Article Per Year (5 Year)
p-Index From 2020 - 2025
4.589
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding SNATIF Jurnal Teknologi Informasi dan Ilmu Komputer Infotech Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL ILMIAH MATEMATIKA DAN TERAPAN IKRA-ITH Informatika : Jurnal Komputer dan Informatika Jiko (Jurnal Informatika dan komputer) SEINASI-KESI METIK JURNAL Building of Informatics, Technology and Science Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan Technologia: Jurnal Ilmiah Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics JIKA (Jurnal Informatika) Informatics and Digital Expert (INDEX) International Journal of Global Operations Research Jurnal Ilmiah Wahana Pendidikan Journal La Multiapp Jurnal Locus Penelitian dan Pengabdian Jurnal Ilmu Komputer dan Teknologi (IKOMTI) Prosiding Seminar Riset Mahasiswa Enrichment: Journal of Multidisciplinary Research and Development Jurnal Informatika Polinema (JIP) Majority Science Journal Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Wina Witanti
Jurusan Teknik Informatika, Universitas Jenderal Ahmad Yani
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Locus Penelitian dan Pengabdian

 1 
Principal Component Analysis (PCA) Untuk Meningkatkan Hasil Klasterisasi Penjualan Video Game Menggunakan Algoritma K-Means Nurputra, Windi Raihan; Witanti, Wina; Komarudin, Agus
Jurnal Locus Penelitian dan Pengabdian Vol. 4 No. 8 (2025): JURNAL LOCUS: Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v4i8.4151

Abstract

Perkembangan industri video game yang pesat menciptakan tantangan dalam menganalisis dan memahami pola penjualannya secara global. Penelitian ini bertujuan untuk menerapkan metode Principal Component Analysis (PCA) sebagai tahap pra-pemrosesan untuk mereduksi dimensi data sebelum dilakukan proses klasterisasi menggunakan algoritma K-Means. Dataset yang digunakan berasal dari situs Kaggle dengan jumlah data sebanyak 64.000 entri dan 11 atribut penjualan. Proses dimulai dari tahap preprocessing data, kemudian dilakukan PCA untuk menyederhanakan dimensi, dan selanjutnya data diklasterkan menggunakan K-Means. Evaluasi dilakukan dengan metode Silhouette Coefficient untuk mengetahui seberapa baik klaster yang terbentuk. Hasil dari penelitian menunjukkan bahwa kombinasi PCA dan K-Means mampu mengelompokkan data penjualan video game secara lebih efisien dan terstruktur, serta memberikan visualisasi yang membantu dalam pengambilan keputusan strategis. Penelitian ini juga dikembangkan dalam bentuk aplikasi desktop berbasis Python dengan antarmuka grafis untuk memudahkan pengguna dalam melakukan proses klasterisasi secara interaktif.
Klasterisasi Data Penjualan Toko Perak J-Maskus Mengguanakan Algoritma HDBSCAN Rusmana, Hendri Diana; Witanti, Wina; Abdillah, Gunawan
Jurnal Locus Penelitian dan Pengabdian Vol. 4 No. 8 (2025): JURNAL LOCUS: Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v4i7.4162

Abstract

Di era digital, analisis data penjualan menjadi kunci pengambilan keputusan bisnis. Toko Perak J-Maskus menghadapi tantangan dalam mengelola stok akibat ketidakseimbangan persediaan dan permintaan. Penelitian ini mengelompokkan produk berdasarkan pola penjualan menggunakan algoritma HDBSCAN, yang dipilih karena kemampuannya mengidentifikasi cluster dengan kepadatan bervariasi dan mendeteksi outlier. Dataset terdiri dari 5.765 transaksi (2022–2024) dengan atribut produk dan jumlah terjual. Hasil eksperimen menunjukkan parameter optimal min_samples=5 dan min_cluster_size=5 dengan silhouette score 0.6507 (struktur menengah), menghasilkan 206 cluster. Visualisasi t-SNE mengonfirmasi distribusi cluster yang terpisah jelas. Temuan ini dapat digunakan untuk strategi manajemen stok, seperti identifikasi produk laris dan pengurangan overstock.
Prediksi Tingkat Keparahan Diabetes Melitus Menggunakan Support Vector Machine (SVM) dengan Kernel Polinomial dan RBF Pradana, Muhammad Rifqi; Witanti, Wina; Komarudin, Agus
Jurnal Locus Penelitian dan Pengabdian Vol. 4 No. 8 (2025): JURNAL LOCUS: Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v4i8.4357

