Article Per Year (5 Year)
p-Index From 2021 - 2026
4.796
P-Index
This Author published in this journals
All Journal Dinamik Jurnal Teknologi Informasi dan Ilmu Komputer JOIN (Jurnal Online Informatika) Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat Technologia: Jurnal Ilmiah Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] International Journal of Advances in Data and Information Systems Madaniya Jurnal Teknik Informatika (JUTIF) Bulletin of Information Technology (BIT) Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Jurnal Teknik Indonesia Jurnal Pelita Pengabdian TECHNOMEDIA : Informatics and Computer Science Jurnal Ilmu Komputer dan Teknik Informatika
Antika Zahrotul Kamalia
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Transportation

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
Segmentasi Harga Pasar Properti Rumah menggunakan Algoritma K-Means berdasarkan Lokasi, Harga dan Luas Bangunan Suderajat, Agung; Kamalia, Antika Zahrotul; Afandi, Dedi
Dinamik Vol 30 No 2 (2025)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v30i2.10182

Abstract

Pasar properti rumah memiliki harga yang bervariasi tergantung lokasi dan spesifikasi bangunan. Penelitian ini melakukan segmentasi harga properti berdasarkan lokasi (latitude & longitude), harga, dan luas bangunan menggunakan algoritma K-Means Clustering. Dataset berisi 18.962 data properti dari wilayah Bandung dan sekitarnya. Data melalui tahap pembersihan, transformasi lokasi ke koordinat geografis, normalisasi, dan denormalisasi untuk memastikan kualitas analisis. Metode Elbow digunakan untuk menentukan jumlah cluster optimal dan menunjukkan nilai K = 3. Proses clustering menghasilkan tiga segmen: Cluster 0 (Affordable Housing) mencakup 7.751 properti dengan harga rendah dan bangunan kecil, Cluster 1 (Luxury Estate) sebanyak 2.402 properti dengan harga tinggi dan bangunan luas, serta Cluster 2 (Middle-Class Residences) terdiri dari 5.555 properti dengan karakteristik menengah. Visualisasi menggunakan peta interaktif berbasis Folium memperlihatkan distribusi spasial yang jelas, dengan konsentrasi tertinggi berada di pusat kota seperti Bandung dan Cimahi. Rata-rata harga di cluster 0 sekitar Rp900 juta, cluster 1 mencapai Rp4,9 miliar, dan cluster 2 sekitar Rp1,8 miliar. Penelitian ini menunjukkan bahwa K-Means efektif untuk segmentasi harga properti. Untuk hasil yang lebih komprehensif, disarankan agar penelitian lanjutan menambahkan variabel seperti aksesibilitas, fasilitas umum, dan kondisi bangunan.
Identifikasi Pola Tingkat Kesenjangan Ketuntasan Pendidikan Di Indonesia Dengan Menggunakan Metode K-Medoids Clustering Kamalia, Antika Zahrotul; Nawangsih, Ismasari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129219

