Article Per Year (5 Year)
p-Index From 2021 - 2026
7.128
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Jurnal Mirai Management JOIV : International Journal on Informatics Visualization JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal Sisfokom (Sistem Informasi dan Komputer) JURTEKSI Jurnal Sistem Cerdas JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) International Journal of Advances in Data and Information Systems Jurnal Teknik Informatika (JUTIF) eProceedings of Engineering The Indonesian Journal of Computer Science International Journal of Computer Technology and Science Journal of Production, Enterprise, and Industrial Applications ITEJ (Information Technology Engineering Journals)
Oktariani Nurul Pratiwi
Telkom University
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
Analisis Sentimen menggunakan Algoritma Long Short-Term Memory (LSTM) dan Pemodelan Topik menggunakan Algoritma Non-Negatif Matrix Factorization (NMF) pada aplikasi Sekolah.mu Berdasarkan Ulasan di Google Play Store Cynthia Ayu Prayuning; Oktariani Nurul Pratiwi; Nur Ichsan Utama
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untuk menganalisis ulasan pengguna aplikasi Sekolah.mu di Google Play Store dengan menggunakan dua pendekatan utama yaitu analisis sentimen menggunakan algoritma Long Short-Term Memory (LSTM) dan pemodelan topik menggunakan algoritma Non-Negative Matrix Factorization (NMF). Aplikasi Sekolah.mu merupakan platform pembelajaran berbasis digital yang terus berkembang dan menerima umpan balik dari penggunanya. Dengan jumlah ulasan yang sangat banyak, analisis manual menjadi tidak efisien. Oleh karena itu, analisis sentimen diperlukan untuk mengklasifikasikan ulasan pengguna menjadi sentimen positif atau negatif, serta pemodelan topik untuk mengidentifikasi topik-topik utama yang dibahas. Metodologi penelitian mencakup pengumpulan data melalui scraping, preprocessing data, klasifikasi sentimen menggunakan LSTM, evaluasi model menggunakan confusion matrix dan pemodelan topik menggunakan NMF, evaluasi pemodelan topik menggunakan coherence topik. Hasil penelitian menunjukkan bahwa model LSTM memiliki akurasi sebesar 90,18% dalam mengklasifikasikan sentimen, sedangkan model NMF berhasil mengidentifikasi 6 topik utama yang relevan dengan pengalaman pengguna. Hasil penelitian diharapkan menjadi dasar strategis dalam pengembangan kualitas aplikasi dan peningkatan kepuasan serta loyalitas pengguna terhadap aplikasi Sekolah.mu. Kata kunci— analisis sentimen, deep learning, LSTM, NMF, Sekolah.mu, pemodelan topik
MANAJEMEN DATA DALAM PENGEMBANGAN DASHBOARD BAGI DOSEN DI TELKOM UNIVERSITY Josia Fortino Pakpahan; Oktariani Nurul Pratiwi; Nur Ichsan Utama
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Institusi pendidikan menghadapi tantangan dalammengelola data akademik untuk mendukung pengambilankeputusan berbasis data. Penelitian ini bertujuanmengembangkan sistem berbasis website dan dashboardlearning analytics untuk membantu dosen mengelola data nilai,kehadiran mahasiswa, dan menganalisis performa akademik.Sistem dikembangkan menggunakan metode waterfall dengantahapan analisis kebutuhan, desain sistem, implementasi,pengujian, dan pemeliharaan. Data diolah melalui RDBMSberbasis Supabase, dengan dashboard visualisasi menggunakanLooker Studio.Hasil pengujian menunjukkan sistem mampu memberikanrespons rata-rata 537 ms dan meningkatkan efisiensi kerjadosen melalui fitur input manual dan import data historis.Dashboard membantu mengidentifikasi mahasiswa dengantingkat kehadiran rendah atau performa akademik di bawahstandar. Sistem ini berpotensi meningkatkan keberhasilanakademik melalui intervensi yang tepat sasaran dan dapatdiadaptasi untuk institusi lain.Kata Kunci: waterfall, website, learning analytics dashboard,Supabase, Looker Studio, manajemen data.
