Article Per Year (5 Year)
p-Index From 2021 - 2026
4.901
P-Index
This Author published in this journals
All Journal Matematika: Jurnal Teori dan Terapan International Journal of Quantitative Research and Modeling Jurnal Riset Matematika Bandung Conference Series: Mathematics Jurnal Pengabdian Masyarakat Bangsa Matematika Data Enthusiast: Jurnal Ilmiah Sains Data
Onoy Rohaeni
Matematika, Universitas Islam Bandung
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Value Input Application (E-Pak) Functional Position of Bandung City Health Department Based on Web Database Syahrul Zein; Onoy Rohaeni; Farid Badruzzaman; Yusuf Fajar; Didi Suhaedi; Erwin Harahap
International Journal of Quantitative Research and Modeling Vol. 3 No. 1 (2022): International Journal of Quantitative Research and Modeling
Publisher : Research Collaboration Community (RCC)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46336/ijqrm.v3i1.255

Abstract

Technology is present and becomes a part of human life. Each era has its own technological advantages. The history of technology begins millions of years ago. The first technology discovered by mankind was to create sharp stone chips which were used as stones. Then humans began to develop and found several technologies, one of which was computers and the internet. computers and the internet have a close relationship, especially in today's era where all activities cannot be separated from computers and the internet. One of these activities is in the office world. The Bandung City Health Office is a government agency that has a lot of data, especially in the section where the author is placed, namely the Division of Human Resources and Health or SDMK. The SDMK Division is tasked with receiving data on the credit score of a functional position from the assessment team to calculate whether a functional position is eligible for promotion or not. On that basis, the purpose of this paper is to create an application for inputting the credit score for a functional position based on a web database to make it easier for the assessment team, SDMK to view, recap and change credit scores as well as a functional position in viewing its credit score. The main finding is a web database-based application called E-PAK.
Penjabaran Model Matematika Penetapan Parameter Harga Opsi Asia Menggunakan Metode Trinomial Onoy Rohaeni
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 2 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

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

Abstract

Opsi merupakan instrumen keuangan yang harganya tergantung pada harga saham. Penentuan harga opsi, baik opsi jual maupun opsi beli salah satunya dapat menggunakan model trinomial. Penulisan artikel ini bertujuan untuk menentukan harga opsi Asia menggunakan model Trinomial. Dalam model ini hanya dimungkinkan adanya tiga parameter yaitu u apabila harga saham naik, m apabila harga saham tetap, dan d pada saat harga saham turun. Tahap pertama untuk menganalsis data dalam tulisan ini adalah menghitung nilai return, variansi return, dan volatilitas. Tahap selanjutnya menghitung parameter u, m, d, pu, pm, pd yang kemudian dilanjutkan menghitung harga saham untuk semua kemungkinan pergerakan saham naik, saham tetap, dan saham turun. Hasil penentuan harga opsi model trinomial ini menunjukan bahwa semakin banyak iterasi yang dilakukan, maka nilai prediksi harga saham semakin baik dan kovergen ke suatu nilai.
Analisis Efektivitas Edukasi Digital Dalam Meningkatkan Kesadaran Jejak Digital Menggunakan Uji Mcnemar Pada Siswa SMP Negeri 3 Pamulihan Desa Cilembu Teni Deinarosa Hermalia; Indri Nur Sukmawati; Silvi Nurinsan; Sagara Andi Ladzuardhi; Onoy Rohaeni
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.14

Abstract

Penelitian ini bertujuan untuk menganalisis efektivitas edukasi digital dalam meningkatkan kesadaran jejak digital pada siswa SMP Negeri 3 Pamulihan, Desa Cilembu, Kabupaten Sumedang. Kesadaran terhadap jejak digital menjadi penting seiring meningkatnya penggunaan internet dan media sosial di kalangan remaja, yang berpotensi menimbulkan dampak jangka panjang terhadap reputasi dan masa depan siswa. Penelitian ini menggunakan pendekatan kuantitatif dengan desain pre-eksperimen one group pretest–posttest. Subjek penelitian terdiri dari 45 siswa kelas VIII yang mengikuti kegiatan edukasi digital bertema “Jejak Digital: Cerminan Masa Depan”. Data dikumpulkan melalui pre-test dan post-test dengan kategori kesadaran biner (sadar dan tidak sadar), kemudian dianalisis menggunakan Uji McNemar. Hasil penelitian menunjukkan adanya peningkatan kesadaran jejak digital yang signifikan setelah pelaksanaan edukasi digital, ditunjukkan oleh nilai p-value yang lebih kecil dari 0,05. Seluruh siswa mengalami peningkatan pemahaman mengenai pentingnya etika bermedia, privasi digital, dan tanggung jawab dalam penggunaan teknologi. Temuan ini diperkuat oleh hasil refleksi siswa yang menunjukkan perubahan sikap dan perilaku digital ke arah yang lebih bijak. Dengan demikian, edukasi digital terbukti efektif dalam meningkatkan kesadaran jejak digital siswa dan dapat dijadikan strategi pembelajaran yang berkelanjutan di lingkungan sekolah.
Penerapan Data Mining Metode K-Means Clustering untuk Analisis Pola Gaya pada Fashion dalam Mengidentifikasi Preferensi Konsumen Mulyati Eka Saputri; Onoy Rohaeni; Cahya Rahmawati; Ashafa Multazam; Betrand Athariq Delpiero
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.15