Abstract

Pendidikan memiliki peran penting dalam pembangunan sosial dan ekonomi, namun masih ada kesenjangan ketuntasan pendidikan antar provinsi di Indonesia. Kesenjangan ini disebabkan oleh perbedaan akses fasilitas, kualitas pengajaran, dan kondisi ekonomi, yang mempengaruhi tingkat ketuntasan pendidikan. Penelitian ini menggunakan metode K-Medoids Clustering untuk mengelompokkan wilayah di Indonesia berdasarkan data ketuntasan pendidikan dari Badan Pusat Statistik Indonesia (BPS) 2018-2023 untuk sebagai pusat Cluster (medoids), dan dipilih karena keunggulannya dalam mengelompokkan data berdasarkan median, yang pada gilirannya membuatnya lebih tahan terhadap pengaruh data outlier. Temuan utama penelitian ini menunjukkan kesenjangan pendidikan tinggi yaitu berada di wilayah Indonesia bagian tengah dan timur yaitu seperti provinsi Nusa Tenggara Timur (NTT) dan provinsi Papua, menjadi refleksi nyata dari keterbatasan akses dan fasilitas pendidikan di wilayah tersebut. Rendahnya tingkat ketuntasan pendidikan pada jenjang SD, SMP, dan SMA turut berdampak pada minimnya angka partisipasi di pendidikan tinggi dan disparitas signifikan dalam ketuntasan pendidikan dengan kondisi seperti ini mencerminkan perlunya kebijakan berbasis data, peningkatan infrastruktur pendidikan, serta program dukungan untuk siswa dan guru guna memperbaiki kesenjangan pendidikan. Wilayah Indonesia bagian barat dengan ketuntasan pendidikan lebih tinggi, seperti Jawa, Sumatra, dan Bali, diharapkan dapat berbagi praktik terbaik untuk mendukung wilayah yang tertinggal.   Abstract Education plays a crucial role in social and economic development; however, there are still significant disparities in educational completion rates across provinces in Indonesia. These disparities are caused by differences in access to facilities, teaching quality, and economic conditions, which affect educational outcomes. This study uses the K-Medoids Clustering method to group regions in Indonesia based on educational attainment data from Statistics Indonesia (BPS) 2018-2023, using this data as the cluster centers (medoids). This method was chosen for its effectiveness in clustering data based on the median, making it more resilient to the influence of outlier data. The main findings of this study reveal significant educational disparities in central and eastern Indonesia, such as in East Nusa Tenggara (NTT) and Papua provinces, reflecting the limited access to and availability of educational facilities in these regions. Low completion rates at the elementary, junior high, and high school levels also affect participation in higher education and significant disparities in educational attainment. This underscores the need for data-driven policies, improved educational infrastructure, and support programs for students and teachers to address educational inequalities. Western regions of Indonesia with higher educational attainment, such as Java, Sumatra, and Bali, are expected to share best practices to support underdeveloped regions.
Sentiment Analysis about Large-Scale Social Restrictions in Social Media Twitter Using Algoritm K-Nearest Neighbor Romli, Ikhsan; Prameswari R, Shanti; Kamalia, Antika Zahrotul
JOIN (Jurnal Online Informatika) Vol 6 No 1 (2021)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v6i1.670

Abstract

Sentiment analysis is a data processing to recognize topics that people talk about and their sentiments toward the topics, one of which in this study is about large-scale social restrictions (PSBB). This study aims to classify negative and positive sentiments by applying the K-Nearest Neighbor algorithm to see the accuracy value of 3 types of distance calculation which are cosine similarity, euclidean, and manhattan distance for Indonesian language tweets about large-scale social restrictions (PSBB) from social media twitter. With the results obtained, the K-Nearest Neighbor accuracy by the Cosine Similarity distance 82% at k = 3, K-Nearest Neighbor by the Euclidean Distance with an accuracy of 81% at k = 11 and K-Nearest Neighbor by Manhattan Distance with an accuracy 80% at k = 5, 7, 9, 11, and 13. So, in this study the K-Nearest Neighbor algorithm with the Cosine Similarity Distance calculation gets the highest point.
Pemodelan Prediksi Harga Saham Emas ANTAM Menggunakan Gated Recurrent Unit dan Regresi Linear Berganda pada Time Series Kamalia, Antika Zahrotul; Wahyu Tri Utami; Arif Susilo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.185

Abstract

This study investigates the prediction of PT Aneka Tambang Tbk (ANTM) stock prices using time-series data by comparing two approaches: the Gated Recurrent Unit (GRU) model and multiple linear regression. The dataset consists of daily historical ANTM data collected from Yahoo Finance spanning 2014–2024, which was preprocessed (including cleaning/normalization) and split chronologically into training (70%) and testing (30%) sets to preserve realistic forecasting conditions. Model performance was assessed using R-squared (R²), Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE), supported by visual comparisons between actual and predicted values. The results indicate that the GRU model achieves superior predictive performance and better captures the dynamic and non-linear behavior of stock price movements compared to multiple linear regression. These findings suggest that GRU is more suitable for ANTM stock price forecasting in a time-series setting, while multiple linear regression remains useful as a simple and interpretable baseline model.
Hybrid Relevance and Sentiment Classification of Indonesian Gold Tweets Using Machine Learning for Market Risk Signal Extraction Kamalia, Antika Zahrotul; Indra, Indra; Wibowo, Arief; Riwurohi, Jan Everhard; Hassan, Shiza
International Journal of Advances in Data and Information Systems Vol. 7 No. 1 (2026): April 2026 - International Journal of Advances in Data and Information Systems
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/ijadis.v7i1.1517

