Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informasi dan Komputer Building of Informatics, Technology and Science Jurnal Minfo Polgan (JMP)
Yeni Setiani
Gunadarma University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Library & Information Science Mathematics Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
VISUALISASI DATA STUDENT MENTAL HEALTH MENGGUNAKAN LOOKER STUDIO DENGAN METODE SNA Aryunani, Witari; Aulia, Mufti; Purwanto, Imam; Setiani, Yeni; Purnama, Indra
Jurnal informasi dan komputer Vol 12 No 01 (2024): Jurnal Informasi dan Komputer yang terbit pada tahun 2024 pada bulan 4 (April)
Publisher : LPPM Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v12i01.574

Abstract

Penulisan ini mengenai visualisasi data yang mempermudah pembaca untuk mendapatkan informasi dari memvisualisasikan sebuah dataset Student Mental Health dari Kaggle dengan melewati tahapan berupa data collection, data preprocessing yang didalam nya ada data exploration serta data cleaning dengan menggunakan metode SNA(Social Network Analysis) yang bertujuan untuk memvisualisasikan hubungan antara isi dataset yang ada. Penulisan ilmiah ini berisi pengertian dari kesehatan mental, tools yang digunakan, serta penjelasan langkah-langkah dan tahapan yang dilakukan untuk visualisasi data menggunkan metode SNA, yang menghasilkan sebuah dashboard visualisasi yang dapat memberikan sebuah informasi yang lebih informatif serta medah dimengerti antara hubungan isi dataset pada halaman yang dapat diakses pada link https://lookerstudio.google.com/reporting/99f44be9-c32c-4380-b6b4-c5c4c30a47c4. Visualisasi yang berguna untuk pengambilan sebuah keputusan yang akan diambil kedepan nya yang berasal dari dataset dan dapat dikembangkan lagi untuk kedepan nya.
Analisis Dan Visualisasi Data Menggunakan Looker Studio Pada Dataset New York City Property Sales Purnama, Indra; Setiani, Yeni; Wibisono, Farhan Ari Nur
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14421

Abstract

Penulisan ilmiah ini berfokus pada analisis dan visualisasi dari dataset NYC Property Sales yang bersumber dari situs Kaggle. Penulisan ini berlatar belakang pada kemampuan untuk mengubah data kompleks dalam dataset menjadi informasi yang dapat digunakan untuk menyelesaikan masalah dan membuat keputusan yang tepat di masa depan. Analisis dan visualisasi ini digunakan dalam mengetahui permasalahan yang ada dalam dataset yaitu penurunan penjualan properti dan bertujuan untuk melakukan analisis dan visualisasi dengan hasil akhir berupa dashboard yang dibuat menggunakan Looker Studio. Metode analisis dan Exploratory Data Analysis (EDA) digunakan dalam penulisan ini dengan tahapan Data Collection, Data Preparation, EDA, dan Visualization. Dalam melakukan analisis dan visualisasi menghasilkan sebuah dashboard yang di dalamnya terdapat filter, scorecard, chart dan tabel. Dashboard yang telah dibuat dapat di akses melalui tautan berikut ini: https://lookerstudio.google.com/reporting/a60afdae-b109-4043-99dc-1fa3f4b3df9f/page/bQ64D. Dari pembahasan yang telah dilakukan, dashboard yang telah berhasil dibuat dapat memberikan informasi terkait tren waktu pada penjualan properti, rata-rata harga properti, penyebaran distribusi penjualan dan transaksi penjualan dalam suatu borough, kelas bangunan ataupun tahun pembuatan bangunan properti. Hal ini dapat memberikan informasi bagi para investor untuk melakukan investasi di waktu yang tepat serta memberikan wawasan yang berharga.
Best Programming Creator Content Selection with K-Means Clustering Algorithm and MAUT Method Aryunani, Witari; Setiani, Yeni; Purnama, Indra
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7310

Abstract

Selecting quality programming content creators on platforms such as YouTube is becoming a complex challenge as digital educational content expands. This research designs a systematic approach by combining K-Means algorithm and MAUT method to objectively evaluate and rank creators. Data from 100 programming channels was analysed using K-Means, resulting in three main clusters based on audience views and interactions. The leading cluster was identified with an average of 335,461 views per video and an engagement rate of 0.31%. The MAUT method then ranked the creators in this cluster, revealing Brackeys as the best programming contentcreator with an optimal balance between audience reach and participation with a final score of 0.624. The results show that the integration of these two methods is effective in providing a data-driven solution for educational content selection, as well as a reference for creators in improving the quality of the material. The combination of K-Means and MAUT not only answers the need for objectivity in content curation, but also enriches the literacy of multidimensional evaluation methods in the era of online learning.
Co-Authors Aryunani, Witari Aulia, Mufti Imam Purwanto Purnama, Indra Wibisono, Farhan Ari Nur