Article Per Year (5 Year)
p-Index From 2021 - 2026
2.782
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Terapan Abdimas Journal of Information System Sinkron : Jurnal dan Penelitian Teknik Informatika SISFOTENIKA Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Teknik Komputer AMIK BSI Paradigma Jurnal Pilar Nusa Mandiri JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology JSiI (Jurnal Sistem Informasi) INTI Nusa Mandiri Jurnal Infortech Jurnal Teknologi Informatika dan Komputer Jurnal Sistem Informasi Bulletin of Computer Science Research Abditeknika - Jurnal Pengabdian Kepada Masyarakat Jurnal Insan
Dewi Ayu Nur Wulandari
Universitas Bina Sarana Informatika
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Commuter Line Sunarti, Sunarti; Handayanna, Frisma; Wulandari, Dewi Ayu Nur
Techno.Com Vol. 23 No. 4 (2024): November 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i4.11497

Abstract

Commuter Line ialah salah satu sektor pelayanan publik dibidang transportasi banyak dipergunakan oleh masyarakat saat ini. Sesuai perkembangan teknologi banyak opini masyarakat terhadap pelayanan Commuter Line beredar secara online, untuk menyampaikan opininya masyarakat menggunakan media sosial seperti Twitter. Media Twitter dapat dijadikan sebagai bahan evaluasi peningkatan kualitas layanan. Twitter memudahkan pelanggan untuk menyampaikan keluhan serta pendapat terkait layanan seperti PT KAI Commuter. Untuk memahami komentar pelanggan, persepsi layanan publik, dan mendapatkan opini baru maka perlu dilakukan analisis sentimen terhadap pelayanan Commuter Line. Analisis sentimen ini bertujuan untuk mengklasifikasikan tweets masyarakat terhadap layanan Commuter Line ke dalam sentimen complain dan not complain dengan menggunakan metode Naive Bayes. Metode ini mempunyai tingkat akurasi paling tinggi dalam pengklasifikasian analisis sentimen. Data yang diunduh dari Twitter menggunakan aplikasi RapidMiner sebanyak 1.010 tweet dan data validasi sebanyak 1.003 tweets. Pada akhir tahap penelitian diperoleh accuracy 78,11%, precision 81,76%, recall 72,51%, dan AUC yang didapat sebesar 0,814.   Kata kunci: Analisis sentimen; Commuter Line; Twitter; Naive Bayes
Model Klasifikasi Risiko Stunting Pada Balita Menggunakan Algoritma CatBoost Classifier Pahlevi, Omar; Wulandari, Dewi Ayu Nur; Rahayu , Luci Kanti; Leidiyana, Henny; Handrianto, Yopi
Bulletin of Computer Science Research Vol. 4 No. 6 (2024): Oktober 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v4i6.373

Abstract

Stunting is a significant health issue in Indonesia, affecting the growth and development of young children and influenced by various complex risk factors such as nutrition, environment, and access to healthcare services. The manual process of identifying stunting risks often requires considerable time, resources, and specialized expertise from medical professionals. This study aims to develop a stunting risk classification model for young children using machine learning through the CatBoost Classifier algorithm. This algorithm was chosen for its advantages in handling categorical variables without requiring complex encoding processes and its ability to manage imbalanced data, ultimately improving prediction accuracy. In the conducted case study, the model's prediction updates were illustrated by increasing the initial prediction from 0.25 to 0.27 after accounting for residual corrections in the first iteration, with a learning rate of 0.1. This process demonstrates CatBoost's iterative mechanism for improving model predictions through gradual updates. Evaluation results showed that the developed model achieved an accuracy of 98.47% and a ROC-AUC score of 1.00 for several classes, indicating a high capability in accurately classifying stunting risks. These findings suggest that the CatBoost algorithm is effective for stunting risk classification, capable of handling data complexity, and expected to contribute significantly to supporting stunting prevention efforts through improved early detection.
PROTOTYPING MODEL UNTUK SISTEM ARCHIEVING PT. HOME CREDIT INDONESIA Yulianti, Ratna Dewi; Wulandari, Dewi Ayu Nur
Jurnal Teknologi Informatika dan Komputer Vol. 4 No. 2 (2018): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v4i2.265

Abstract

Kebutuhan konsumen untuk melakukan transaksipeminjaman dana untuk pembelian barang-barang rumahtangga maupun gadget menggunakan jasa pembiayaan semakinbanyak. Untuk PT HOME CREDIT INDONESIA harusmemiliki sistem yang canggih untuk merekam data customernya. Salah satu sistem yang di gunakan di PT ini yaitu sistemHomer untuk menginput nomor kontrak customer . Setelahpenginputan di sistem Homer lalu dilanjutkan ke sistemArchiving untuk perekaman penyimpanan nya, tujuan nyaadalah untuk memudahkan ketika pencarian saat data tersebutdiperlukan. Untuk memudahkan proses keduanya maka perluadanya penggabungan dua sistem tersebut menjadi satu agarmemudahkan, dan menjadikan sistem lebih canggih dan efisienkarena tidak dapat menghemat waktu dan tenaga. Denganpenggabungan antara system Homer dan Archiving kebutuhanakan konfigurasi jaringan akan semakin User friendly tanpameninggalkan system yang lama. Berdasarkan monitoring yangdihasilkan, konfigurasi system Homer dan archiving yang penulislakukan telah memenuhi kebutuhan yang ada pada PT. HomeCredit Indonesia.
Digitalisasi Pemasaran Produk Olahan Singkong Sebagai Upaya Peningkatan Penjualan Pada Rumah Singkong Niknok Depok Wulandari, Dewi Ayu Nur; Sunarti, Sunarti; Kuspriyono, Taat; Lestari, Hana Dwi; Hanum, Nur Alliza Pramudya Resita; Maulida, Anjelika; Bay, David Eko Octavian
Abditeknika Jurnal Pengabdian Masyarakat Vol. 4 No. 2 (2024): Oktober
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/abditeknika.v4i2.4650