Abstract

This study proposes a hybrid relevance–sentiment classification framework to analyze public opinion on physical Antam gold from Indonesian Twitter data and to support exploratory market-risk signal extraction. Tweets were collected during February–November 2025, after preprocessing and text-normalized deduplication, 1,271 unique tweets were retained. The approach combines weak supervision (rule-/lexicon-based silver labels) with TF-IDF-based machine learning in two stages: (1) relevance classification to separate tweets genuinely discussing physical Antam gold from non-relevant contexts (e.g., ANTM stock/capital-market discussions), and (2) two-class sentiment classification (positive vs negative) applied to relevance-filtered tweets. Random Forest achieved the strongest relevance performance (Accuracy = 0.984; macro-F1 = 0.943; 5-fold CV macro-F1 = 0.928 ± 0.033). For sentiment classification, performance was moderate and close across models; the most stable model under cross-validation (Logistic Regression/Naive Bayes) was used for downstream aggregation. Sentiment outputs were aggregated into a monthly sentiment index for descriptive comparison with gold prices; the observed association was weak, indicating that the index is better interpreted as a risk-perception proxy rather than a direct price predictor.
Klasifikasi Kondisi Pasar Harga Emas ANTAM Indonesia Menggunakan Algoritma Decision Tree Antika Zahrotul Kamalia; Choiriyatun Nisa Latansa; Zaenur Rozikin
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.800

Abstract

This study aims to classify Indonesian ANTAM gold market states using a Decision Tree model built on daily price data from 2010–2024. Market conditions are categorized into three classes: bullish, bearish, and sideways, based on forward returns with an adaptive quantile-based thresholding scheme. The feature set comprises multi-horizon rolling volatility indicators (e.g., std_5, std_10, std_20) and momentum measures (e.g., mom_5, mom_10, mom_20). A time-based split is applied, allocating 80% of observations for training and 20% for testing. Evaluation on the test set yields an accuracy of 0.337 with a macro-F1 of approximately 0.34, indicating limited predictive performance in a three-class setting. Interpretability analysis reveals that std_20 is the most influential feature, followed by std_10 and mom_5, while one-day returns contribute marginally. These findings suggest that aggregated volatility and momentum patterns are more informative than single-day fluctuations for market regime mapping. Overall, the Decision Tree is best positioned as an interpretable baseline for transparent market-state analysis, providing a foundation for future work involving richer features and more robust models.
Perancangan Sistem Aplikasi Agro Connect sebagai Media Penjualan Hasil Pertanian Ghufron Malik; Kholid Wahyudi; Abdul Gofar; Febri Tri Arie Sakti; Moh Restu Nur Rizky; Antika Zahrotul Kamalia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 2 (2026): Juli 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i2.93

Abstract

Sektor pertanian memiliki peran strategis dalam penyediaan kebutuhan pangan, namun masih menghadapi permasalahan dalam proses pemasaran hasil pertanian, terutama terkait panjangnya rantai distribusi dan keterbatasan akses pasar bagi petani. Kondisi tersebut menyebabkan rendahnya harga jual di tingkat petani serta kurangnya transparansi informasi harga. Perkembangan teknologi informasi memberikan peluang untuk merancang sistem digital yang dapat mendukung proses penjualan hasil pertanian secara lebih efisien dan terintegrasi. Penelitian ini bertujuan untuk merancang sistem aplikasi Agro Connect sebagai media penjualan hasil pertanian berbasis digital yang menghubungkan petani dan pembeli secara langsung. Metodologi penelitian yang digunakan meliputi tahapan analisis kebutuhan sistem, perancangan sistem, serta implementasi prototipe aplikasi. Sistem yang dirancang mencakup fitur pengelolaan data produk pertanian, proses pemesanan, serta penyajian informasi produk yang dapat diakses secara real-time. Hasil dari penelitian ini berupa rancangan dan implementasi awal aplikasi Agro Connect yang diharapkan dapat mendukung proses transaksi penjualan hasil pertanian secara lebih efektif dan transparan. Penelitian ini tidak bertujuan untuk mengukur dampak ekonomi secara langsung, melainkan berfokus pada perancangan sistem aplikasi sebagai solusi berbasis teknologi informasi untuk mendukung pemasaran hasil pertanian. Dengan adanya aplikasi ini, diharapkan dapat menjadi alternatif media digital yang membantu meningkatkan efisiensi distribusi dan akses pasar bagi petani.
Perancangan dan Analisis Model Marketplace Digital Produk Segar Berbasis E-Business dengan Integrasi UI/UX: Studi Kasus TaniFresh Arie Miftah Budiman; Fadilah Adeliani Putri; Nova Restina Maharani; Ridwan Ahri; Antika Zahrotul Kamalia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 2 (2026): Juli 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i2.95

