Claim Missing Document
Check
Articles

Hybrid Unsupervised-Supervised Learning for Housing Submarket Segmentation and Price Prediction in Surabaya Urban Areas Tanamal, Rinabi; Nugraha, Satria Adi; Rasyid Jr, Nathalia Minoque Kusuma Salma; Dendy, Livanty Efatania; Theijer, Jessica
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 3 (2026): JUTIF Volume 7, Number 3, June 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.3.5517

Abstract

Surabaya’s rapid population growth, reaching 3.02 million residents, has intensified housing affordability challenges and increased structural variability in residential markets. This study proposes a hybrid machine learning framework that combines unsupervised clustering with supervised classification to identify submarket segments and predict housing price categories. A dataset of 490 properties containing structural, land, ownership, and contextual features was preprocessed and analyzed using K-Means. Cluster quality assessment through elbow inspection and a silhouette score of 0.45 indicated the presence of five meaningful market segments. These segments served as targets for a supervised classification stage that evaluated seven models, optimized via randomized hyperparameter search within a standardized preprocessing pipeline. The RBF-SVM achieved the strongest performance, reaching 97 percent accuracy and a macro-F1 score of 0.97, representing an 8 percent improvement over non-hybrid baselines and outperforming boosted ensembles such as XGBoost. Permutation importance analysis identified number of floors, building orientation, position rank, and ownership status as dominant drivers of segment differentiation. The integration of clustering and classification enhances predictive reliability while improving interpretability, offering a transparent analytical toolkit for housing market assessment. The proposed framework provides actionable insights for developers, appraisers, and policymakers in Surabaya, enabling data-driven identification of submarkets and supporting more equitable housing strategies aligned with SDG 11 on sustainable urban development. The approach is scalable to other Indonesian cities and establishes a foundation for future work incorporating spatial, socioeconomic, or temporal predictors.
Penggunaan Online Learning Tools di Universitas Ciputra Pada Masa Pandemi Covid Daniel Deardo Damanik; Rinabi Tanamal
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 5 No 1 (2022): February
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v5i1.1844

Abstract

Penelitian ini bertujuan untuk mengetahui faktor yang paling berpengaruh terhadap penggunaan online learning tools di Universitas Ciputra. Proses pengumpulan data dilakukan dengan membagikan kuesioner secara online kepada 87 mahasiswa yang menggunakan aplikasi zoom. Teknik analisis pada penelitian ini menggunakan SEM-PLS dengan software SmartPLS 3.3.3. Hasil uji didapakatkan pengaruh positif dan signifikan yang diberikan oleh variabel persepsi kebermanfaatan (PU) terhadap penggunaan aplikasi zoom (ITU) dengan nilai hubungan sebesar 0,386, pengaruh positif tetapi tidak signifikan yang diberikan oleh variabel persepsi kemudahan (PEOU) terhadap penggunaan aplikasi zoom (ITU) dengan nilai hubungan sebesar 0,152, pengaruh positif dan signifikan yang diberikan oleh variabel persepsi kepercayan (PT) terhadap penggunaan aplikasi zoom (ITU) dengan nilai hubungan sebesar 0,345, pengaruh positif tetapi tidak signifikan yang diberikan oleh variabel kualitas sistem (QS) terhadap penggunaan aplikasi zoom (ITU) dengan nilai hubungan sebesar 0,087. Penelitian ini dapat menjadi sumber informasi bagi developer dalam melakukan pengembangan aplikasi dengan mengetahui faktor yang mempengaruhi user menggunakan aplikasi.
Penerapan Sistem Pakar dalam Aplikasi Android Untuk Pertolongan Pertama pada Tortoise Evelin Candratio; Rinabi Tanamal
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 5 No 2 (2022): August
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v5i2.2566

Abstract

Penelitian ini bertujuan membantu pemilik tortoise untuk mendiagnosis dan memberikan tindakan pertolongan pertama secara mandiri dari rumah, dalam rangka mendukung kebijakan pemerintah untuk tetap berada di rumah di masa pandemi COVID-19 yang berjalan saat ini. Metode yang diterapkan pada penelitian ini adalah metode knowledge based, yang telah digunakan dalam berbagai penelitian untuk mendiagnosis penyakit-penyakit pada hewan lainnya. Hasil akhir dari penelitian ini berupa aplikasi Android yang menerapkan metode knowledge based dengan pendekatan Forward Chaining untuk pengecekan pada rule-based yang telah dibuat sehingga dapat memberikan pertolongan pertama pada tortoise dengan baik dan benar bernama aplikasi Haustier. Adapun fitur aplikasi sistem pakar yang dibuat meliputi: diagnosis penyakit pada tortoise dan pertolongan pertama, anatomi tortoise, bantuan dan tentang kami. Pengguna dari aplikasi sistem pakar ini merupakan pemilik tortoise, baik untuk dipelihara maupun untuk dijual. Pohon keputusan yang digunakan sebagai dasar pengambilan keputusan pada aplikasi sistem pakar ini dibuat berdasarkan hasil wawancara dengan pakar, yakni dokter hewan, dan disusun menggunakan platform McGoo. Aplikasi Haustier dikembangkan, dirancang dan dibangun menggunakan platform Thunkable. Berdasarkan hasil dari pengujian tingkat penerimaan pengguna yang telah dilakukan, aplikasi sistem pakar mendapatkan nilai 92% untuk kemudahan pemahaman aplikasi, 95% untuk kemudahan penggunaan aplikasi, 79% untuk ketepatan pemberian informasi gejala dan penyakit, 78% untuk kemenarikan tampilan aplikasi, dan 86% untuk kemanfaatan bagi pengguna aplikasi. Selain itu, aplikasi sistem pakar yang dikembangkan memiliki akurasi sebesar 100% berdasarkan uji akurasi yang telah dilakukan.
Faktor yang Paling Mempengaruhi Keputusan dalam Menggunakan TikTok Shop Muhammad Daral Darullah; Rinabi Tanamal
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 6 No 2 (2023): August
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v6i2.2846

