Article Per Year (5 Year)
p-Index From 2021 - 2026
6.71
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Sistem Komputer Jurnal Teknologi Informasi dan Ilmu Komputer Infotech Journal CESS (Journal of Computer Engineering, System and Science) Jurnal Komtika (Komputasi dan Informatika) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Share : Journal of Service Learning JURIKOM (Jurnal Riset Komputer) JURTEKSI Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi dan Terapan (J-TIT) Jurnal Ilmiah Edunomika (JIE) INFORMASI (Jurnal Informatika dan Sistem Informasi) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics G-Tech : Jurnal Teknologi Terapan Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Infotech: Journal of Technology Information Jurnal Teknik Informatika (JUTIF) Journal Computer Science and Informatic Systems : J-Cosys Jurnal Dinamika Informatika (JDI) Jurnal Teknik Informatika Jurnal Informatika Teknologi dan Sains (Jinteks) Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Journal of Comprehensive Science Duta Abdimas: Jurnal Pengabdian Masyarakat Biner : Jurnal Ilmiah Informatika dan Komputer Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Innovative: Journal Of Social Science Research Journal Of Artificial Intelligence And Software Engineering SmartComp CSRID Jurnal Komtika (Komputasi dan Informatika) Jurnal Teknik Informatika dan Teknologi Informasi Edcomtech: Jurnal Kajian Teknologi Pendidikan
FAULINDA ELY NASTITI
Universitas Duta Bangsa Surakarta
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
Machine Learning Pengklasifikasikan Performa Karyawan Direct Sales Force Kartu Prabayar Menggunakan Metode Random Forest Classifier Pradana, Rico Yoga; Nastiti, Faulinda Ely; Oktaviani, Intan
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 3 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i3.864

Abstract

Penelitian ini menggunakan Machine Learning, khususnya Random Forest Classifier, untuk mengklasifikasikan karyawan direct sales force menjadi empat kategori: Star, Hard Worker, Problem Employee, dan Dead Wood. Data penjualan bulan Juni 2023 dari PT Indosat Tbk Semarang digunakan dalam penelitian ini, dengan mengimplementasikan framework OSEMN untuk analisis data. Lima atribut variabel yang dipertimbangkan dalam model ini adalah quality serious customer, quality high value customer, total penjualan, total penjualan site, dan total kerja per bulan. Hasil penelitian ini adalah pengembangan sistem informasi dashboard yang memungkinkan manajer sumber daya sales untuk melihat dan menginterpretasikan hasil pengklasifikasi dengan efisien. Evaluasi model menunjukkan tingkat akurasi sebesar 98% dengan RMSE 0.1085, yang menegaskan efektivitas model dalam mengklasifikasikan karyawan direct sales force. Penelitian ini tidak hanya mengatasi kelemahan pendekatan sebelumnya, tetapi juga memberikan wawasan mendalam dalam analisis performa karyawan menggunakan teknik data analitik. Sistem informasi dashboard yang dihasilkan dapat secara signifikan meningkatkan proses pengambilan keputusan terkait manajemen kinerja karyawan, memungkinkan PT Indosat Tbk Semarang untuk mengoptimalkan strategi penjualan kartu prabayar mereka.
Pemodelan Sistem Penjualan Suku Cadang Motor Dan Layanan Cepat Berbasis Website Di Bengkel Meca Dengan Metode Waterfall tino, Valen; Faulinda Ely Nastiti; Margaretha Evi Yuliana
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 3 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i3.930

Abstract

Di era digital saat ini, keberadaan sebuah situs web sangat penting bagi setiap bisnis, termasuk bengkel. Situs web tidak hanya digunakan sebagai alat pengiriman informasi, tetapi juga sebagai platform penjualan yang efektif. Penelitian ini bertujuan untuk mengeksplorasi pentingnya sebuah situs web dalam meningkatkan penjualan suku cadang bengkel. Melalui analisis literatur dan studi kasus, ditemukan bahwa sebuah situs web dapat meningkatkan visibilitas bengkel, memperluas jangkauan pasar, dan memberikan kenyamanan bagi konsumen untuk mencari dan membeli suku cadang. Selain itu, situs web memberikan kesempatan untuk menerapkan strategi pemasaran digital seperti optimasi mesin pencari (SEO), periklanan online, dan penggunaan media sosial, yang dapat menarik lebih banyak calon pelanggan. Hasil penelitian menunjukkan bahwa bengkel yang memiliki situs web cenderung mengalami peningkatan signifikan dalam penjualan suku cadang dibandingkan dengan yang tidak memiliki situs web. Oleh karena itu, berinvestasi dalam pembuatan dan manajemen situs web merupakan langkah strategis penting yang perlu diadopsi oleh bengkel untuk meningkatkan daya saing dan pertumbuhan bisnis.
Analisis Sentimen Ulasan Tempat Wisata Umbul Sigedang Di Google Maps Menggunakan Algoritma Naive Bayes Setyawan, Yanuar Anggit; Nastiti, Faulinda Ely; Sari, Aprilisa Arum
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 2 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i2.7467