Abstract

 Perkembangan e-business membuka peluang baru dalam sektor pertanian, khususnya dalam pemasaran produk segar melalui platform digital. Namun, masih terdapat tantangan dalam penerapan marketplace pertanian yang mampu mengintegrasikan model bisnis dan pengalaman pengguna secara efektif. Penelitian ini bertujuan untuk menganalisis perancangan model marketplace digital produk segar berbasis e-business dengan integrasi UI/UX pada aplikasi TaniFresh. Pendekatan penelitian yang digunakan adalah kualitatif dengan metode deskriptif analitis melalui studi kasus. Data diperoleh melalui pengamatan terhadap rancangan aplikasi serta studi literatur terkait e-business, marketplace digital, dan UI/UX. Hasil penelitian menunjukkan bahwa TaniFresh dirancang dengan model marketplace Business to Consumer yang berperan sebagai fasilitator antara pelaku UMKM pertanian dan konsumen. Integrasi UI/UX dalam aplikasi mendukung alur bisnis yang sederhana dan mudah dipahami, sehingga membantu meningkatkan kenyamanan dan potensi adopsi pengguna. Penelitian ini menyimpulkan bahwa pengembangan marketplace digital produk segar yang berfokus pada keselarasan antara model bisnis dan pengalaman pengguna dapat menjadi solusi ebusiness yang aplikatif di sektor pertanian. Hasil penelitian diharapkan dapat menjadi referensi bagi pengembanganmarketplace pertanian berbasis digital serta kajian akademik di bidang bisnis elektronik. 
Perancangan UI/UX Aplikasi Tanitrace Berbasis Qr Code Untuk Transparansi Produk Pertanian Muhammad Rizky; Ali Purnama Alam; Riko Adrian Maulana; Antika Zahrotul Kamalia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 2 (2026): Juli 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i2.96

Abstract

Perkembangan bisnis elektronik mendorong pemanfaatan aplikasi layanan digital pada berbagai sektor, termasuk pertanian. Namun, rendahnya transparansi informasi mengenai asal-usul produk pertanian masih menjadi permasalahan yang berdampak pada tingkat kepercayaan konsumen. Selain itu, keberhasilan aplikasi digital tidak hanya ditentukan oleh fungsionalitas, tetapi juga oleh kualitas desain antarmuka dan pengalaman pengguna. Penelitian ini bertujuan untuk merancang UI/UX aplikasi TaniTrace berbasis QR Code sebagai solusi digital untuk mendukung transparansi produk pertanian sekaligus meningkatkan pengalaman pengguna. Metode yang digunakan adalah pendekatan deskriptif kualitatif dengan tahapan riset kebutuhan pengguna, perancangan wireframe, pembuatan prototipe, dan pengujian desain. Subjek penelitian melibatkan petani sebagai pengelola data produk dan konsumen sebagai pengguna akhir. Hasil penelitian berupa prototipe UI/UX aplikasi TaniTrace yang menempatkan fitur pemindaian QR Code sebagai akses utama informasi produk, didukung oleh dashboard petani dan tampilan detail produk yang informatif. Hasil pengujian terbatas menunjukkan bahwa desain antarmuka yang sederhana, navigasi yang jelas, serta penyajian informasi yang terstruktur membantu pengguna dalam memahami asal-usul produk dengan lebih mudah dan meningkatkan kenyamanan penggunaan aplikasi. Dengan demikian, perancangan UI/UX TaniTrace berpotensi mendukung transparansi rantai pasok produk pertanian serta memperkuat peran aplikasi bisnis elektronik dalam sektor pertanian.
Clustering Berbasis K-Means dan Pca untuk Segmentasi Spasial Universitas Global Menggunakan Metrik The Kamalia, Antika Zahrotul; Herlianto, Hemdani Rahendra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 3: Juni 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026133

