Article Per Year (5 Year)
p-Index From 2021 - 2026
2.307
P-Index
This Author published in this journals
All Journal Martabe : Jurnal Pengabdian Kepada Masyarakat JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Journal of Computer Networks, Architecture and High Performance Computing Jumat Informatika: Jurnal Pengabdian Masyarakat Jurnal Media Informatika SmartComp Jurnal Kolaborasi Sains dan Ilmu Terapan
Ayu Ahadi Ningrum
Universitas Muhammadiyah Banjarmasin
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Penerapan Algoritma K-Means Berbasis Model RFM untuk Klasterisasi Anggota di Perpustakaan Daerah Kuala Kapuas Winda Astria Nuansa Saputri; Windarsyah Windarsyah; Ayu Ahadi Ningrum
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/juksit.v5i1.187

Abstract

Perpustakaan daerah belum memiliki mekanisme berbasis data untuk membedakan anggota berdasarkan pola kunjungan dan peminjaman, sehingga layanan masih diberikan secara seragam kepada seluruh anggota. Penelitian ini bertujuan menerapkan model Recency, Frequency, Monetary (RFM) dikombinasikan dengan Algoritma K-Means untuk menghasilkan segmentasi berbasis data terhadap 1.430 anggota Dinas Kearsipan dan Perpustakaan Daerah Kuala Kapuas. Metode yang digunakan meliputi konstruksi variabel RFM dari data kunjungan dan peminjaman, normalisasi MinMaxScaler, penentuan jumlah klaster optimal menggunakan Elbow Method, implementasi K-Means, serta validasi kualitas klaster menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasil penelitian menunjukkan K=3 sebagai jumlah klaster optimal dengan nilai Silhouette Score sebesar 0,3478. Tiga klaster yang terbentuk adalah Anggota Aktif (199 anggota, 13,9%), Anggota Sedang (570 anggota, 39,9%), dan Anggota Pasif (661 anggota, 46,2%), dengan dimensi Frequency sebagai pembeda utama antar klaster. Anggota Pasif tercatat memiliki tingkat kepuasan layanan yang tinggi meskipun jarang berkunjung, yang mengindikasikan hambatan akses sebagai penyebab kepasifan. Berdasarkan profil tiap klaster, dirumuskan tiga strategi layanan terdiferensiasi berupa retensi untuk Anggota Aktif, peningkatan keterlibatan untuk Anggota Sedang, dan reaktivasi untuk Anggota Pasif.
Penerapan Metode Naïve Bayes Untuk Prediksi Stok Barang Bangunan Di Toko Bangunan Bersaudara Novia Rahmah; Ayu Ahadi Ningrum; Kamarudin Kamarudin
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6239

Abstract

Manajemen stok barang merupakan aspek penting dalam menjaga kelancaran operasional toko bangunan. Toko Bangunan Bersaudara menghadapi kendala dalam memperkirakan kebutuhan stok secara akurat, sehingga sering terjadi kelebihan atau kekurangan persediaan. Penelitian ini menerapkan metode Naïve Bayes untuk memprediksi tingkat kelarisan barang berdasarkan data penjualan dari Juli 2023 hingga Juni 2024. Proses penelitian mengikuti tahapan CRISP-DM yang mencakup pengumpulan data, pembersihan, pemodelan, dan evaluasi. Dataset terdiri dari lebih dari 1.200 transaksi yang mencakup 100 jenis barang. Hasil pengujian menunjukkan bahwa model Naïve Bayes menghasilkan akurasi sebesar 63%. Sistem yang dikembangkan memberikan rekomendasi restok berdasarkan variabel frekuensi penjualan dan margin keuntungan. Barang seperti Seng Suji, Kasibut, dan Seng Pumera direkomendasikan sebagai prioritas pengadaan. Temuan ini menunjukkan bahwa pendekatan berbasis data dapat membantu UMKM dalam pengambilan keputusan yang lebih efektif dalam manajemen persediaan.
Optimasi Algoritma Random Forest dalam Mengukur Kepuasan Peserta Pelatihan Guru pada Lembaga HAFECS Radhitya Abdi Nurhafiz; Finki Dona Marleny; Ayu Ahadi Ningrum
Jurnal Media Informatika Vol. 7 No. 1 (2026): Edisi Januari - Februari
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v7i1.8314