Optimasi Waktu dan Besaran Diskon Produk Slow-moving Berdasarkan Prediksi Penjualan dengan Model Prophet: Studi Kasus Toko Rumahbayitaz Azka Chanda Milanesta; Irfan Darmawan; Oktariani Nurul Pratiwi
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan e-commerce di Indonesia menuntut pelaku usaha untuk menyusun strategi promosi yang lebih terukur, khususnya dalam mengatasi produk slow-moving yang dapat menurunkan performa penjualan. Penelitian ini bertujuan untuk menganalisis tren historis penjualan di Toko Rumahbayitaz, menerapkan model time series Prophet untuk memprediksi performa produk slow-moving, serta merancang strategi diskon berbasis hasil prediksi. Permasalahan yang diangkat meliputi belum adanya sistem prediksi penjualan yang akurat, kurangnya analisis historis waktu pemberian diskon, dan ketiadaan mekanisme perencanaan promosi berbasis data. Penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD) dengan algoritma Prophet dan data penjualan harian periode Januari 2023 hingga April 2024 dari Shopee Seller Centre. Hasil menunjukkan bahwa Prophet mampu mengidentifikasi pola musiman mingguan dan bulanan serta memberikan prediksi akurat untuk mendeteksi periode dengan permintaan rendah. Strategi diskon seperti “Midweek Deal” dan “Flash sale Minggu Ceria” disusun berdasarkan output model dan menunjukkan potensi dalam meningkatkan efektivitas promosi. Kesimpulannya, integrasi model Prophet dalam perencanaan strategi diskon memungkinkan toko merancang promosi yang lebih relevan, tepat waktu, dan berbasis pola permintaan konsumen. Kata kunci— diskon, e-commerce, forecasting, penjualan, Prophet, Shopee, slow-moving, time series
Pembentukan Kelompok Belajar Berdasarkan Student Model Dengan Algoritma K-Means Untuk Mendukung Jigsaw Cooperative Learning Taufiq Hamdani Yunan; Oktariani Nurul Pratiwi; Irfan Darmawan
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini mengembangkan pendekatan baru untuk pembentukan kelompok belajar dalam model Jigsaw Cooperative Learning di lingkungan perguruan tinggi, yang bertujuan mengatasi tantangan homogenitas kelompok dan kurangnya personalisasi. Menggunakan metodologi CRISP-DM, penelitian dimulai dengan pemahaman bisnis dan data, di mana data mahasiswa mencakup identitas, kinerja akademis (nilai kuis dan IPK), kepribadian (MBTI), dan gaya belajar dikumpulkan melalui kuesioner Microsoft Form. Pada tahap persiapan data, pembersihan data dilakukan untuk mengatasi nilai kosong, dan fitur-fitur dikodekan serta distandardisasi menggunakan normalisasi Z-score. Reduksi dimensi dengan Principal Component Analysis (PCA) digunakan untuk menyederhanakan struktur data, dengan dua komponen utama dipilih karena mampu merepresentasikan sebagian besar variansi. Untuk pemodelan, algoritma clustering K-means diimplementasikan. Jumlah klaster optimal ditentukan sebagai 4 menggunakan metode Elbow. Hasil clustering divisualisasikan dalam dua dimensi menggunakan PCA, menunjukkan pemisahan klaster yang cukup jelas. Evaluasi kualitas clustering menggunakan Silhouette Score menunjukkan nilai 0.36, mengindikasikan bahwa struktur klaster cukup representatif meskipun ada beberapa data yang mendekati batas antar klaster. Berdasarkan hasil clustering, kelompok-kelompok heterogen dibentuk dengan mengambil satu anggota dari setiap klaster secara bergiliran, menghasilkan 7 kelompok dengan 4-5 anggota. Proses ini bertujuan untuk meningkatkan kolaborasi dan pemahaman materi, serta memberikan pengalaman belajar yang lebih adil dan personal. Kata kunci— Jigsaw, K-means, clustering, Cooperative Learning, CRISP-DM
Penerapan Algoritma C4.5 Untuk Menentukan Prioritas Fitur Dalam Memprediksi Potensi Penjualan Di Toko Rumahbayitaz Muhammad Naufal Fikri; Irfan Darmawan; Oktariani Nurul Pratiwi
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

