Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Aptekmas : Jurnal Pengabdian Kepada Masyarakat JITU (Jurnal Ilmiah Teknik Unida) MULTIPLE: Journal of Global and Multidisciplinary Berbakti
Febie Elfaladonna
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Analisis Kinerja Sistem Rekomendasi yang Menggunakan Collaborative Filtering Berdasarkan Pengguna dengan Python Devi Sartika; Febie Elfaladonna; Ayu Octarina; Fitrianto Puja Kesuma
urn:multiple://2988-7828multiple.v3i14
Publisher : Institute of Educational, Research, and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan dari penelitian ini adalah untuk menilai kinerja sistem rekomendasi yang mengimplementasikan pendekatan Collaborative Filtering berbasis pengguna dengan algoritma K-Nearest Neighbors (KNN) dalam memberikan rekomendasi film kepada pengguna. Sistem ini menggunakan cosine similarity untuk menghitung tingkat kesamaan antar pengguna berdasarkan pola penilaian film yang mereka berikan. Data yang digunakan dibagi menjadi dua set, yaitu training set dan test set, yang kemudian dievaluasi menggunakan metrik precision, recall, F1-score, dan Mean Squared Error (MSE). Hasil evaluasi menunjukkan performa yang sangat baik, dengan nilai precision, recall, dan F1-score mencapai 1.0000, serta MSE sebesar 0.0000, yang menandakan bahwa model berhasil memberikan rekomendasi yang sangat relevan dan akurat tanpa kesalahan prediksi. Hasil ini mengonfirmasi bahwa pendekatan User-Based Collaborative Filtering dengan KNN dan cosine similarity efektif dalam memberikan rekomendasi yang sesuai dengan preferensi pengguna. Penelitian ini juga menunjukkan potensi yang besar untuk mengembangkan sistem rekomendasi berbasis pengguna dengan akurasi dan relevansi yang sangat tinggi.
SOSIALISASI PERENCANAAN PENGEMBANGAN APLIKASI PEMANTAUAN STUNTING UNTUK BALITA DI PUSKESMAS MARIANA Devi Sartika; Febie Elfaladonna; Ayu Octarina
Aptekmas Jurnal Pengabdian pada Masyarakat Vol 7 No 3 (2024): Aptekmas Volume 7 Nomor 3 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Stunting merupakan salah satu masalah kesehatan serius yang dihadapi oleh balita di Indonesia, termasuk di wilayah kerja Puskesmas Mariana. Upaya pemantauan dan pencegahan stunting memerlukan sistem yang efisien dan terintegrasi agar intervensi dapat dilakukan secara tepat waktu. Penelitian ini bertujuan untuk mensosialisasikan perencanaan pengembangan aplikasi pemantauan stunting bagi balita di Puskesmas Mariana. Aplikasi ini dirancang untuk membantu petugas kesehatan dalam memantau pertumbuhan balita secara lebih akurat, dengan mengumpulkan data seperti tinggi badan, berat badan, serta riwayat gizi. Melalui sosialisasi ini, diharapkan seluruh pihak yang terlibat, baik tenaga medis maupun masyarakat, memahami manfaat dan cara penggunaan aplikasi sebagai alat bantu dalam menanggulangi stunting. Pengembangan aplikasi ini diharapkan dapat meningkatkan efektivitas pemantauan, memudahkan pengolahan data, dan mendukung pengambilan keputusan berbasis data dalam upaya menurunkan angka stunting.
Sosialisasi Aplikasi Promosi Jabatan dengan Penerapan Metode Naive Bayes Jabatan pada PT. XYZ Febie Elfaladonna; Ayu Octarina; Meivi Kusnandar; Fitrianto Puja K; Devi Sartika; Desi Apriyanty; Deri Darfin
BERBAKTI: Jurnal Pengabdian Kepada Masyarakat Vol. 1 No. 05 (2025): ISSUE JUNI
Publisher : PT. Mifandi Mandiri Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PT XYZ menghadapi tantangan dalam mengelola proses promosi karyawan secara efektif dan objektif. Proses evaluasi yang terstruktur dan berbasis data sangat diperlukan untuk memastikan kesesuaian antara kualifikasi karyawan dengan posisi yang tersedia. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi pendukung keputusan promosi jabatan dengan menerapkan metode Naive Bayes. Algoritma Naive Bayes dipilih karena kemampuannya dalam menganalisis data yang kompleks dan menghasilkan prediksi berbasis probabilitas secara akurat. Sistem ini mengevaluasi karyawan berdasarkan kriteria utama seperti kinerja, kompetensi, dan pengalaman kerja. Melalui penerapan metode ini, aplikasi mampu memberikan rekomendasi promosi yang adil, transparan, dan konsisten. Untuk mendukung implementasi, dilakukan sosialisasi dan pelatihan kepada pengguna agar memahami cara kerja serta manfaat aplikasi dalam proses promosi di perusahaan. Hasil pengujian menunjukkan bahwa aplikasi ini meningkatkan efisiensi pengambilan keputusan, meningkatkan akurasi, serta membantu meminimalkan bias dalam proses promosi jabatan.
Aplikasi Arsip Digital (E-Arsip) Data Pegawai : Studi Kasus: PT. Bukit Asam Kreatif Febie Elfaladonna
Jurnal Ilmiah Teknik Unida Vol. 4 No. 1 (2023): Juni
Publisher : Mitra Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55616/jitu.v4i1.533