Abstract

Peningkatan kualitas layanan pelatihan guru memerlukan evaluasi kepuasan peserta yang akurat dan berbasis data, mengingat hasil evaluasi menjadi dasar penting dalam perbaikan mutu program dan pengambilan keputusan lembaga. Kompleksitas data survei kepuasan serta ketidakseimbangan distribusi kelas merupakan tantangan utama yang membatasi kemampuan pendekatan evaluasi konvensional dalam mengidentifikasi pola kepuasan secara mendalam. Penelitian ini bertujuan mengoptimasi algoritma Random Forest untuk klasifikasi kepuasan peserta pelatihan guru di Lembaga HAFECS. Metode penelitian menggunakan pendekatan Cross-Industry Standard Process for Data Mining (CRISP-DM) hingga tahap evaluasi, dengan penerapan transformasi data, penanganan nilai ekstrem, feature engineering, serta optimasi hyperparameter menggunakan RandomizedSearchCV. Evaluasi kinerja model dilakukan menggunakan accuracy, F1-score, recall kelas minoritas, AUC-ROC, stabilitas cross-validation, dan overfitting gap. Hasil penelitian menunjukkan bahwa model Random Forest teroptimasi mencapai akurasi 70,00%, F1-score 70,10%, AUC-ROC 69,42%, serta overfitting gap terendah sebesar 4,20%. Feature engineering meningkatkan kemampuan generalisasi model, sementara feature selection agresif justru menurunkan performa. Model yang dihasilkan berpotensi mendukung evaluasi kepuasan peserta pelatihan secara objektif dan sistematis.
Penerapan Algoritma K-Means Clustering untuk Pengelompokan Minat Baca Pengunjung Dinas Kearsipan dan Perpustakaan Daerah Kapuas reniemeliya reniemeliya; Windarsyah Windarsyah; Ayu Ahadi Ningrum
Jurnal Media Informatika Vol. 7 No. 4 (2026): Edisi Juli - Agustus IN PRESS
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v7i4.9225

Abstract

Peningkatan kualitas layanan perpustakaan memerlukan pemahaman mendalam terhadap pola minat baca pengunjung yang akurat dan berbasis data, mengingat hasil analisis tersebut menjadi dasar penting dalam penyusunan program literasi dan pengambilan keputusan pengelola. Kompleksitas data kunjungan serta keragaman karakteristik pengunjung merupakan tantangan utama yang membatasi kemampuan pendekatan evaluasi konvensional dalam mengidentifikasi pola minat baca secara mendalam. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk pengelompokan minat baca pengunjung Dinas Kearsipan dan Perpustakaan Daerah Kapuas. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD) hingga tahap evaluasi, dengan penerapan rekayasa fitur berupa Aktifitas_Index, normalisasi menggunakan RobustScaler, serta penentuan klaster optimal menggunakan metode Elbow, Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Score. Evaluasi kestabilan klaster dilakukan menggunakan Bootstrap Stability Test sebanyak 30 iterasi. Hasil penelitian menunjukkan bahwa K=5 merupakan jumlah klaster optimal dengan Silhouette Score sebesar 0,6106 (target >0,50 tercapai), Davies-Bouldin Index sebesar 0,5077 (target <1,0 tercapai), dan Inertia sebesar 146,37. Uji Bootstrap Stability menghasilkan Silhouette Score rata-rata 0,6147 ±0,0097, membuktikan konsistensi klaster. Lima klaster terbentuk: Minat Baca Sangat Rendah (758 pengunjung, 53,0%), Minat Baca Rendah (410 pengunjung, 28,7%), Minat Baca Sedang (173 pengunjung, 12,1%), Minat Baca Tinggi (66 pengunjung, 4,6%), dan Minat Baca Sangat Tinggi (23 pengunjung, 1,6%). Kelompok yang dihasilkan berpotensi mendukung perencanaan layanan perpustakaan secara objektif dan tepat sasaran.
Co-Authors Ahmad Faisal Hamidi Andika Syarif Hidayatullah Aulia Fitri Finki Dona Marleny Finki Donna Marleny Husnul Hatimah Kamarudin M Rais Hadyan Mambang Maulida, Ihdalhubbi Muhammad Alfiyani Muhammad Ziki Elfirman Mukhaimy Gazali Novia Rahmah Radhitya Abdi Nurhafiz reniemeliya reniemeliya Rudy Ansari Winda Astria Nuansa Saputri Windarsyah Windarsyah