Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Informatika Universitas Pamulang APPA : Jurnal Pengabdian Kepada Masyarakat Journal of Information Systems and Business Technology
Mufidah Karimah
Universitas Pamulang
Computer Science & IT Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Algoritma Apriori Pada Prediksi Penjualan Tanaman Hias Bromelia (Studi Kasus: Karimah Flora) Mufidah Karimah; Wulan Pahira
Jurnal Informatika Universitas Pamulang Vol 7, No 1 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v7i1.16135

Abstract

Apriori algorithms are part of the algorithms in data mining which are often used to find data patterns. Apriori algorithms are often used in sales transaction data. In this study, the authors discussed the application of apriori to the prediction of sales of ornamental bromeliads. The author found that one of the problems is often taking care of plants. Of course this reduces the revenue at the Karimah Flora shop. From these problems the authors conducted research on sales transaction data in the last 3 months of 2020, namely August, September and October. Then the authors collect data on the sale of ornamental plants bromeliads which will then be calculated by applying the a priori algorithm formula. The calculation determines which of the 21 types of ornamental plants bromeliads will be studied, after which the authors conduct an analysis for order combination patterns of up to 4-itemsets, so that they can form an association rule. By applying the algorithm in this study, it produces a combination of ornamental bromeliads to attract consumers to buy promotional packages offered according to the pattern.
Peningkatan Keterampilan Siswa dalam Pembuatan Aplikasi WEB Menggunakan Bahasa Pemrograman PHP pada SMK IT Bina Adzkia Mufidah Karimah; Samso Supriyatna; Christien Rozali
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 1 No 1 (2023): APPA : Jurnal Pengabdian Kepada Masyarakat
Publisher : Shofanah Media Berkah

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

Abstract

–Website merupakan media komunikasi dan informasi yang sangat penting bagi keberlangusngan instansi, perusahaan maupun organisasi. Peluang kerja dibidang teknologi informasi diantaranya analisis, database administrator, pemrograman berbasis website sangat luas. Berbagai contoh kategori website yang digunakan mulai dari company profile, sistem informasi akademik, e-learning, e-commerce dan yang lainnya. Tantangan yang utama bagi pendidikan khususnya jenjang menengah atas, siswa-siswi jurusan jaringan komputer, SMK Bina Adzkia adalah belum mengetehui dan menguasai pembuatan aplikasi berbasis web. Untuk itu diadakannya kegiatan pelatihan keterampilan siswa dalam pembuatan aplikasi web menggunakan bahasa pemrograman PHP (Hypertext Markup Language). Tujuan diadakannya dari kegiatan pengbdian ini adalah siswa-siswi SMK Bina Adzkia mampu memahami dan membuat aplikasi berbasis website menggunakna bahasa pemrograman PHP dan dapat juga membuat website pribadi menggunakan CMS (Content Management System) wordpress, sehingga diharapkan setelah lulus dapat mempunyai bekal keterampilan dan keahlian dibidang pemrograman yang mampu bersaing dengan dunia luar. Metode yang digunakan adalah pelatihan dan pendampingan. Pelaksanaan kegiatan diawali dari tahapan perencanaan, persiapan, pelaksanaan, evaluasi, dan pendampingan. Materi yang diberikan mulai dari pengenalan internet dan website, prinsip kerja server side, struktur penulisan script PHP, dan pembuatan website pribadi menggunakan CMS Wordpress. Seluruh peserta mengikuti kegiatan dengan antusias dari awal hingga akhir kegiatan yang menandakan tingginya minat dan ketertarikan mereka. Hasil dari kegiatan adalah seluruh peserta mampu memahami dan membuat website pribadi dengan bahasa pemrograman PHP dan CMS Wordpress
Analisa Kinerja Algoritma Random Forest Classifier dengan Mutual Information dan Skip-Gram pada Klasifikasi Jurnal INIS Mufidah Karimah; Achmad Hindasyah; Taswanda Taryo
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 7, No 3 (2022): Desember
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51213/jimp.v7i3.638