UMKM di Indonesia menghadapi tantangan dalam menentukan strategi produk baru, terutama risiko overstock dan understock akibat keputusan pengadaan yang bersifat spekulatif. Penelitian ini bertujuan membangun model prediksi kelarisan produk baru menggunakan algoritma C4.5 berbasis decision tree. Data diambil dari laporan Shopee Seller Center milik Toko RumahBayiTAZ untuk periode 2023–2024, dengan atribut seperti Produk Dilihat, Total Pengunjung, Total Pembeli Baru, dan Total Potensi Pembeli. Untuk mengatasi ketidakseimbangan kelas, diterapkan teknik SMOTE (Synthetic Minority Oversampling Technique). Model dibangun dengan pustaka ChefBoost dalam bahasa pemrograman Python dan dievaluasi menggunakan Confusion Matrix serta teknik K-Fold Cross Validation. Hasil penelitian menunjukkan akurasi rata-rata 88,9%, dengan fitur Produk Dilihat sebagai simpul akar pohon keputusan. Model ini tidak hanya mampu mengklasifikasikan produk ke dalam kategori Laris, Sedang, dan Tidak Laris, tetapi juga membantu pelaku usaha mengidentifikasi fitur-fitur penting untuk perencanaan stok dan strategi promosi produk baru. Keywords— Algoritma C4.5, Klasifikasi, UMKM, SMOTE, Pohon Keputusan
Penerapan Algoritma Prophet Dalam Peramalan Ketersediaan Stok Obat Penyakit Asma (Studi Kasus:Yayasan Kesehatan X) Revanda Octavian; Oktariani Nurul Pratiwi; Alfian Akbar Gozali
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Pengelolaan ketersediaan obat yang memadai sangat penting dalam penjaminan mutu kesehatan. Namun, banyak fasilitas kesehatan, termasuk Yayasan Kesehatan Swasta X, menghadapi masalah ketidakseimbangan stok obat (kelebihan atau kekurangan) yang berdampak negatif pada pasien dan efisiensi operasional. Permasalahan ini diperparah oleh kebijakan distribusi farmasi yang memprioritaskan fasilitas pemerintah serta variasi kebutuhan obat berdasarkan jenis penyakit kronis seperti Asma. Penelitian ini bertujuan untuk menerapkan metode peramalan time series menggunakan Prophet dari periode Januari 2021 hingga Desember 2024. Prophet dipilih karena kemampuannya dalam menangani trend, seasonality, dan holiday yang kompleks pada data. Evaluasi kinerja model menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Squared Error (RMSE) yang menunjukkan hasil akurasi tinggi. Nilai MAPE berkisar antara 10.54% hingga 30.47% dan nilai RMSE antara 0.24 hingga 0.71. Hasil ini mengindikasikan bahwa model Prophet mampu memprediksi kebutuhan stok obat dengan tingkat kesalahan yang rendah, meskipun terdapat batasan dalam menangkap fluktuasi ekstrem atau perubahan mendadak. Peramalan ini dapat menjadi landasan strategis untuk pengambilan keputusan pengadaan, memastikan ketersediaan stok obat, serta meningkatkan efisiensi operasional dan kualitas pelayanan kesehatan secara optimal di Yayasan Kesehatan Swasta X. Kata kunci— Peralaman, Stok Obat, Time Series, Prophet, Asma
Evaluasi Usability Antarmuka Aplikasi Pengerjaan Soal untuk SMA Bina Negara 1 Baleendah Menggunakan A/B Testing dan System Usability Scale R. Rama Ahmad Waliyya; Oktariani Nurul Pratiwi; Ilham Perdana
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi digital telah mendorong transformasi dalam sistem pendidikan, termasuk dalam proses evaluasi pembelajaran. SMA Bina Negara 1 Baleendah sebelumnya menggunakan Google Form dan Microsoft Excel untuk distribusi soal dan rekap nilai, namun metode tersebut dinilai kurang efisien. Penelitian ini bertujuan mengevaluasi desain antarmuka aplikasi pengerjaan soal berbasis web menggunakan metode A/B Testing dan System Usability Scale (SUS). A/B Testing digunakan untuk mengetahui preferensi visual pengguna terhadap dua versi desain, sedangkan SUS digunakan untuk mengukur usability aplikasi berdasarkan persepsi pengguna. Sebanyak 7 guru dan 38 siswa dilibatkan