Abstract

Digitalisasi telah menjadi faktor penting dalam meningkatkan efisiensi dan aksesibilitas berbagai aspek kehidupan, termasuk dalam pemasaran produk-produk lokal. Mitra kegiatan pengabdian masyarakat ini adalah Rumah Singkong Niknok Depok dengan fokus pada digitalisasi pemasaran produk olahan singkong untuk meningkatkan penjualan. Tujuan dari kegiatan ini adalah untuk mengintegrasikan teknologi digital dalam strategi Pemasaran dengan menggunakan aplikasi e-commerce untuk memperluas jangkauan pasar dan memperkenalkan produk olahan singkong secara lebih efektif kepada konsumen potensial. Metode yang digunakan meliputi pelatihan kepada pemilik usaha dalam menggunakan aplikasi e-commerce untuk meningkatkan penjualan. Hasil pengabdian ini menunjukkan peningkatan pengetahuan dari mitra terhadap penggunaan aplikasi e-commerce https://singkongniknok.com. Implikasi dari kegiatan pengabdian masyarakat ini adalah bahwa digitalisasi dapat menjadi alat yang efektif dalam meningkatkan daya saing produk olahan lokal di pasar yang semakin kompetitif secara global.   Digitalization has become an important factor in increasing the efficiency and accessibility of various aspects of life, including the marketing of local products. The partner for this community service activity is Rumah Singkong Niknok Depok, which focuses on digitalizing the marketing of processed cassava products to increase sales. The objective of this activity is to integrate digital technology into marketing strategies by using e-commerce applications to expand market reach and more effectively introduce processed cassava products to potential consumers. The methodology used includes training business owners in the use of e-commerce applications to increase sales. The results of this service show an increase in the partners' knowledge of how to use the e-commerce application https://singkongniknok.com. This community service activity implies that digitalization can be an effective tool to increase the competitiveness of locally processed products in an increasingly competitive global market. The research results show that the sales website is able to increase market reach, speed up the transaction process, and improve the digital skills of Niknok cassava house partners, which ultimately contributes to increasing business competitiveness in the digital era.
Analisa Komparasi Kinerja Model Logistic Regression dan Random Forest dalam Memprediksi Risiko Turnover Karyawan Pahlevi, Omar; Yuni Fitriani; Dewi Ayu Nur Wulandari; Handini Widyastuti; Sri Utami; Astriana Mulyani
Jurnal INSAN Journal of Information System Management Innovation Vol. 5 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/j-insan.v5i2.11111

Abstract

Turnover karyawan merupakan salah satu nilai tolak ukur bagi keberhasilan suatu perusahaan dalam menjalankan kegiatan bisnisnya. Memprediksi turnover karyawan merupakan kegiatan signifikan yang penting bagi setiap perusahaan yang berkelanjutan, dimana informasi dini tentang status turnover karyawan memungkinkan organisasi untuk mengambil langkah-langkah pencegahan. Pada penelitian ini peneliti akan mengaplikasikan dan membandingkan dua buah model algoritma supervised learning, diantaranya model algoritma Logistic Regression dan Random Forest untuk memprediksi risiko turnover karyawan, kemudian membandingkan mana dari dua model algoritma tersebut yang paling akurat. Berdasarkan hasil pengukuran kinerja kedua model dengan menggunakan metode Confusion Matrix. Berdasarkan hasil penelitian, diketahui bahwa model Logistic Regression memiliki tingkat akurasi sebesar 84,64% serta F1-Score yang baik dengan nilai sebesar 0,89, nilai presisi sebesar 0,82, dan nilai recall sebesar 0,96. Performa model Random Forest memiliki tingkat akurasi sebesar 80,12%, F1-Score sebesar 0,85 menunjukkan keseimbangan antara presisi sebesar 0,80 dan recall dengan nilai 0,92. Hal ini membuktikan bahwa model algoritma Logistic Regression adalah yang paling baik untuk untuk prediksi risiko turnover karyawan.
Co-Authors AA Sudharmawan, AA Ahmad Hendra Darmawan, Ahmad Hendra Anwar, Syafina Ardana, Mohamad Arfananda, Muhammad Ghifari Arfhan Prasetyo Astriana Mulyani Bahar, Asyil Alfin Halani Bay, David Eko Octavian Daffa Aidhil Fitra Deva Nur Fauziah Eni Irfiani Fatiha, Syalysia Luna Fauzan Fadlurrohman Frisma Handayanna Handini Widyastuti Hanum, Nur Alliza Pramudya Resita Helina Apriyani Henny Leidiyana Khaerul Azhar Lestari Yusuf Lestari, Hana Dwi Luci Kanti Rahayu Maharani Enggar Putri Maria Nining Triwidiastuti Maulana, Afik Maulida, Anjelika Muhammad Afif Muhammad Dika Atthariq Nisa, Navira Aura Omar Pahlevi Rahmawati - Rahmawati Rahmawati, Rahmawati Ratna Dewi Yulianti Ratnawaty Marginingsih Riski Annisa Rizal Amegia Saputra Salvana, Alsa Diva Siti Masripah Siti Masripah, Siti SRI UTAMI Sunarti Sunarti sunarti sunarti Syam, Amandasyifa Taat Kuspriyono, Taat Wahyu Dwi Nanda Winda Rahmawati Yopi Handrianto, Yopi Yulianti, Ratna Dewi Yuni Fitriani Yusuf, Ghufran Faishal