Abstract

Supervised learning adalah teknik yang bergantung pada masukan berlabel untuk mempelajari suatu fungsi dan menghasilkan keluaran yang sesuai apabila diberi data baru tanpa label. Penggunaan algoritma supervised learning sering dibutuhkan dalam berbagai kondisi, salah satunya yakni mengklasifikasikan dokumen. INIS adalah salah satu perpustakaan digital yang dianggap masih melakukan pengklasifikasian dokumen secara manual dan membutuhkan pengotomatisasian klasifikasi dokumen. Hal ini mengakibatkan proses pengelompokkan memakan waktu yang relatif lama dan terdapat banyak kendala karena banyaknya jumlah dokumen. Penelitian ini memiliki tujuan utama untuk menentukan algoritma yang memiliki kinerja dan akurasi terbaik agar dapat diimplementasikan dalam proses pengklasifikasian dokumen ilmiah. Penelitian ini menggunakan kombinasi algoritma Random Forest (RF) dengan Skip-Gram (SG) dan Mutual Information (MI) sebagai metode ekstraksi fitur dan metode seleksi fitur. Hasil menunjukkan bahwa kumpulan data yang digunakan dapat mempengaruhi kinerja suatu algoritma. Selain itu pada penelitian ini menunjukkan bahwa presentase kinerja dari algoritma Random Forest dan Skip-Gram lebih baik jika dikombinasikan dengan seleksi fitur daripada tidak menggunakan seleksi fitur. Penggunaan seleksi fitur pada Random Forest dan Skip-Gram  dalam penelitian ini juga menunjukkan presentase kinerja lebih stabil jika dibandingkan dengan kinerja Random Forest dan Skip-Gram tanpa fitur seleksi.
Analisis Segmentasi Karakteristik Pelanggan pada Platform Olist Brazilian E-commerce dengan Metode RFM dan K-Means Clustering Farhan Damar Wildan; Nur Azizah; Aldiyudha Pratama; Mufidah Karimah
Journal of Information Systems and Business Technology Vol 2 No 3 (2026): Journal of Information Systems and Business Technology
Publisher : PT Jurnal Cendekia Indonesia

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

Abstract

Segmentasi pelanggan merupakan taktik penting untuk memahami karakteristik konsumen dan memfasilitasi pengambilan keputusan pemasaran yang lebih baik. Tujuan penelitian ini adalah menggunakan algoritma K-Means Clustering dan teknik Recency, Frequency, Monetary (RFM) untuk menyegmentasikan pelanggan berdasarkan perilaku transaksinya. Langkah-langkah metodologi penelitian CRISP-DM meliputi Pemahaman Bisnis, Pemahaman Data, Persiapan Data, Pemodelan, Evaluasi, dan Penerapan. Dataset E-Commerce Publik Brasil oleh Olist, yang diperoleh dari Kaggle, adalah dataset yang digunakan. Penggabungan data, pembersihan data, pengembangan variabel RFM, normalisasi data, dan pengelompokan K-Means merupakan langkah-langkah dalam proses analitis. Dengan menggunakan Metode Elbow, jumlah klaster yang ideal ditemukan sebanyak empat. Berdasarkan temuan studi ini, konsumen dapat dibagi menjadi empat kategori: Hibernating, At-Risk Customers, Loyal Customers, dan Best Customers. Hasil 0,4886, yang menunjukkan kualitas kluster yang cukup memadai, diperoleh dari evaluasi model menggunakan Skor Silhouette. Temuan segmentasi ini dapat digunakan sebagai titik awal untuk menyusun rencana pemasaran yang lebih spesifik berdasarkan karakteristik masing-masing klien.
Co-Authors Achmad Hindasyah Aldiyudha Pratama Christien Rozali Farhan Damar Wildan Nur Azizah Samso Supriyatna Taswanda Taryo Wulan Pahira