Abstract

Diabetes melitus merupakan penyakit kronis dengan prevalensi tinggi yang memerlukan diagnosis dini dan penanganan yang akurat guna memitigasi risiko komplikasi serius. Penelitian ini berfokus pada pengembangan model prediktif untuk menentukan tingkat keparahan diabetes melitus, mengimplementasikan algoritma Support Vector Machine (SVM) dengan membandingkan kinerja fungsi kernel Polinomial dan Radial Basis Function (RBF). Dataset yang dimanfaatkan terdiri dari 100.000 entri data pasien, yang dikategorikan ke dalam dua kelas tingkat keparahan penyakit. Sebelum memasuki fase klasifikasi, serangkaian tahap pra-pemrosesan data diterapkan, termasuk penanganan outlier, untuk memastikan kualitas data dan meningkatkan robustnya model. Metodologi penelitian mencakup studi literatur mendalam, implementasi proses klasifikasi, serta pengujian sistem menggunakan pendekatan black box testing untuk memvalidasi fungsionalitas dan akurasi. Hasil eksperimen secara konsisten menunjukkan bahwa SVM dengan kernel RBF memberikan performa superior dibandingkan dengan SVM yang menggunakan kernel Polinomial, tercermin dari tingkat akurasi klasifikasi yang lebih tinggi secara signifikan. Oleh karena itu, sistem klasifikasi berbasis SVM yang dikembangkan ini berpotensi besar untuk mendukung diagnosis awal dan penentuan otomatis tingkat keparahan diabetes melitus dengan tingkat keakuratan yang kredibel. Kontribusi penelitian ini diharapkan dapat menjadi referensi berharga bagi pengembangan lebih lanjut sistem pendukung keputusan klinis dalam domain kesehatan, khususnya terkait manajemen diabetes.
Co-Authors Abiyoga, Arji Adzani, Nadhif Nurul Fajri Afifah, Hira Nur Alfarizi, Muhammad Bayu Ardi Andhika, Firza Rafiandi Aranda, Sepri Arianto, Ilham Gumeraruloh Asendra, Irfan Ashaury, Herdi Asrul Atamimi, Fadel Muhamad Hafid Budiman, Zillan Taufiq Dewi, Wulan Dian Nursantika Edvin Ramadhan Eka Purnama Rijaludin, Muhamad Fahrezi, Rizal Febrian Faiza Renaldi, Faiza Fauzan, Ariq Firdaus, Syahrul Ghozali, Mohamad Aditya Muttaqin Gunawan Abdillah, Gunawan Hadiana, Asep Id Hardianto, Mohamad Aris Hasbia, Muhamad Kania Ningsih, Ade Kasyidi, Fatan Kiki Hidayat, Kiki Komarudin, Agus Komarudin, Agus Liesdiannisa, Mutiara Virgi Lusy Sundary, Lusy Mandala, Muhamad Bintang Maulina, Ninda Melina Melina, M Nabilah, Mitamufida Kusuma Nabilah, Mitamufida Kusuma Nugraha, Faisal Okta Nugraha, Faisal Okta Nurhakim, Riri Qorib Nurhasanah, Wulandari Nurputra, Windi Raihan Nurul Sabrina, Puspita Pinasty, Syarifudin Yoga Pradana, Muhammad Rifqi Prasetyo, Nur Faid Pratiwi, Siska Hutami Putra, Eddie Krishna Putri, Ika Rahmah Rakhmat Umbara, Fajri Ridwan Ilyas Rusmana, Hendri Diana Saputri, Intan Vidia Syarafina, Fildzah Tacbir Hendro Pudjiantoro Trianggara, Dhani Umbara, Fajri Rakhmat Wahidin, Farhan Raihan Wahyudiputra, Helmy Fauzan