Article Per Year (5 Year)
p-Index From 2021 - 2026
1.853
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Buana Informatika JSI: Jurnal Sistem Informasi (E-Journal) Sinkron : Jurnal dan Penelitian Teknik Informatika Tech-E JIKO (Jurnal Informatika dan Komputer) Jurnal TAM (Technology Acceptance Model) Zero : Jurnal Sains, Matematika, dan Terapan bit-Tech Jurnal Pendidikan dan Teknologi Indonesia Journal Of Artificial Intelligence And Software Engineering Fahma : Jurnal Informatika Komputer, Bisnis dan Manajemen Journal Innovations Computer Science Jurnal TAM (Technology Acceptance Model)
Sri Redjeki
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Mathematics Physics Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
FRAMEWORK PENGEMBANGAN CITY BRANDING KABUPATEN BANTUL MENGGUNAKAN PENDEKATAN SMART TOURISM Sri Redjeki; Edi Faizal; Edi Iskandar; Dedi Rosadi; Khabib Mustofa
Jurnal TAM (Technology Acceptance Model) Vol 9, No 2 (2018): Jurnal TAM (Technology Acceptance Model)
Publisher : LPPM STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/jurnaltam.v9i2.656

Abstract

Perkembangan sektor pariwisata secara terarah dan berkesinambungan dapat dijadikan sebagai salah satu solusi meningkatkan pertumbuhan ekonomi suatu daerah. Dengan berkembangnya sektor pariwisata, dapat meningkatkan citra sebuah daerah yang sekaligus dapat meningkatkan pendapatan asli daerah. Pengelolaan pariwisata yang baik oleh sebuah kota dapat menjadi sebuah branding yang dapat meningkatkan kunjungan wisatawan. Pencapaian ini dapat terpenuhi dengan cepat melalui penggunaan teknologi informasi dalam pengelolaan wisata. Kabupaten Bantul dikenal sebagai salah satu Kabupaten di Yogyakarta karena obyek wisata yang memikat para wisatawan dan saat ini sedang mengembangkan konsep smart city.Penelitian ini bertujuan untuk mengembangkan model dalam implementasi salah satu komponen smart city yaitu smart branding dengan menggunakan pendekatan smart tourism di Kabupaten Bantul. Model ini dapat dikembangkan karena wilayah Kabupaten Bantul merupakan salah satu tujuan wisata utama di Yogyakarta dengan berbagai jenis wisata yang ada. Total obyek wisata di Kabupaten Bantul sebanyak 113 obyek wisata. Smart tourism yang dimodelkan pada penelitian ini adalah sistem wisata integratif yang meliputi sistem berbasis mobile, sistem pemetaan wisata, sistem desa wisata dan sistem pengolahan data. Sistem ini dapat digunakan oleh pelaku dunia wisata, pengunjung wisata dan pihak pengambil keputusan di Kabupaten Bantul Dengan model pendekatan smart tourism maka Kabupaten Bantul dapat melakukan percepatan pengembangan smart city melalui salah satu komponen yaitu pengembangan city branding.
ANALISIS SENTIMEN PENGGUNA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE BERBASIS CLOUD COMPUTING Rizky Maulana; Sri Redjeki
Jurnal TAM (Technology Acceptance Model) Vol 6 (2016): Jurnal TAM (Technology Acceptance Model)
Publisher : LPPM STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/jurnaltam.v6i0.57

Abstract

Twitter merupakan jejaring sosial dengan pertumbuhan tercepat sejak tahun 2006 menurut MIT Technology Review (2013), Indonesia menempati Negara ketiga penyumbang tweet terbanyak dengan jumlah 1 milyar tweet. Fakta tersebut menjadikan Twitter menjadi salah satu sumber data text yang dapat digali dan dimanfaatkan untuk berbagai keperluan melalui metode-metode pengambilan data teks atau text mining, salah satunya adalah analisis sentimen pengguna terhadap tokoh-tokoh publik indonesia. Penelitian ini membuat sebuah sistem yang dapat melakukan analisis sentimen pengguna twitter terhadap tokoh publik secara real time dengan menggunakan Twitter Streming API dan metode Support Vectore Machine (SVM) memanfaatkan pustaka libSVM sebagai salah satu machine learning untuk text classification. Algoritma Porter digunakan dalam proses stemming untuk ekstraksi fitur dan metode Term Frequency untuk pembobotan. Perangkat lunak dibangun dengan menggunakan bahasa pemrograman PHP untuk sisi server yang berjalan pada platform cloud Windows Azure dan Java untuk sisi client yang berjalan pada platform Android. Dari hasil penelitian dengan 1.400 tweet pada dataset dan 200 data uji didapatkan akurasi sebesar 79,5%.
Bidirectional GRU for Aspect-Based Sentiment Classification in Multi-Dimensional Review Analysis Redjeki, Sri; Joshi, Basanto; Situmorang, Alfonso; Guntara, Muhammad; Candra Nursari, Sri Rezeki; Kusumawati, Dara
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 2 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i2.25754

