Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Prosiding Semnastek Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika
Retnani Latifah
Universitas Muhammadiyah Jakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Library & Information Science Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Prosiding Semnastek

 1 
Model Decision Tree untuk Prediksi Jadwal Kerja menggunakan Scikit-Learn Retnani Latifah; Emi Setia Wulandari; Priadhana Edi Kreshna
Prosiding Semnastek PROSIDING SEMNASTEK 2019
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Data yang memiliki tipe kategorikal dan numerikal seperti data jadwal kerja memiliki tantangan tersendiri untuk dapat dilakukan prediksi karena data tipe kategorikal perlu perhatian khusus. Decision tree merupakan salah satu algoritma yang dapat digunakan untuk prediksi dan dapat menggunakan data kategorikal maupun data numerikal. Salah satu library yang dapat digunakan untuk menerapkan decision tree adalah scikit-learn, yang berjalan di python. Scikit-learn menerapkan optimasi dari algoritma CART dan meskipun hanya dapat mengolah data numerikal, library ini menyediakan fitur untuk menangani data kategorikal. Penelitian ini membuat model decision tree menggunakan scikit-learn untuk membuat model prediksi jadwal kerja. Data yang digunakan berjumlah 54 data dengan 3 variabel kategorikal dan 1 variabel numerikal. Dari hasil penerapan diperoleh sebuah model decision tree dengan kedalaman pohon adalah 6. Hasil evaluasinya menunjukkan hasil yang baik yaitu nilai akurasi mencapai di atas 0,7 dan presisi mencapai di atas 0,9. Persentase pemisahan data terbaik adalah dengan menggunakan 30% data uji dan 70% data latih. Saat dibandingkan, model decision tree memiliki akurasi yang lebih baik dibandingkan KNN, di mana akurasi decision tree dapat mencapai angka di atas 0,8 sedangkan KNN dibawah itu.
ANALISIS PENGGUNAAN INBOUND MARKETING DI UMKM FASHION KELURAHAN PENGGILINGAN Retnani Latifah; Rully Mujiastuti; Hendra Hendra
Prosiding Semnastek PROSIDING SEMNASTEK 2018
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Inbound marketing merupakan teknik marketing yang berfokus pada bagaimana menarik pelanggan dengan memanfaatkan content marketing, blogs, search engine optimization, social media marketing dan branding. Dari hasil kuesioner terhadap 38 pelaku UMKM fashion di Kelurahan Penggilingan, diketahui bahwa baru sebanyak 47.4% pelaku UMKM yang sudah menggunakan teknologi dalam pemasaran dan baru 39.5% yang memanfaatkan inbound marketing berupa website, blog dan/atau media sosial untuk pemasaran. Meski demikian, dari hasil penelitian, terlihat bahwa ada keterhubungan yang sangat kuat antara penggunaan inbound marketing dengan penambahan jumlah konsumen. Nilai korelasi yang dihitung menggunakan Pearson Correlation menunjukkan angka sebesar 0.942, yang berarti bahwa terdapat korelasi yang sangat kuat diantara keduanya. Pelaku UMKM fashion Kelurahan Penggilingan yang sudah menggunakan website, blog dan/atau media sosial untuk pemasaran telah mengalami peningkatan jumlah konsumen yang menunjukkan bahwa konten yang dibuat di website, blog dan/atau media sosial dapat menarik konsumen baru. Oleh karena itu, dapat dikatakan bahwa inbound marketing merupakan hal yang cukup penting untuk meningkatkan penjualan, terutama bagi pelaku UMKM fashion Kelurahan Penggilingan yang telah memanfaatkannya.
Co-Authors Emi Setia Wulandari Hendra Hendra Ilham Azis Imam Wahyu Utomo Meri Prasetyawati Priadhana Edi Kreshna Rita Dewi Risanty Rita Dewi Risanty Rully Mujiastuti Sitti Nurbaya Ambo Virgi Al-Fiansah