Article Per Year (5 Year)
p-Index From 2021 - 2026
1.671
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 TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Journal of Information Systems and Business Technology Jurnal Akuntansi dan Sistem Informasi Jurnal Pengabdian Kepada Masyarakat Journal of Data Science and Informatics Engineering
Mufidah Karimah
Universitas Pamulang
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Public Health Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
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.
Prediksi Customer Churn Menggunakan Decision Tree dan Random Forest dengan Pendekatan SMOTE untuk Mendukung Customer Intelligence pada Industri Telekomunikasi Muhammad Irfan Fauzi; Nurul Fitriyah; 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

Customer churn represents a critical issue in the telecommunications sector due to its impact on customer retention levels and long-term business continuity. Consequently, companies require reliable methods to recognize customers who are likely to terminate their subscriptions. This study focuses on predicting customer churn by applying Decision Tree and Random Forest algorithms to the Telco Customer Churn dataset. The research methodology adopts the CRISP-DM framework, which encompasses data preparation, feature engineering, class balancing through the Synthetic Minority Over-sampling Technique (SMOTE), model construction, and performance evaluation. Four classification approaches were examined, including Decision Tree Gini, Decision Tree Entropy, Decision Tree Pre-Pruning, and Random Forest. Hyperparameter tuning was performed using GridSearchCV, whereas model effectiveness was assessed through Accuracy, Precision, Recall, F1-Score, and ROC-AUC metrics. The experimental results reveal that the Random Forest model produced the highest performance, achieving an accuracy of 84.88% and a ROC-AUC value of 92.94%. Furthermore, the feature importance analysis identified Contract, MonthlyCharges, and tenure as the variables with the strongest contribution to churn prediction. These findings indicate that the proposed approach can enhance Customer Intelligence by generating valuable insights into customer behavior and assisting organizations in developing more effective customer retention initiatives
Penerapan Algoritma FP-Growth pada Online Retail untuk Optimasi Paket Penjualan Moch. Alwi Maosul; Faris Izdhihar Triarso; Adam Hermawan; 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

Penelitian ini menerapkan algoritma FP-Growth untuk mengidentifikasi pola pembelian pelanggan dan menghasilkan rekomendasi paket penjualan menggunakan pendekatan Market Basket Analysis. Dataset yang digunakan adalah Online Retail II yang diperoleh dari Kaggle dan berisi data transaksi perusahaan ritel online berbasis di Inggris. Penelitian dilaksanakan dengan mengacu pada kerangka kerja Cross Industry Standard Process for Data Mining (CRISP-DM) yang terdiri atas tahap Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Proses pembersihan data dilakukan dengan menghapus nilai yang hilang, transaksi pembatalan, data tidak valid, data duplikat, serta kode non-produk sehingga diperoleh 391.150 transaksi valid. Data yang telah dibersihkan kemudian ditransformasikan ke dalam format basket transaction dan dianalisis menggunakan algoritma FP-Growth. Aturan asosiasi yang dihasilkan dievaluasi menggunakan metrik support, confidence, dan lift. Hasil penelitian menunjukkan bahwa kombinasi JUMBO BAG RED RETROSPOT dan JUMBO BAG PINK POLKADOT memiliki nilai support tertinggi sebesar 2,97%, sedangkan kelompok produk Regency Tea Plate menghasilkan nilai lift tertinggi sebesar 66,37 yang menunjukkan hubungan pembelian yang sangat kuat. Hasil penelitian membuktikan bahwa algoritma FP-Growth mampu menemukan pola pembelian pelanggan dan menghasilkan rekomendasi paket penjualan yang dapat mendukung strategi bundling dan cross-selling pada bisnis ritel.
Strategi Customer Intelligence Melalui Klasterisasi K-Means untuk Optimalisasi Retensi Pelanggan pada Industri Telekomunikasi Muhammad Azril Surya Ramadhan; Winda Chariska; Mufidah Karimah
Journal of Data Science and Informatics Engineering Vol. 1 No. 2 (2026): April 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i2.38