Abstract

Pariwisata merupakan sektor penting yang menggerakkan perekonomian Indonesia, mengalami pertumbuhan pesat yang dibantu oleh kemajuan teknologi informasi, terutama platform seperti Google Maps. Penelitian ini menyelidiki analisis sentimen ulasan yang dibuat pengguna untuk Umbul Sigedang, tujuan wisata terkemuka di Jawa Tengah. Penelitian ini menggunakan dua algoritma machine learning, Naive Bayes dan Support Vector Machine (SVM), untuk membandingkan efektivitasnya dalam mengklasifikasikan sentimen (negatif, netral, positif) berdasarkan masukan pengguna yang dikumpulkan dari Google Maps antara tahun 2017 dan 2024. Tujuan utamanya adalah untuk menilai kinerja algoritma ini dalam membedakan persepsi pengunjung terhadap Umbul Sigedang. Evaluasi ini penting untuk memberikan wawasan yang dapat ditindaklanjuti guna meningkatkan kualitas layanan dan fasilitas yang ditawarkan di lokasi tersebut. Dengan memanfaatkan metode komputasi, penelitian ini bertujuan untuk berkontribusi dalam mengoptimalkan pengalaman wisatawan dan memberikan informasi dalam membuat keputusan manajemen strategis di industri pariwisata Indonesia.
PENERAPAN MULTINOMIAL NAIVE BAYES UNTUK ANALISIS SENTIMEN ASPEK PADA ULASAN MALL DI KOTA SOLO Prasetyo, Yoga Andrian; Nastiti, Faulinda Ely; Nurohman, Nurohman
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.6097

Abstract

Perkembangan teknologi digital telah mendorong meningkatnya jumlah ulasan publik secara daring, termasuk di platform Google Maps. Namun, ulasan tersebut belum dimanfaatkan secara optimal oleh pengelola layanan untuk meningkatkan kualitas pelayanan. Oleh karena itu, penelitian ini penting dilakukan untuk menggali informasi dari ulasan secara otomatis sebagai bahan evaluasi layanan yang lebih terukur. Penelitian ini bertujuan membangun sistem analisis sentimen berbasis aspek terhadap ulasan pengguna Google Maps mengenai mall di Kota Solo, khususnya Transmart Solo Pabelan. Metode yang digunakan adalah algoritma Multinomial Naive Bayes (MNB) untuk klasifikasi sentimen dan metode string matching untuk identifikasi aspek. Sistem dikembangkan menggunakan metode Waterfall dan diimplementasikan dalam bentuk aplikasi web interaktif. Dataset terdiri dari 200 ulasan yang telah diberi label secara manual untuk aspek dan sentimen. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan aspek dan sentimen dengan akurasi sebesar 80,00%, yang tergolong dalam kategori akurasi tinggi. Hal ini menunjukkan kinerja sistem yang andal dan efektif dalam mengenali opini pengguna secara otomatis. Penelitian ini diharapkan dapat membantu pihak pengelola mall memahami persepsi publik secara lebih mendalam dan spesifik berdasarkan aspek layanan, sehingga dapat digunakan sebagai dasar evaluasi dan perbaikan layanan secara menyeluruh.
Peningkatan Kapasitas Tefa Desain Komunikasi Visual Melalui Kolaborasi Pendidikan dan Industri Srirahayu, Agustina; Ely Nastiti, Faulinda; Meikhati, Ety
Duta Abdimas Vol. 4 No. 2 (2025): Duta Abdimas: Jurnal Pengabdian Masyarakat
Publisher : LPPM Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/fr0t1x17