Abstract

Perkembangan media sosial telah melewati banyak perubahan. Dulu, fungsi dari teknologi informasi hanya dipakai untuk media berkomunikasi, tetapi sekarang bertumbuh sebagai sarana promosi, periklanan, dan berkembang fungsinya menjadi sarana hiburan. Karena berkembangnya teknologi, media sosial sekarang juga bisa digunakan untuk sarana hiburan. Konsumen web saat ini dapat menggunakan beragam media sosial. Saat ini media informasi yang paling banyak digunakan antara lain Youtube , FaceBook, Instagran, Whatsapp (WA) dan TikTok. Penelitian ini berpusat pada media sosial yaitu aplikasi TikTok yang akhir-akhir ini menjadi viral sebagai media sosial favorit anak remaja. Studi ini menganalisis penggunaan TikTok Shop sebagai alat periklanan. Variabel yang diuji meliputi konten iklan media sosial, citra merek, persepsi kegunaan, persepsi kemudahan penggunaan, dan niat perilaku toko TikTok. Dalam survei ini, kami menggunakan survei yang dibuat di Google Formulir untuk mengumpulkan 117 responden. Peneliti akan menggunakan metode regresi linear berganda dan menggunakan bahasa dari Python. Hasilnya adalah konten iklan media sosial berpengaruh positif dan signifikan terhadap niat perilaku untuk menggunakan TikTok Shop. Variabel citra merek berpengaruh positif terhadap niat perilaku tetapi tidak signifikan. Untuk variabel persepsi kemudahan berdampak positif pada niat perilaku menggunakan TikTok Shop tetapi tidak signifikan. Terakhir, persepsi kemudahan berdampak negatif terhadap niat perilaku penggunaan TikTok Shop. Dikarenakan variabel social media advertising content memiliki nilai tertinggi, disini bisa disimpulkan bahwa konten video promosi dari TikTok Shop atau TikTok dapat dikatakan baik. TikTok Shop dapat menggambarkan produk aslinya seperti pada video konten promosi, infromasi yang diberikan perihal produk dari video konten dapat dipercaya, iklan video promosi yang ada di TikTok Shop berbeda dari sosial media lainnya, dan iklan promosi yang ditawarkan di TikTok Shop sangat up to date.
Expectation-Confirmation Model dengan Extended variable Adaptation dan Trust pada Penggunaan Go Send Calvin Chandra Hidajat; Rinabi Tanamal
Journal of Economic, Management, Accounting and Technology (JEMATech) Vol 7 No 2 (2024): August
Publisher : Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an (UNSIQ) Wonosobo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jematech.v7i2.4672

Abstract

Gojek merupakan salah satu perusahaan penyedia jasa layanan di Indonesia. Menurut Lembaga Demografi FEB UI konsumen percaya bahwa penggunaan aplikasi Gojek dapat meningkatkan produktivitas sehari-hari. Gojek memiliki mitra dibidang layanan jasa antar barang dalam jarak dekat (dalam kota) yang bernama Go Send. Tujuan dari penelitian ini adalah untuk mencari tahu variabel yang memiliki pengaruh signifikan menggunakan model Expectation-Confirmation Model (ECM) dengan extended variable yaitu Adaptation dan Trust . Penelitian ini menganalisis pengaruh Confirmation, Satisfaction dan Perceived Usefulness terhadap keberlanjutan untuk terus menggunakan Go Send dengan tambahan variabel Trust dan Adoption. Hal pertama yang dilakukan untuk membantu menyelesaikan problem dari data analisis ini adalah pengumpulan data kuantitatif dalam bentuk data primer menggunakan Google Form yang akan disebarkan kepada pengguna layanan Go Send di Surabaya. Setelah terkumpul 164 data responden selanjutnya akan dilakukan data preprocessing (exploratory data analysis dan pengecekan missing value) dan data analisis dengan bantuan Google Colab. Partial Least Squares Structural Equation Modeling akan digunakan untuk mengukur pengaruh signifikan pada variabel yang sudah ditetapkan. Hasil dari penelitian ini menetapkan dari 11 hipotesis yang sudah dibuat terdapat 2 hipotesis yang tidak memiliki pengaruh signifikan. Dapat disimpulkan bahwa persepsi pengguna mengenai kegunaan dan kepuasan sangat penting dalam menentukan pengguna untuk memutuskan terus menggunakan Go Send.
Benchmarking IndoBERT and IndoBERTweet on Emotion and Sentiment of Indonesian App Reviews Natalie Grace Widjaja Kuswanto; Rinabi Tanamal
SISTEMASI Vol 15, No 10 (2026): Sistemasi: Jurnal Sistem Informasi
Publisher : Universitas Islam Indragiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v15i10.6998