sebagai responden dalam penelitian ini. Hasil A/B Testing menunjukkan bahwa guru lebih menyukai desain B pada halaman bank soal, pembuatan kuis, dan pembuatan soal, sedangkan siswa memilih desain B untuk halaman pengerjaan kuis. Rekomendasi perbaikan desain diberikan berdasarkan masukan dari pengguna. Hasil evaluasi SUS menunjukkan skor rata-rata 85 untuk guru dan 88 untuk siswa, yang termasuk kategori “Best Imaginable”, menandakan tingkat usability yang sangat tinggi. Dengan demikian, sistem yang dikembangkan dinilai telah memenuhi standar kemudahan penggunaan, meskipun masih diperlukan penyempurnaan minor guna meningkatkan pengalaman mengerjakan soal secara daring. Kata kunci— A/B Testing, Evaluasi UI/UX, Pendidikan Digital, System Usability Scale, Usability
Perancangan Sistem Informasi Dashboard Jabatan Akademik Dosen DASHBOARD KEPEGAWAIAN (DATA DOSEN) Menggunakan Metode Business Intelligence Roadmap Studi Kasus Fakultas Rekayasa Industri Jessica Inas Rasendriya; Irfan Darmawan; Oktariani Nurul Pratiwi
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Berdasarkan PB Mendikbud dan Ka. Bkn tahun 2014 Nomor 4 dan 24, Jabatan Akademik Dosen berperan untuk menentukan lingkup tanggung jawab, wewenang, dan hak seorang dosen pada suatu universitas serta akan mempengaruhi mutu pengajaran dan akreditasi universitas. Maka capaian JAD dosen perlu di monitoring, dalam proses monitoring SDM FRI menghadapi kendala karena proses tersebut dilakukan dengan menggunakan excel, data mentah, ditampikan dalam bentuk tabel yang kompleks dan belum didukung dengan visualisasi. Dekanat FRI dalam melihat capain dosen, harus menunggu adanya pelaporan dari pihak SDM FRI. Jumlah dosen yang banyak dan tersebar dibeberapa kampus cabang dan utama Universitas Telkom juga menjadi masalah, sehingga banyak sekali aspek yang harus diperharikan. Untuk mengatasi permasalahan, penelitian ini bertujuan untuk merancang Sistem Informasi Dashboard yang dapat memfasilitasi proses monitoring melalui visualisasi data menggunakan metode Business Intelligence Roadmap dan dibangun menggunakan framework Laravel. Fitur utama yang dikembangkan mencakup proses pengaturan hak akses, dashboard dengan berbagai chart yang relevan dengan JAD, filter data, dan pengelolaan data dosen. Hasil evaluasi yang dilakukan menggunakan User Acceptance Testing menunjukkan bahwa penelitian ini berhasil membantu pengguna dalam proses monitoring capaian JAD dengan visualisasi data. Kata kunci— Business Intelligence Roadmap, Dashboard, Jabatan Akademik Dosen, Monitoring, Sistem Informasi
Perancangan Sistem Informasi Dashboard KegiatanTridharma dan Penunjang Menggunakan Metode Business Intelligence Roadmap Studi Kasus Fakultas Rekayasa Industri Nabila Ramadhania; Irfan Darmawan; Oktariani Nurul Pratiwi
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Universitas Telkom menetapkan visi menjadi National Excellence Entrepreneurial University pada tahun 2028 dengan strategi Invest in People, yang diwujudkan melalui penguatan sumber daya manusia, yang mencakup aktivitas tridharma dan kegiatan penunjang dosen. Fakultas Rekayasa Industri memiliki peran strategis dalam mendukung visi tersebut dengan memastikan kontribusi tridharma dan penunjang dosen dapat dimonitor serta dievaluasi secara berkala. Namun, proses monitoring yang dilakukan masih bersifat manual menggunakan Excel dan data mentah dalam bentuk tabel kompleks tanpa dukungan visualisasi, serta bergantung pada pelaporan dari unit SDM. Jumlah dosen yang besar dan tersebar di beberapa kampus cabang turut memperumit proses evaluasi. Untuk menjawab permasalahan ini, penelitian ini merancang dan membangun sistem informasi dashboard berbasis website menggunakan metode Business Intelligence Roadmap. Sistem ini menyediakan form input aktivitas tridharma dan