskinan; Data Mining; K-Means; Decision Tree; Klasterisasi; Klasifikasi; Model Hibrida. Abstract - Poverty remains a major issue faced by developing countries, including Indonesia. Accurate identification of impoverished populations is crucial to ensure that social assistance programs are delivered effectively and to the right recipients. This study aims to develop a hybrid model that integrates the K-Means clustering algorithm and the Decision Tree classification algorithm to determine the poverty status of Indonesian citizens based on socio-economic data. The dataset used was sourced from Kaggle and consists of 514 records with 13 attributes. The K-Means algorithm is employed to group the data into clusters based on similarity in characteristics, with evaluation performed using the Davies Bouldin Index (DBI). The resulting clusters are then used as labels for classification using the Decision Tree algorithm, which is evaluated using a Confusion Matrix. The results show that the Decision Tree model achieved an accuracy of 98.44%, with a precision of 95% and recall of 91.94%, while the K-Means model indicated optimal clustering at k = 2 or 3 based on the elbow method. This hybrid model has proven effective in improving classification accuracy and generating decision rules that are clear and interpretable. Therefore, the model can serve as a valuable decision support tool for government policy-makers in the fight against poverty through data-driven approaches.Keywords: Poverty; Data Mining; K-Means; Decision Tree; Clustering; Classification; Hybrid Model.
Penerapan Algoritma Random Forest Dalam Memprediksi Harga Properti di Jakarta Selatan Berdasarkan Karakteristik Fisik dan Lokasi Emilita, Safa; Rahayu, Putri Sri; Larasati, Sekar Rania; Taufiq, Ghofar; Kumalasari, Jefina Tri
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15735

Abstract

Penelitian ini bertujuan untuk melakukan prediksi harga properti di wilayah Jakarta Selatan dengan memanfaatkan algoritma Random Forest. Dataset yang digunakan mencakup 1.003 data dengan variabel seperti harga, luas tanah (LT), luas bangunan (LB), jumlah kamar tidur (JKT), jumlah kamar mandi (JKM), keberadaan garasi (GRS), serta lokasi (KOTA). Hasil analisis menunjukkan bahwa algoritma Random Forest mampu memberikan prediksi harga properti dengan tingkat akurasi yang tinggi, di mana luas tanah dan luas bangunan menjadi faktor yang paling berpengaruh terhadap hasil prediksi.Temuan ini dapat menjadi referensi bagi pengembang, agen properti, maupun calon pembeli dalam memperkirakan nilai pasar properti di Jakarta Selatan secara lebih objektif dan data-driven .
Implementasi Lightweight Neural Network Berbasis YOLOv8n untuk Klasifikasi Sampah Real-Time Ali, Muhamad Hafis; Sulaiman, Sulaiman; Ardiyansyah, Rizqi; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Jefina Tri
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8895

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah real-time yang efisien pada perangkat edge dengan memanfaatkan arsitektur Deep Learning ringan berbasis YOLOv8. Klasifikasi sampah otomatis merupakan solusi krusial dalam Smart Waste Management, namun model jaringan saraf tiruan yang kompleks sering terkendala oleh keterbatasan sumber daya komputasi pada perangkat IoT. Penelitian ini menerapkan model YOLOv8n (nano) menggunakan teknik Transfer Learning untuk menyeimbangkan akurasi deteksi dan efisiensi komputasi. Dataset yang digunakan bersumber dari repositori publik Roboflow sebanyak 1.123 citra yang telah melalui proses augmentasi. Hasil pelatihan selama 50 epoch menunjukkan performa impresif dengan nilai mean Average Precision (mAP@50) mencapai 0.995, Presisi 0.998, dan Recall 1.0. Selain itu, model memiliki ukuran file yang sangat ringkas (±6 MB) dengan kecepatan inferensi yang memadai untuk operasi real-time. Hasil penelitian ini membuktikan bahwa algoritma lightweight neural network mampu diimplementasikan secara efektif untuk mendukung sistem pemilahan sampah cerdas berbasis Computer Vision.
Analisis Kinerja Model Yolov8 Berbasis Roboflow pada Deteksi Sampah Plastik Non-Plastik Otomatis Alghiffary, Muhammad Adya; Saputra, Yusup; Ali, Satrio Nur; Sumanto, Sumanto; Taufig, Ghofar; Kumalasari, Jefina Tri
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8896