Abstract

Penelitian ini melakukan segmentasi universitas dunia berdasarkan metrik Times Higher Education World University Rankings (THE WUR) menggunakan K-Means clustering. Dataset hasil web scraping terdiri dari 2.672 entri, dan setelah penanganan ketidaklengkapan data diperoleh 1.907 universitas untuk analisis. Segmentasi dilakukan menggunakan indikator Research, Citations, Industry Income, International Outlook, serta rank, dengan seluruh fitur numerik distandardisasi menggunakan z-score (StandardScaler). Jumlah cluster optimal ditentukan melalui Elbow method dan Silhouette score, sementara kualitas segmentasi divalidasi menggunakan Davies–Bouldin Index(DBI) dan Calinski–Harabasz Index(CHI). Untuk interpretasi, digunakan Principal Component Analysis (PCA) sebagai reduksi dimensi visualisasi dan pemetaan spasial distribusi cluster. Hasil menunjukkan terbentuknya empat cluster dengan profil kinerja yang berbeda, mulai dari universitas riset kelas dunia hingga institusi berkembang yang berorientasi lokal/regional, serta variasi komposisi cluster antar benua yang mendukung kebutuhan peer-based benchmarking dan strategi peningkatan mutu berbasis data.   Abstract This study segmented Global Universities based on the Times Higher Education World University Rankings (THE WUR) metrics using K-Means clustering. The web scraping dataset consisted of 2,672 entries, and after handling incomplete data, 1,907 Universities were obtained for analysis. Segmentation was performed using indicators such as Research, Citations, Industry Income, International Outlook, and rank, with all numeric features standardized using a z-score (StandardScaler). The optimal number of clusters was determined using the Elbow and Silhouette methods, while segmentation quality was validated using the Davies–Bouldin and Calinski–Harabasz Indices. Principal Component Analysis (PCA) was used for interpretation to visualize dimensionality reduction and map spatial distribution clusters. The results show the formation of four clusters with different performance profiles, ranging from World-Class Research Universities to developing institutions with local/regional orientations, and variations in cluster composition across continents, supporting the need for peer-based benchmarking and data-driven quality improvement strategies.
Co-Authors Abdul Gofar Adam Wira Hadi Kusuma Adi Rusdi Widya Agung Nugroho Agus Suwarno Ahmad Amrullahalhafizh Ahmad Turmudi Zy Ali Purnama Alam Amali Amali Ananto Tri Sasongko Andi Al Zaroni Andriani Arie Miftah Budiman Arief Wibowo Arif Rahman Hakim Arif Susilo Asep Arwan Sulaeman Aswan Supriyadi Sunge Caswita Caswita Choiriyatun Nisa Latansa Dedi Afandi Deni Mahdiana Dwi Indra Prasetyo Edy Widodo Elvan Aan Pradana Fadilah Adeliani Putri Febri Tri Arie Sakti Ghufron Malik Hassan, Shiza Hemdani Rahendra Herlianto Ikhsan Romli Indra Indra Juwita, Ayu Ratna Khalis Sofi Kholid Wahyudi Komara Mahesa Rezky Ramadhan Miftah Wangsadanureja Moh Restu Nur Rizky Muhammad Rizky Nawangsih, Ismasari Nova Restina Maharani Noval Adi Iryanto Noval Adi Iryanto Nur Alyah Agustin Nurhadi Surojudin Nursinta Afrianti Pahmi Bagja Prameswari R, Shanti Qoriah Ar Raudhatul Hasanah Rahendra Herlianto, Hemdani Rangga Purnama Riady, Sasmitoh Rahmad Ridwan Ahri Rijal Akmaludin Rijal Akmaludin Riko Adrian Maulana Rizki Fahrizal Rozikin, Zaenur Ruwirohi, Jan Everhard Setiyadi Wicaksono Sophian Andhika Sardi Suderajat, Agung Wahyu Tri Utami Wawan Andriyan Wiyarno Wiyarno Yefta Ondi Spalanzani Simatupang Zaenur Rozikin