Abstract

Di tengah persaingan ketat industri telekomunikasi, tingginya churn rate pelanggan mengancam stabilitas pendapatan perusahaan. Penelitian ini menerapkan klasterisasi K-Means pada dataset Telco Customer Churn untuk mengidentifikasi segmen pelanggan guna optimalisasi retensi melalui customer intelligence, mengikuti kerangka CRISP-DM. Data diproses dengan imputasi median pada Total Charges, normalisasi StandardScaler, dan penentuan klaster optimal (k=4) via Elbow Method. Hasil mengungkap empat profil: (1) The Newbies  (tenure rendah, biaya rendah); (2) High-Value Loyalists (tenure tinggi, biaya tinggi); (3) At-Risk Big Spenders (tenure rendah, biaya sangat tinggi); dan (4) Budget Veterans (tenure tinggi, biaya rendah), divalidasi Silhouette Score solid. Temuan memungkinkan strategi personalisasi: promo onboarding untuk Newbies, VIP rewards untuk Loyalists, kontrak jangka panjang untuk At-Risk, dan upselling bundling untuk Veterans. Pendekatan ini meningkatkan efisiensi alokasi sumber daya pemasaran berbasis data.
Penerapan Metode K-Medoids untuk Segmentasi Nasabah pada Dataset Bank Marketing Reysha Dwi Novaldo; Bahqri Fadillah; Muhamad Fahmi Maulana; Mufidah Karimah
TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Vol. 4 No. 3 (2026): TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Perkembangan di bidang teknologi informasi telah meningkatkan penggunaan data untuk membantu proses pengambilan keputusan dalam industri perbankan. Salah satu aplikasinya adalah dalam segmentasi pelanggan untuk memperoleh pemahaman yang lebih mendalam mengenai karakteristik nasabah. Tujuan dari penelitian ini adalah untuk menerapkan algoritma K-Medoids dalam melakukan segmentasi nasabah menggunakan Dataset Bank Marketing. Proses penelitian mencakup pembersihan data, pemilihan fitur, transformasi logaritmik, normalisasi dengan StandardScaler, reduksi dimensi melalui Principal Component Analysis (PCA), proses pengelompokan dengan K-Medoids, dan evaluasi menggunakan Silhouette Score. Hasil dari pengujian mengindikasikan bahwa jumlah kluster yang paling optimal diperoleh pada K=2, dengan nilai Silhouette Score sebesar 0,6423, yang menunjukkan bahwa kualitas kluster tersebut cukup baik. Proses pengelompokan ini berhasil mengkategorikan nasabah ke dalam dua kelompok utama yang didasarkan pada karakteristik keuangan dan riwayat interaksi pemasaran. Perbedaan karakteristik antara kluster menyiratkan bahwa atribut balance, duration, pdays, dan previous berkontribusi dalam pembentukan kelompok nasabah. Temuan dari penelitian ini menegaskan bahwa algoritma K-Medoids merupakan alat yang efisien untuk segmentasi nasabah dan dapat membantu dalam merancang strategi pemasaran yang lebih terarah di sektor perbankan.
Penerapan RFM Analysis dan K-Means Clustering untuk Segmentasi Pelanggan pada Dataset Online Retail II Nathan Noval Jivi Earnestine; Rangga Irawan; Bergio Fabian; Mufidah Karimah
TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Vol. 4 No. 3 (2026): TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Persaingan di industri e-commerce yang semakin ketat mendorong perusahaan untuk lebih mengenali karakteristik pelanggan demi merancang strategi pemasaran yang lebih efektif. Penelitian ini bertujuan untuk melakukan klasifikasi segmen pelanggan pada dataset Online Retail II dengan mengintegrasikan metode Analisis RFM (Recency, Frequency, Monetary) dan algoritma K-Means Clustering. Dataset ini mencakup 1.067.371 transaksi yang tercatat antara Desember 2009 hingga Desember 2011. Proses pembersihan data menghapus baris yang tidak memiliki ID Pelanggan, nilai Kuantitas dan Harga yang tidak valid, serta data yang terduplikasi, sehingga menghasilkan 779.425 transaksi bersih dari 5.878 pelanggan yang berbeda. Indikator RFM dihitung dan diubah dengan logaritmik untuk mengurangi ketidakseimbangan sebelum dinormalisasi dan dikelompokkan. Penentuan jumlah cluster yang optimal menggunakan Metode Elbow dan Skor Silhouette menunjukkan bahwa k=4 adalah jumlah cluster yang tepat, dengan Skor Silhouette sebesar 0,3650. Hasil pengelompokan mengidentifikasi empat jenis pelanggan: Champion/VIP (20,3%), Loyal Customer (24,8%), Potential/New (21,3%), dan At Risk/Churned (33,6%). Penelitian ini merekomendasikan strategi pemasaran yang spesifik untuk masing-masing segmen guna mendukung program manajemen hubungan pelanggan (CRM) yang lebih efisien.
Perancangan Sistem Informasi Manajemen Proyek Development Industri Sepatu Berbasis Website dengan Metode Waterfall Tajul Tabrizia; Mufidah Karimah
Jurnal Akuntansi dan Sistem Informasi Vol. 1 No. 4 (2026): Edisi: Juli-September
Publisher : Pustaka Bangsa Indonesia

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

Abstract

Penelitian ini bertujuan untuk merancang sistem informasi manajemen proyek berbasis website pada proses Development Sample di PT. Multi Karya Usaha yang bergerak di bidang industri sepatu. Saat ini, pengelolaan proyek belum dilakukan secara terintegrasi karena pelaksanaan proyek hanya berdasarkan permintaan dari tim Marketing maupun pelanggan. Data produk, berita acara trial, purchase order (PO), dan surat perintah kerja masih dikelola menggunakan file Microsoft Excel secara terpisah, sehingga menyebabkan pengelolaan data kurang efisien, informasi tidak saling terhubung, proyek terlewat, serta keterlambatan penyelesaian pekerjaan. Penelitian ini menggunakan metode pengembangan sistem Waterfall yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem yang dirancang diharapkan mampu mengoptimalkan proses perencanaan, pengorganisasian, pengendalian, pemantauan, pelacakan data, serta memberikan pengingat kepada pengguna dalam penyelesaian proyek. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat mendukung pengelolaan proyek Development Sample secara lebih terstruktur, efektif, dan efisien.
Co-Authors Achmad Hindasyah Adam Hermawan Aldiyudha Pratama Bahqri Fadillah Bergio Fabian Christien Rozali Farhan Damar Wildan Faris Izdhihar Triarso Moch. Alwi Maosul Muhamad Fahmi Maulana Muhammad Azril Surya Ramadhan Muhammad Irfan Fauzi Nathan Noval Jivi Earnestine Nur Azizah Nurul Fitriyah Rangga Irawan Reysha Dwi Novaldo Salman Farizy Samso Supriyatna Subarkah Abdullah Tajul Tabrizia Taswanda Taryo Winda Chariska Wulan Pahira