Abstract

Penelitian ini bertujuan untuk menerapkan metode data mining menggunakan algoritma K-Means Clustering dalam menganalisis pola gaya pada produk fashion guna mengidentifikasi preferensi konsumen. Data yang digunakan merupakan data sekunder berupa dataset Fashion Product Images (Small) yang diperoleh dari Kaggle, dengan jumlah awal lebih dari 44.000 data produk fashion. Setelah melalui tahap pra-pemrosesan data yang meliputi pembersihan data, penghapusan nilai kosong dan data duplikat, transformasi data kategorikal menggunakan label encoding, serta normalisasi data, diperoleh sebanyak 7.091 data yang siap dianalisis. Atribut yang digunakan dalam proses clustering meliputi gender, masterCategory, subCategory, articleType, baseColour, season, usage, dan year. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow dengan analisis nilai Within-Cluster Sum of Squares (WCSS), yang menunjukkan bahwa jumlah klaster terbaik adalah empat klaster. Hasil penerapan algoritma K-Means Clustering menghasilkan pengelompokan produk fashion ke dalam empat klaster dengan karakteristik pola gaya yang berbeda, yaitu gaya kasual sehari-hari, gaya formal dan semi-formal, gaya kasual modern dengan variasi warna, serta gaya sportswear dan aktivitas santai. Setiap klaster merepresentasikan kecenderungan preferensi konsumen terhadap jenis produk fashion tertentu. Hasil penelitian ini menunjukkan bahwa algoritma K-Means Clustering efektif digunakan untuk mengidentifikasi pola gaya dan preferensi konsumen pada produk fashion digital, sehingga dapat dimanfaatkan sebagai dasar dalam pengembangan strategi pemasaran, segmentasi produk, dan pengambilan keputusan pada industri fashion digital.
Implementasi Principal Componen Analysis untuk Mereduksi Faktor-faktor Kandungan Gizi yang Mempengaruhi Jenis Makanan Onoy Rohaeni; Mimah Mutmainah; Ariela Safmi Ramdhani; Ery Supriyadi R.
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.16

Abstract

Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data multivariat dengan mengubah variabel asli menjadi komponen utama yang lebih sedikit. Penelitian ini bertujuan untuk mereduksi faktor-faktor kandungan gizi yang mempengaruhi jenis makanan dengan membentuk beberapa komponen utama yang terbentuk untuk menggambarkan pola kandungan gizi makanan. PCA telah dilakukan untuk menyederhanakan data kandungan gizi makanan yang terdiri dari enam variabel. Hasil analisis menunjukkan bahwa dua komponen utama dapat menjelaskan 72,2% variasi total data. Komponen utama pertama merepresentasikan pola makanan berbasis karbohidrat, sedangkan komponen utama kedua merepresentasikan pola makanan tinggi energi dan protein. Meskipun nilai KMO rendah, hasil Bartlett’s Test of Sphericity menunjukkan korelasi signifikan antar variabel, sehingga PCA dapat digunakan sebagai analisis eksploratif untuk memperoleh gambaran awal struktur dan pola kandungan gizi makanan.
Eksplorasi Tren Data Sains Modern dan Signifikansi Matematika dalam Pemodelan Data dan Machine Learning Yurika Permanasari; Onoy Rohaeni; Farid Hirji Badruzzaman; Yenie Syukriyah
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 1 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i1.18

Abstract

peningkatan signifikan penelitian di bidang data sains. Bidang ini merupakan interdisipliner yang mengintegrasikan matematika, statistika, komputasi, serta pengetahuan untuk mengekstraksi informasi bernilai dari data berskala besar. Penelitian ini bertujuan mengkaji tren mutakhir data sains serta menganalisis peran matematika dalam pemodelan data dan machine learning. Metode yang digunakan adalah kajian literatur sistematis terhadap publikasi ilmiah terkini terkait data science, artificial intelligence, dan matematika terapan. Hasil kajian menunjukkan bahwa fokus penelitian saat ini mencakup machine learning, big data analytics, explainable artificial intelligence, serta isu etika data. Matematika terbukti menjadi fondasi utama melalui probabilitas, statistika, aljabar linear, dan optimasi matematis dalam pembangunan model prediktif dan analitik. Integrasi matematika dan teknologi data science menghasilkan model analitik yang lebih akurat dan reliabel, sehingga menjadi faktor penting dalam pengembangan teknologi analitik modern serta pendidikan berbasis data di masa depan.
Analisis Pemanfaatan Data Sains Dalam Pengambilan Keputusan pada UMKM Pakaian di Kecamatan Cimenyan Kabupaten Bandung Farid Hirji Badruzzaman; Yurika Permanasari; Onoy Rohaeni; Eka Purwanda
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.19

