Article Per Year (5 Year)
p-Index From 2021 - 2026
1.789
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science (JOINTECS) INTECOMS: Journal of Information Technology and Computer Science Jurnal Riset Informatika Jurnal Informatika Kaputama (JIK) Systematics Buana Information Technology and Computer Sciences (BIT and CS) Jurnal Dirosah Islamiyah Infotek : Jurnal Informatika dan Teknologi Jurnal Minfo Polgan (JMP) Jurnal Accounting Information System (AIMS)
Shofa Shofia Hilabi
Universitas Buana Perjuangan Karawang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Classification Of Kredivo Application Reviews Based On User Satisfaction Aspects With The SVM Method Haprilianh Hasanah; Tukino; Shofa Shofia Hilabi
Jurnal Riset Informatika Vol. 7 No. 4 (2025): September 2025
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v7i4.390

Abstract

The development of the fintech sector in Indonesia has encouraged the creation of various digital payment applications, one of which is Kredivo which provides instant credit and installments without a credit card. In this study, we analyzed and classified Kredivo application user reviews based on satisfaction attributes using the Support Vector Machine (SVM) method. Review data was collected from the Google Play Store and pre-processed using text preprocessing, InSet dictionary-based sentiment tagging, TF-IDF feature extraction, and training-test data splitting in an 80:20 ratio. Based on the analysis, most Kredivo user reviews were observed to have positive sentiment of 38.70%, negative sentiment of 26.90%, and neutral of 34.40%. The SVM model developed for Kredivo review sentiment labeling works with positive, negative, and neutral. Word cloud visualization recognizes the most important words with positive tones such as "mantap", "baik", "cepat", "mudah", and "transaksi", as well as the most important words with negative tones such as "hapus", "bayar", "bulan", "meminjam", and "tidak". The results of this study can be feedback for Kredivo developers and other fintech platforms to improve services based on user needs and demands, as well as strengthen business strategies according to customer satisfaction levels.
Klasterisasi Kasus Kekerasan Berdasarkan Jenis Lokasi Kejadian di Jawa Barat Menggunakan Algoritma K-Means Cahya Diningrat; Bayu Priyatna; Elfina Novalia; Shofa Shofia Hilabi
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14760

Abstract

Kekerasan merupakan permasalahan sosial yang terjadi di berbagai lokasi dengan pola yang beragam. Di Provinsi Jawa Barat, kasus kekerasan menunjukkan keragaman pola yang dipengaruhi oleh faktor geografis, sosial, budaya, dan terutama jenis tempat kejadian. Memahami sebaran lokasi dan ciri-ciri kejadian kekerasan sangat penting untuk menyusun strategi penanganan yang tepat. Namun, kajian yang mengaitkan jenis tempat kejadian dengan frekuensi kekerasan di tingkat kabupaten dan kota masih terbatas. Oleh sebab itu, fokus utama dari penelitian ini adalah untuk mengelompokan kasus kekerasan berdasarkan jenis lokasi kejadian menerapkan Algoritma K-Means Clustering. Proses penelitian mengikuti tahapan Knowledge Discovery in Database (KDD), yang mencakup berbagai langkah, antara lain seleksi data, pra-pemrosesan data, transformasi data, data mining, serta interpretasi dan evaluasi. Hasil klasterisasi menunjukkan bahwa kasus kekerasan dapat dikelompokkan ke dalam tiga cluster utama berdasarkan jumlah kekerasan dan kategori jenis tempatnya dengan tingkatan kasus kekerasan yang berkategori tinggi, sedang, dan rendah. Evaluasi menggunakan Silhouette Coefficient menghasilkan nilai indeks 0,59, yang mengindikasikan bahwa kualitas cluster berada pada kategori cukup baik (medium structure). Dengan adanya hasil dari penelitian ini, diharapkan dapat menjadi sumber referensi untuk pihak-pihak yang berwenang dalam memahami pola kekerasan di berbagai lokasi, sehingga strategi pencegahan yang lebih efektif dapat dirancang untuk mengurangi tingkat kekerasan di Jawa Barat.
Co-Authors April Lia Hananto Aprilia Putri Nardilasari Arip Solehudin Baenil Huda Cahya Diningrat Erlyta Hares Fitria Nurapriani Hananto, Agustia Haprilianh Hasanah Heri Romadhon Heryana, Nono Jihan Kamelia Pasaribu Maya Rahayuningsih Novalia, Elfina Priyatna, Bayu Siti Masruroh Syahri Susanto Tita Puspita Sari Tukino Witulas Ambang Cahyati Yundari, Yundari