Abstract

Kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk mendukung percepatan pengembangan Teaching Factory (Tefa) Desain Komunikasi Visual (DKV) di SMK Al Khozini Gondanglegi agar menjadi unit produksi yang mandiri dan sesuai dengan kebutuhan industri kreatif. Pendekatan kegiatan dilakukan melalui enam tahapan utama, yaitu: identifikasi kebutuhan dan pemetaan potensi, perumusan strategi pengembangan kemitraan, pelatihan dan peningkatan kapasitas guru serta siswa, pendampingan penyusunan SOP dan model produksi, fasilitasi kemitraan dengan DUDI, serta monitoring dan evaluasi. Hasil kegiatan menunjukkan peningkatan kesadaran dan kompetensi guru dalam implementasi Tefa, terjalinnya kerja sama awal dengan calon mitra industri, serta penyusunan dokumen SOP untuk mendukung kegiatan produksi. Selain itu, kegiatan ini berhasil mengoptimalkan pemanfaatan sarana prasarana yang telah tersedia. Dengan adanya kolaborasi antara Universitas Duta Bangsa Surakarta dan SMK Al Khozini Gondanglegi, program ini memberikan kontribusi signifikan dalam memperkuat keterkaitan antara dunia pendidikan dan dunia kerja di bidang Desain Komunikasi Visual.
Sistem Prediksi Penjualan Obat di PT. Anugerah Pharmindo Lestari Menggunakan Metode LSTM Udhata Swardana, Avila; Ely Nastiti, Faulinda; Sumarlinda, Sri
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/90f7q142

Abstract

Penelitian ini bertujuan merancang sistem prediksi penjualan produk farmasi di PT. Anugerah Pharmindo Lestari dengan memanfaatkan algoritma Long Short-Term Memory (LSTM). Tantangan utama dalam distribusi obat adalah fluktuasi permintaan yang tidak stabil, yang bisa menimbulkan masalah kelebihan stok (overstock) atau kekosongan stok (stockout). LSTM dipilih karena kemampuannya dalam menganalisis data runtun waktu dan mengenali pola jangka panjang yang kompleks. Dataset berupa penjualan bulanan dari Januari hingga November 2024 digunakan untuk melatih model, yang selanjutnya memprediksi penjualan bulan Desember. Pengembangan sistem mengacu pada tahapan CRISP-DM, meliputi pemahaman bisnis, eksplorasi data, persiapan data, pembangunan model, evaluasi, dan penerapan. Tiga produk yang dijadikan sampel antara lain SPIRIVA, BEROTEC, dan GLYXAMBI. Kinerja model dievaluasi menggunakan tiga indikator: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa model LSTM memberikan hasil prediksi yang akurat dengan nilai MAPE berkisar antara 4,37% hingga 7,02%. Sistem prediksi ini diwujudkan dalam bentuk aplikasi web berbasis Flask, dilengkapi dengan dashboard interaktif untuk mempermudah manajemen dalam memantau tren dan mengambil keputusan berbasis data. Temuan ini menunjukkan bahwa LSTM merupakan metode yang tepat untuk estimasi penjualan obat, serta berpotensi besar dalam meningkatkan efisiensi pengelolaan distribusi dan persediaan di sektor farmasi.
Sistem Rekomendasi Kemitraan Berdasarkan Preferensi Calon Mitra Menggunakan Content-Based Filtering Ramadhan, Navin; Purwanto, Eko; Ely Nastiti, Faulinda
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/9mdwma22

Abstract

Proses pemilihan kemitraan yang tepat sering kali menjadi tantangan bagi calon mitra bisnis karena keterbatasan informasi yang disampaikan secara umum dan tidak sesuai dengan preferensi pribadi. Penelitian ini bertujuan untuk membangun sistem rekomendasi kemitraan yang mampu memberikan hasil secara personal dan relevan berdasarkan kebutuhan pengguna. Sistem dikembangkan menggunakan metode prototyping dengan penerapan algoritma Content-Based Filtering berbasis Cosine Similarity. Sebelum dilakukan perhitungan algoritma data diolah melalui tahapan pembersihan data, menggunakan normalisasi Min-Max Scaling, serta perhitungan tingkat kemiripan antar vektor menggunakan Cosine Similarity. Rekomendasi yang dihasilkan menampilkan tingkat kecocokan data mitra yang tersedia dan dinilai dapat membantu memperbesar potensi terjadinya kerjasama bisnis.
Sistem Informasi Data Sektoral pada Dinas Perumahan, dan Kawasan Permukiman Serta Pertanahan Kota Surakarta Wicaksono, Agung; Purwanto, Eko; Ely Nastiti, Faulinda
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/gw29qt31