Abstract

Perkembangan teknologi digital telah mendorong pemanfaatan data sebagai sumber daya strategis dalam kegiatan bisnis, termasuk pada Usaha Mikro, Kecil, dan Menengah (UMKM). Namun, pemanfaatan data pada UMKM masih cenderung terbatas dan belum mendukung pengambilan keputusan secara optimal. Penelitian ini bertujuan menganalisis pemanfaatan data sains dalam pengambilan keputusan pada UMKM sektor pakaian di Kecamatan Cimenyan, Kabupaten Bandung, serta mengidentifikasi faktor-faktor yang memengaruhi penggunaannya. Penelitian menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data berupa wawancara mendalam, observasi, dan dokumentasi terhadap pelaku UMKM yang dipilih secara purposive. Analisis data dilakukan menggunakan model interaktif Miles, Huberman, dan Saldaña melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa sebagian besar pelaku UMKM memahami data sebatas catatan penjualan dan stok barang yang digunakan untuk kebutuhan operasional. Pengambilan keputusan masih didominasi oleh intuisi dan pengalaman dibandingkan analisis data yang sistematis. Kendala utama yang dihadapi meliputi rendahnya literasi data, keterbatasan teknologi, serta kurangnya pengetahuan mengenai teknik analisis data. Meskipun demikian, pelaku UMKM mulai menyadari pentingnya data dalam mendukung pengembangan usaha dan peningkatan daya saing. Penelitian ini menyimpulkan bahwa terdapat kesenjangan antara potensi pemanfaatan data sains dan praktik yang dilakukan oleh pelaku UMKM. Oleh karena itu, diperlukan peningkatan literasi data, pelatihan analisis sederhana, serta dukungan teknologi yang mudah diakses guna mendorong pengambilan keputusan berbasis data pada UMKM.
Analisis Diskriminan Untuk Klasifikasi Varietas Benih Gandum Berdasarkan Karakteristik Morfologi Biji Onoy Rohaeni; Diyani Fauziyah; Fadhli Jahfal Aufa Maulana
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.20

Abstract

Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data multivariat dengan mengubah variabel asli menjadi komponen utama yang lebih sedikit. Penelitian ini bertujuan untuk mereduksi faktor-faktor kandungan giji yang mempengaruhi jenis makanan dengan membentuk beberapa komponen utama yang terbentuk untuk menggambarkan pola kandungan gizi makanan. PCA telah dilakukan untuk menyederhanakan data kandungan gizi makanan yang terdiri dari enam variabel. Hasil analisis menunjukkan bahwa dua komponen utama dapat menjelaskan 72,2% variasi total data. Komponen utama pertama merepresentasikan pola makanan berbasis karbohidrat, sedangkan komponen utama kedua merepresentasikan pola makanan tinggi energi dan protein. Meskipun nilai KMO rendah, hasil Bartlett’s Test of Sphericity menunjukkan korelasi signifikan antar variabel, sehingga PCA dapat digunakan sebagai analisis eksploratif untuk memperoleh gambaran awal struktur dan pola kandungan gizi makanan.
Co-Authors Adi Mulyono Alfi Fadilla Hanum Anneke Iswani A Ariela Safmi Ramdhani Ashafa Multazam Azkiyatul Mahmudah, Azka Badruzzaman, Farid Betrand Athariq Delpiero Cahya Rahmawati Didi Suhaedi Eka Purwanda Erwin Harahap Ery Supriyadi R. Eti Kurniati Eti Kurniati Fadhli Jahfal Aufa Maulana Farid Badruzzaman Farid Hirji Badruzzaman Fatikatus Sholikah Fauziyah, Diyani Fuji Astuti Gilland Achyar Gita Sarah Prabawati Imadudin Al Rusman Indri Nur Sukmawati Jessica Delianti Karlah, Anissah Kiki Mulkiya Luthfiani Yasyifa M Yusuf Fajar Maharani, Vika Alzahra Mimah Mutmainah Mulyati Eka Saputri Ninda Rizkya Shafana Nuralfira Putri Hartono Respitawulan Sabila Faza, Silmi Safitri Nurrohmah Sagara Andi Ladzuardhi Sholehah, R. Siti Luthfiah Silvi Nurinsan Siti Masytoh Diyandini Sri Sofiyani Syahrul Zein Teni Deinarosa Hermalia Teti Sofia Yanti Willy Ledi Widia Yenie Syukriyah Yurika Permanasari Yusuf Fajar