Abstract

Indonesian mobile application reviews are informal free-text feedback. Their sentiment and emotion labels are costly to obtain and only moderately reliable. This study determines which pre-trained encoder, IndoBERT or IndoBERTweet, classifies emotion and sentiment more reliably in Indonesian app reviews, and tests whether combining or routing between the two encoders improves on the reference single model. IndoBERT was pre-trained on general Indonesian text and IndoBERTweet on Indonesian tweets. Both were fine-tuned for six-class emotion and three-class sentiment classification on 21,065 de-duplicated reviews. Five random seeds, McNemar tests, and paired bootstrap confidence intervals evaluated confidence-based and task-based routing, probability averaging, sentiment derived from emotion, and a lexical register analysis. IndoBERTweet outperformed IndoBERT on emotion, reaching a macro-F1 of 0.627 against 0.596, with the advantage concentrated on reviews containing slang. Because IndoBERTweet performed at least as well on both formal and informal reviews, confidence-based routing gave no additional gain. Averaging the probabilities of ten models raised emotion macro-F1 significantly to 0.652, an improvement of 0.024 over the reference single model. Sentiment derived from the predicted emotion was never worse than a dedicated sentiment head. It performed significantly better for a single IndoBERTweet model, reaching 0.807 against 0.796, eliminated 10.2 to 14.6% of reviews with contradictory separate heads, and halved inference cost. Single-model modifications that did not degrade performance converged near 0.62 to 0.63, consistent with annotation reliability limiting attainable performance. These findings give practitioners an evidence-based default configuration: IndoBERTweet as the encoder, with sentiment read directly from the predicted emotion label.
Co-Authors Abraham Agung Adhika Dwi Pramudita Adhika Dwi Pramudita, Adhika Dwi Adi Suryaputra Paramita Aditya Sugih Pangestu Alim Gunawan Alim Gunawan, Alim Alkent Alkent Andersen, Matthew Andiputra Andiputra Ardhityar Izaaz S Brandon, I Putu Budi Wijaya Calvin Chandra Hidajat Celinka Eira Jove Christian Tanjono Christopher Adriel Citra, Caecilia Citra Citra, Joshua Ronaldo Daniel Deardo Damanik Daniel Martomanggolo Wonohadidjojo David B. Tonara David B. Tonara, David B. David Boy Tonara David Boy Tonara, David Boy Dendy, Livanty Efatania Devi Mawarni Evan Tanuwijaya Evelin Candratio Faisal Reza Sugma Prawira Fania Cecillia Felicia Graciella Felicia Gunadi Goldianus Solangius Mbete Hadi, Carren Pearl Hans Setiawan Hans Setiawan, Hans Hendrani, Edwin Hidajat, Calvin Chandra Indra Maryati Irawan, Valencia Elcheiana Ivan Sebastian Putra Ivan Sebastian Putra, Ivan Sebastian Jocelyn Leora Johan Limantono Joshua Ronaldo Citra Kamila, Marcia Kartika Gianina Tileng Kevin Razak Kevin Suteja Kevin Suteja, Kevin Leonardo Jeffry Sutedjo Liliana Dewi Livanty Efatania Dendy Mahotma, I Putu Aldi Satria Marshel Aditya Prayoga Michael Androanto T Michelle Chandra Mourent, Jefferson Muhammad Daral Darullah Natalie Grace Widjaja Kuswanto Nathalia Minoque Kusuma Salma Rasyid Jr Nazarinus Artasawarga Purnomo Nazarinus Artasawarga Purnomo, Nazarinus Artasawarga Nisaul Fadila Nisaul Fadila Okky Julian Atmajaya Tarmoko Om A.I Simeru Ong Felycia Christiana Ong Felycia Christiana, Ong Felycia Piters, Michelle Njio Rasyid Jr, Nathalia Minoque Kusuma Salma Saddam Husein Dio Darmawan Salsabila, Dewi Salma Satria Adi Nugraha Sonata Christian Stephanus Eko Wahyudi, Stephanus Eko Sutedjo, Leonardo Jeffry Theijer, Jessica Theresia Ratih Dewi Saputri Tony Antonio Trianggoro Wiradinata Wendra Hartono Wijaya, Yohan William Augusta Hareka Yosua Candra Yosua Setyawan Soekamto Yovita Chandra, Kezia Yuliani Suhartono Yulianto, Stefanus Yulmy Satria Mandala Putra Yuwono Marta Dinata