Abstract

Meningkatnya jumlah sampah plastik menuntut adanya sistem pemilahan yang lebih efisien dan akurat. Pemilahan sampah secara manual masih memiliki keterbatasan dari segi waktu dan ketelitian. Oleh karena itu, diperlukan sistem deteksi otomatis berbasis computer vision menggunakan model YOLOv8 dan Roboflow untuk membedakan sampah plastik dan non-plastik secara efektif. Penelitian ini berfokus pada evaluasi kinerjamodel YOLOv8 untuk mengotomasi deteksi sampah Plastik dan Non-Plastik, sebuah langkah krusial dalam pengelolaan limbah modern. Menggunakan dataset yang disediakan Roboflow, model dikembangkan dan diuji coba seluruhnya di lingkungan Google Colab. Model YOLOv8 menunjukkan hasil yang sangat memuaskan, dengan capaian mean Average Precision (mAP) mencapai 95,2% dan akurasi 94,5%. Kinerja tinggi ini didukung oleh nilai presisi dan recall yang kuat, menandakan kemampuan klasifikasi yang handal. Studi ini menyimpulkan bahwa YOLOv8 adalah pilihan yang efektif dan efisien untuk penerapan dalam teknologi pemilahan sampah otomatis, yang berpotensi meningkatkan produktivitas dan keberlanjutan pengelolaan sampah di berbagai skala.
ANALISIS SENTIMEN ULASAN GAME DELTA FORCE MOBILE MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE Zaky, Faiz Najwan; Gibran, Muhamad Rendi; Sumanto, Sumanto; Kumalasari, Jefina Tri; Taufiq, Ghofar; Christian, Ade
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1115

Abstract

This study aims to analyze sentiment in Delta Force Mobile reviews on the Google Play Store using Naive Bayes and Support Vector Machines. Sentiment classification in reviews helps game developers understand player sentiment and improve user satisfaction. The method used is the KDD framework, which focuses on web scraping, text cleaning, tokenization, stemming, and TF-IDF for data weighting. The experimental data consisted of 29,454 reviews, with a peak accuracy rate of 86.17%. The study found a significant improvement in SVM’s ability to classify negative sentiment accurately. SVM had a score of 0.69, while Naive Bayes had a score of 0.56. This indicates that SVM is more accurate at classifying reviews that contain technical complaints, such as lag and bugs.Penelitian ini bertujuan menganalisis sentimen pada ulasan Delta Force Mobile di Google Play Store menggunakan Naive Bayes dan Support Vector Machine. Klasifikasi sentimen dalam ulasan digunakan untuk membantu pengembang game memahami sentimen pemain dan membantu meningkatkan kepuasan pengguna. Metode yang digunakan yaitu kerangka kerja KDD yang berfokus pada web scraping, pembersihan teks, tokenisasi, stemming, dan TF-IDF untuk memberi bobot pada data. Data yang digunakan dalam eksperimen berjumlah 29.454 ulasan, dengan tingkat akurasi tertinggi sebesar 86.17%. Hasil penelitian mendapatkan temuan signifikan bahwa SVM memiliki kemampuan yang lebih baik dalam mengklasifikasikan sentimen negatif secara akurat. SVM memiliki nilai 0,69 dan Naive Bayes memiliki nilai 0,56. Hal ini menunjukan bahwa SVM lebih akurat dalam mengklasifikasikan ulasan yang mengandung keluhan teknis seperti lag dan bug.
Co-Authors Abdurohim, Ahmad Ade Christian, Ade Agustiena Merdekawati, Agustiena Alghiffary, Muhammad Adya Ali, Muhamad Hafis Ali, Satrio Nur Andhika Prasetya Ardiyansyah, Rizqi Azis Sukma Dhiana Emilita, Safa Fadhli Firmansyah Ghofar Taufiq, Ghofar Gibran, Muhamad Rendi Hidayati, Apriliani Indah Puspitorini Irwin Sukrisno Sugeng Ita Dewi Sintawati Larasati, Sekar Rania Nadif Ramadha Rahayu, Putri Sri Saputra, Yusup Sulaiman Sulaiman Sumanto Sumanto Sumanto, Sumanto Susi Wahyu Lestari Tara Adrilia Salsabila Taufig, Ghofar Wau, Kebenaran Wida Prima Mustika Yuni Fitriani, Yuni Zaky, Faiz Najwan