Abstract

Dengan berkembangnya teknologi yang semakin tidak mengenal waktu, perusahaan khususnya sudah harus bisa mengembangkan suatu sistem berbasis teknologi yang efektif dan efisien untuk meningkatkan performanya. Apalagi seperti yang diketahui, perusahaan pasti akan selalu berhubungan dengan data baik itu yang berbentuk berkas, maupun yang sudah di komputerisasikan dengan sistem yang biasa saja seperti data yang hanya disimpan di dalam folder komputer. Hal ini akan memungkinkan terjadinya kehilangan data jika komputer tiba-tiba rusak, dan lain sebagainya. Arsip digital mempunyai kelebihan dalam proses pencarian informasi yang lebih cepat serta terdapatnya salinan arsip dalam bentuk elektronik dan memudahkan dalam pengaksesan. Dimana arsip dapat di input dan di simpan ke dalam media penyimpanan elektronik disertai pendataan menggunakan sistem informasi. Pembuatan arsip digital pada perusahaan PT. Bukit Asam Kreatif sangat dibutuhkan dikarenakan pengelolaan arsip akan menjadi lebih mudah, efektif serta efisien. Terdapat beberapa jenis perancangan yang digunakan pada penelitian ini, yaitu diagram konteks, DFD, dan ERD
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA TIGA JENIS BERAS Febie Elfaladonna; Meivi Kusnandar; Fitrianto Puja K; Andre Mariza P
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4173

Abstract

Abstract: This study aims to develop an image classification model based on Convolutional Neural Network (CNN) to identify five rice varieties: Basmati, Ipsala, Arborio, Jasmine, and Karacadag. The dataset used consists of 75,000 images, with 15,000 images per class. Training was carried out using Python and TensorFlow, employing image augmentation and validation methods. The dataset was split into training, validation, and testing sets in a 70:15:15 ratio. The training results show a validation accuracy of 97.47% and a test accuracy of 97.78%, with a test loss of 0.0688. These results indicate that CNN is highly effective for rice image classification, offering high accuracy and good generalization. The conclusion of this study is that the CNN model can be applied as an assistive system in automated rice processing or sorting. Keywords: image classification; CNN; rice; deep learning; TensorFlow. Abstrak: Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra berbasis Convolutional Neural Network (CNN) guna mengidentifikasi lima jenis beras: Basmati, Ipsala, Arborio, Jasmine, dan Karacadag. Dataset yang digunakan terdiri dari 75.000 gambar, masing-masing kelas berjumlah 15.000 gambar. Proses pelatihan dilakukan menggunakan Python dan TensorFlow dengan teknik augmentasi citra dan metode validasi. Dataset dibagi menjadi data pelatihan, validasi, dan pengujian dengan proporsi 70:15:15. Hasil pelatihan menunjukkan akurasi validasi mencapai 97,47% dan akurasi pengujian sebesar 97,78%, dengan nilai loss sebesar 0,0688. Temuan ini menunjukkan bahwa CNN sangat efektif dalam klasifikasi citra beras dengan akurasi tinggi dan generalisasi yang baik. Simpulan dari penelitian ini adalah model CNN dapat digunakan sebagai sistem bantu dalam proses pengolahan atau penyortiran beras secara otomatis. Kata kunci: klasifikasi citra; CNN; beras; deep learning; TensorFlow.
Co-Authors Andre Mariza P Ayu Octarina Deri Darfin Desi Apriyanty Devi Sartika Fitrianto Puja K Fitrianto Puja Kesuma Meivi Kusnandar