Abstract

Dinas Perumahan, Kawasan Permukiman, dan Pertanahan Kota Surakarta mengalami tantangan dalam pengelolaan data sektoral seperti keterbatasan akses data, ketidakterpaduan informasi antar bidang, serta sistem pencatatan yang masih manual yang belum menggunakan sistem informasi yang terintegrasi. Tujuan dari penelitian ini adalah merancang dan membangun sistem informasi data sektoral berbasis web yang mampu mendukung pengolahan dan penyajian data serta indikator capaian kinerja. Metode pengembangan sistem infromasi dalam penelitian ini menggunakan Software Development Life Cycle (SDLC) dengan model prototype. Model ini dipilih dalam pengembangan sistem karena memungkinkan pengembang untuk lebih cepat merancang dan menguji sistem sebelum implementasi final, sehingga menghemat waktu. Selain itu metode prototype juga memungkinkan pengembang dalam melakukan perubahan dan penyesuaian pada desain secara mudah karena adanya masukan langsung dari pengguna. Metode prototype dimulai dengan mengumpulkan kebutuhan kemudian mulai membangun dan merancang prototype, mengevaluasi prototype, memulai pengkodean sistem, menguji sistem, evaluasi sistem kemudian menggunakan sistem.. Sistem ini dirancang dengan pemodelan UML dan dikembangkandengan bahasa pemrogaman PHP menggunakan framework larvael dan MySQL sebagai databasenya. Hasil dari penilitian ini berupa sistem informasi berbasis web yang mampu mengelola data sektoral dan indikator kinerja di Dinas Perumahan, dan Kawasan Permukiman serta Pertanahan Kota Surakarta dengan tiga hak akses pengguna: admin, bidang, dan pengunjung. Sistem ini diharapkan dapat meningkatkan efisiensi, validitas data, serta transparansi layanan informasi publik.
Pendampingan Penguatan Kapasitas Kepala Sekolah Dalam Tranformasi Pendidikan Di Era Artificial Intelligence Nastiti, Faulinda Ely; Purnomo, Singgih; Wijiyanto, Wijiyanto
Share: Journal of Service Learning Vol. 11 No. 2 (2025): AUGUST 2025
Publisher : Institute of Research and Community Outreach - Petra Christian University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.9744/share.11.2.73-80

Abstract

Generasi Z, yang dicirikan sebagai generasi digital karena tumbuh dalam lingkungan yang digerakkan oleh teknologi. Oeh sebab itu, lembaga pendidikan harus menerapkan metode pengajaran yang adaptif, menggabungkan pembelajaran yang dipersonalisasi dan konten interaktif. Teknologi artificial intelligence (AI) memiliki potensi yang signifikan untuk merevolusi pendidikan. Namun, integrasi AI yang berhasil memerlukan investasi yang besar dalam pelatihan pendidik dan infrastruktur teknologi. Survei pendahuluan terhadap 30 kepala sekolah menengah di Surakarta mengungkap hambatan utama dalam memenuhi kebutuhan pendidikan Generasi Z. Kepala sekolah melaporkan tantangan dalam pengembangan kurikulum, relevansi materi pengajaran, dan kesiapan pendidik untuk menggunakan alat berbasis AI. Sebagai tanggapan, program pendampingan terstruktur dikembangkan, termasuk penilaian kebutuhan, lokakarya pelatihan, dan implementasi percontohan perencanaan pelajaran dan materi pengajaran yang dibantu AI. Program ini memperkenalkan berbagai alat seperti EdCofe, Consensus, dan Gamma, yang memungkinkan kepala sekolah untuk membuat sumber daya yang inovatif dan disesuaikan dengan tuntutan pembelajaran kontemporer. Hasil setelah pelatihan mengungkapkan sebesar 85% responden setuju bahwa rencana yang dihasilkan AI lebih terstruktur dan selaras dengan standar kurikulum selama promnya benar.  Setalah pelatihan keragaman materi pengajaran meningkat, dengan 91% kepala sekolah mengakui akses ke berbagai sumber daya yang disesuaikan dengan berbagai gaya belajar. Evalusi dari para kepala sekolah sangat positif, dengan 90% menyatakan puas dengan pemanfaatan AI. Hasil ini menunjukkan bahwa penggunaan AI tidak hanya meningkatkan efisiensi perencanaan pembelajaran, tetapi juga berkontribusi terhadap peningkatan kualitas pendidikan yang lebih relevan dengan karakteristik generasi digital.
Modeling Of Centralized Exchange (CEX) Crypto Asset Platform Recommendation System Using Collaborative Filtering Utomo, Diva Reihan Ferdian; Nastiti, Faulinda Ely; Suryani, Fajar
Journal of Artificial Intelligence and Software Engineering Vol 5, No 3 (2025): September
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i3.7179