penunjang setiap triwulan dan menyajikan visualisasi dari semua KPI yang telah ditentukan. Evaluasi sistem dilakukan menggunakan User Acceptance Testing dengan melibatkan pengguna dalam sistem, yaitu SDM, Dekanat, dan Ketua Kelompok Keahlian. Hasil evaluasi menunjukkan bahwa sistem diterima dengan nilai indikator UAT tampilan sistem sebesar 93.33%, kualitas sistem sebesar 96.67%, fungsionalitas sistem sebesar 88.56% sehingga dinilai mampu mendukung proses monitoring pelaksanaan Tridharma dan penunjang dosen di Fakultas Rekayasa Industri. Kata kunci— business intelligence roadmap, sistem informasi dashboard, tridharma dan penunjang dosen, user acceptance testing, visualisasi data
Prediksi Ketersediaan Obat Penyakit Hipertensi Berbasis Data Historis Menggunakan Algoritma Long Short-Term Memory (LSTM) Reihaini Fikria Bunga Oktaviani; Oktariani Nurul Pratiwi; Alfian Akbar Gozali
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Manajemen ketersediaan obat merupakan aspek penting dalam menjamin pelayanan kesehatan yang optimal. Namun, sering terkendala oleh ketidakseimbangan stok obat yang menyebabkan kerugian finansial, risiko obat kadaluwarsa adanya ketidakpuasan pasien. Hal ini selaras dengan isu global terkait akses obat untuk penyakit kronis seperti Hipertensi. Penelitian ini bertujuan untuk mengembangkan model prediksi ketersediaan stok obat dengan pendekatan deep leaning, menggunakan algoritma Long Short-Term Memory (LSTM), guna meningkatkaan efektivitas pengelolaan persediaan obat di fasilitas kesehatan, khususnya untuk jenis-jenis obat yang sangat dibutuhkan. Penelitian ini menggunakan metodologi KDD (Knowledge Discovery in Database) dengan data transaksi obat historis dari Januari 2021 hinga Desember 2024 untuk diproses dan dimodelkan. Setelah itu, dari hasil pemodelan dilakukan evaluasi menggunakan metrik MAPE dan RMSE yang hasilnya menunjukkan kinerja bervariasi; model mampu memprediksi beberapa brand obat dengan akurasi yang baik sebanyak 5 brand (MAPE < 30%) dan menghadapi tantangan signifikan pada brand lain dengan error yang tinggi (MAPE > 50%). Meskipun demikian, model ini berpotensi meningkatkan efisiensi stok obat dan kepuasan pasien untuk obat-obatan yang terprediksi baik. Kata Kunci: Ketersediaan Obat, Prediksi, KDD, Deep Learning, LSTM, Hipertensi
Co-Authors Adnyana, I Gusti Ngurah Bagus Putra Agustiana, Nathifa Alfian Akbar Gozali Alyasyifa, Salma Andhika Ihsan Kamil Anindya Prameswari Putri Djakaria Anshari, Faishal Mufied Al Ariandi, Rama Asriana Asriana, Asriana Azka Chanda Milanesta Bagaskara, Kumara Ris Panji Cahyani, Pradita Chika Enggar Puspita Chrisdiyanti, Ivania Nonita Cynthia Ayu Prayuning Deden Witarsyah Djakaria, Anindya Prameswari Putri Eflin Trinova Limbong Fa'rifah, Riska Yanu Fa'rifah, Riska Yanua Faishal Mufied Al Anshar Fakhrurroja, Hanif Faqih Hamami Fazrin, Fadhilah Firzania, Heidea Yulia Gosal, Yose Thimothy Hadwirianto, Muhammad Raihan Hanid, Wihda Sifwi Hanif Fakhrurroja Herdian, Hafiizh Hilman Dwi Anggana Hwang, Jun-seok I B K Widiartha Ilham Perdana Iqbal Yulizar Mukti Irfan Darmawan Jesika Damayanti Doloksaribu Jessica Inas Rasendriya Josia Fortino Pakpahan Kardila, Yuni Kasparov, Michael Christensen Bonar Kurniawan, Muhammad Rayhan Mardika, Jody Muhaimin, Luthfi Ahmad Muhamad Insan Taufik Muhammad Naufal Fikri Muharman Lubis Mustada, Fitrina Annisa Nabila Ramadhania Nathifa Agustiana Nisa, Amarila Zahratun Novanza, Alvin Renaldy Nur Ichsan Utama Nuraliza, Hilda Orvalamarva Orvalamarva, Orvalamarva Pradita Cahyani Pramudia, Rudi Guna Pramuwidya, Shinta R. Rama Ahmad Waliyya Rachmadita Andreswari Reihaini Fikria Bunga Oktaviani Revanda Octavian Rukmana, Putri Utami Saleh Hasan Badjrie Salma, Farah Sherina Sutoyo, Edi Talisman, Bryan Ronald Taufiq Hamdani Yunan Yoon, Hyoen-yeong Yulio Ferdinand