Abstract

Traditional markets in Yogyakarta face mounting pressure from modernization and digital retail competition, yet user-generated reviews remain underutilized. This study applies Aspect-Based Sentiment Analysis (ABSA) with a Bidirectional Gated Recurrent Unit (BiGRU) on 9,222 annotated reviews from nine markets (2016–2024). BiGRU was chosen not only for its efficiency but also for its robustness in low-resource, multilingual settings with informal expressions, where transformer models often require larger datasets and compute. The best configuration with 64 GRU units and a 70:15:15 split achieved 83.4% accuracy (95% CI: ±1.2%) and an F1-score of 0.813, surpassing baselines such as Naïve Bayes (74.5%) and SVM (77.2%). At the aspect level, security yielded the highest F1-score (0.944), followed by cleanliness (0.904) and culinary (0.838), while “others” scored lowest (0.676). Practically, the findings reveal positive sentiment toward pricing and product availability but highlight concerns about cleanliness and accessibility, offering actionable guidance for market policy.
Clustering and Classification of Retail Sales Data: A Big Data and Data Mining Analysis Almagribi, Ahmad Bilal; Redjeki, Sri
Journal Innovations Computer Science Vol. 4 No. 2 (2025): November
Publisher : Yayasan Kawanad

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56347/jics.v4i2.303

Abstract

In the evolving retail landscape, data-driven decision-making has become essential for understanding customer behavior and predicting sales trends. This study integrates clustering and classification techniques to analyze retail sales data comprising 1,000 transactions obtained from Kaggle. Using the K-Means algorithm, three optimal customer clusters were identified through the Elbow Method, achieving an average within-centroid distance of 25,272.635 and a Davies–Bouldin Index of 0.443, indicating clear cluster separation. The subsequent classification phase compared the predictive performance of three algorithms—Naïve Bayes, Decision Tree, and Random Forest—on 70:30 training-to-testing data partitions. The Naïve Bayes algorithm attained 94.67% accuracy, while both Decision Tree and Random Forest achieved perfect classification accuracy of 100%. These findings highlight the robustness and adaptability of tree-based models for complex retail datasets, outperforming probabilistic methods in terms of accuracy and generalization. The results suggest that the integration of clustering and classification provides retailers with a powerful analytical framework for identifying high-value customer segments, optimizing marketing strategies, and enhancing inventory management. Despite achieving strong outcomes, the study acknowledges dataset limitations and recommends future research involving larger and more diverse datasets, as well as additional features, to expand model scalability and predictive precision.
PREDIKSI KUNJUNGAN WISATAWAN DOMESTIK ABNORMAL DENGAN ADAPTIVE LIGHTGBM DAN DETEKSI ANOMALI Milasari, Listiana Dewi; Redjeki, Sri
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 3 (2025): Oktober 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i3.2163

Abstract

Sektor pariwisata Indonesia menghadapi fluktuasi signifikan dalam kunjungan wisatawan, yang dipengaruhi oleh berbagai faktor ekonomi, lingkungan, dan sosial. Penelitian ini mengembangkan model Adaptive LightGBM with Anomaly Detection and Multi-Task Learning (ALAD-MTL) untuk memprediksi kunjungan wisatawan domestik tahunan di tingkat provinsi dan mengidentifikasi pola kunjungan yang tidak normal. Model ini mengintegrasikan data statistik multi-domain (ekonomi, lingkungan, transportasi, fiskal) dan data media sosial (Twitter) yang kaya sentimen. Data mentah diolah dan dinormalisasi ke dalam format panjang, dengan data Twitter menjalani ekstraksi fitur sentimen menggunakan model RoBERTa berbahasa Indonesia dan agregasi. Semua data kemudian digabungkan ke dalam master_df dengan granularitas provinsi-tahunan. Model LightGBM dioptimalkan melalui penyetelan hyperparameter dan dievaluasi menggunakan metrik MAE, RMSE, R-squared, dan MAPE. Deteksi anomali diimplementasikan berdasarkan residual Z-Score dan Isolation Forest. Multi-Task Learning disimulasikan dengan melatih model LightGBM terpisah untuk tugas-tugas terkait (misalnya, Tingkat Hunian Hotel Bintang, Jumlah Tamu Hotel Asing) menggunakan set fitur yang sama. Hasil menunjukkan model mencapai R-squared tinggi (misalnya, >0.96 untuk tugas utama) dengan MAPE yang kompetitif, menunjukkan kemampuan prediksi pola yang kuat.
Co-Authors Almagribi, Ahmad Bilal Asyahri Hadi Nasyuha Bambang Purnomosidi Dwi Putranto Candra Nursari, Sri Rezeki Damayanti, Ariesta Dedi Rosadi Dini Fakta Sari Dodon Turianto Nugrahadi Edi Faizal Erna Hudianti Pujiarini Guntara, Muhammad Iskandar, Edi Joshi, Basanto Khabib Mustofa Kusumawati, Dara M. Guntara Milasari, Listiana Dewi Muhammad Reza Faisal, Muhammad Reza Naufal, Nabil Nurohman, Muhamad Pius Anggoro Radityo Adi Nugroho Rahayu, Fenny Winda Rizky Maulana Robby Cokro Buwono Satriani, Bayu Setyawan Widyarto Situmorang, Alfonso Sri Redjeki Thomas Edison Tarigan Yagus Cahyadi