Abstract

The rapid growth of crypto assets and the variety of Centralized Exchange (CEX) platforms make it difficult for traders to choose a platform that fits their preferences. This research aims to model a recommendation system for CEX platforms using Collaborative Filtering. User rating data for several CEX (Binance, Bybit, Bitget, Tokocrypto, Indodax) were collected via questionnaire. The K-Nearest Neighbors With Means (KNN With Means) method with cosine similarity is used to predict ratings based on the similarity of preferences between users. The model was trained and tested with a 75:25 train-test split. Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE) were used as evaluation metrics. Test results show low MAE and RMSE values (around below 1.0 on a 1–5 rating scale), indicating that the recommendations generated are quite accurate. It can be concluded that the Collaborative Filtering approach is effective in recommending CEX platforms according to user needs. This recommendation system is expected to assist traders – especially beginners – in choosing the right exchange more objectively.
Co-Authors Aghni Rizqi Ni'mal 'Abdu Aghni Rizqi Nimal Abdu Agung Wicaksono Agustina Srirahayu Al Ayyubi, Raihan Abdurrahim Anisatul Farida Aprilisa Arum Sari Ardian Pamungkas Ardiyanto, Marta Arif Wicaksono Septyanto Arya Kusumadewa Aziiz, Dear Whizkid Benaya Chessa Sarmanela Bondan Wahyu Pamekas Dedy Hariyadi Dwi Hartanti Eko Purwanto Erfanti Fatkhiyah Ety Meikhati Fauziah Fanny Fazlurrahman Bima Fazlurrahman Fazlurrahman Fazlurrahman Hadi, Muhammad Heri Gunawan Husniati Mafatihus Solehah Ilyas, Daffa Imam Riadi Indraswari, Elsa Fachrisa Irawan, Ridwan Dwi Jayawarsa, A.A. Ketut Khotimah, Agil Husnul Kusumawati, Novi Manase Rezata Purba Margaretha Evi Yuliana Marta Ardiyanto Maulindar, Joni Mei Purweni Mira Erlinawati Moh. Muhtarom, Moh. Muftiyanto, Taufiq Nur Muhammad Alwan Nurdin Muhammad Frasha Candra Perdana Muhammad Ikhsanudin, Muhammad Musa, Shahrulniza Nindya Dwi Anggana Nur Muftiyanto, R. Taufiq Nurdin, Muhammad Alwan Nurmalitasari Nurmalitasari Nurohman, Nurohman Oktaviani, Intan Permatasari, Hanifah Pipin Widyaningsih Pradana, Rico Yoga Prasetyo, Yoga Andrian Prita Haryani Prita Haryani Purweni, Mei Ramadhan, Navin Rifal Bayu Ardi Rina Arum Prastyanti Ringgo Ismoyo Buwono Riska Rosita Rudi Susanto Setyawan, Yanuar Anggit Singgih Purnomo Sopingi SRI SUMARLINDA Suryani, Fajar Tariq tino, Valen Toni Iksanudin Triana Triana Udhata Swardana, Avila Umar Choirul Hadi Uning Kristiana Utomo, Diva Reihan Ferdian Vihi Atina Virgian Galang Sasongko Vita Aryadi Vita Sofia Prihatini Wijaya, Muhammad Krisna Wijiyanto Wijiyanto, Wijiyanto Yafi, Eiad