Claim Missing Document
Check
Articles

Found 15 Documents
Search

Analisis Perilaku Konsumen Menggunakan Market Basket Analysis Pada Unit Usaha Koperasi As-Sakinah ‘Aisyiyah Jember Yanuarti, Rosita; Amiri, Yusril Izzi Arlisa
INFORMAL: Informatics Journal Vol 9 No 2 (2024): Informatics Journal (INFORMAL)
Publisher : Faculty of Computer Science, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/isj.v9i2.47926

Abstract

As an economic enterprise based on the interests and welfare of members, the business units that have been implemented by As-Sakinah Cooperative include providing and fulfilling the basic needs of members. Therefore, in 2012 As-Sakinah Cooperative established the Toko As-Sakinah business unit. This business unit aims to provide the basic needs of members, as well as the needs of Muhammadiyah, 'Aisyiyah and other organizations. Not only that, the As-Sakinah Cooperative business unit also acts as a place for marketing the products of the economic efforts of 'Aisyiyah members. The importance of consumer behavior analysis using market basket analysis on sales transactions of the As-Sakinah Store business unit is as a marketing strategy to increase sales transactions by looking at consumer behavior patterns towards the relationship between products based on purchase transactions made by members and other customers. In addition, the results of this market basket analysis can also be used for marketing strategies and data-based decision making. Market basket analysis or shopping basket analysis is an analysis of customer behavior in conducting buying and selling transaction activities. Shopping basket analysis produces findings of association or connection between one item and another, where these items are in one customer's basket. The results of this research indicate that with a minimum support value of 5% and a minimum confidence of 5% it produces 11 rules, where the pattern of associations between items found has a very high association tendency. The resulting association rules also show low variation, this is influenced by the small variation of transactions made by customers. From the rules generated, it can be seen that not many product combinations are obtained, this is because most of the sales transactions consist of only one product purchased by customers. So that the effectiveness of the application of market basket analysis in this cooperative is not optimal
Pengenalan Sounding Book untuk Menarik Minat Belajar Anak Usia Dini Habibatul Azizah Al Faruq; Rosita Yanuarti
ABDIMASTEK Vol. 1 No. 2 (2022): Desember
Publisher : Universitas Muhammadiyah Jember

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

Abstract

Di lingkungan Gebang Poreng yang terletak di wilayah Desa/Kelurahan Gebang, Kecamatan Patrang, Kabupaten Jember khususnya di daerah sekitar salah satu pondok pesantren ternama di Jember terdapat banyak anak usia dini. Seperti yang khalayak umum tau, anak usia dini lebih suka bermain bersama teman-temannya. Bahkan dalam kegiatan edukasi seperti belajar, mereka pun akan lebih menyukai hal yang menarik dan menyenangkan. Oleh karena itu, sounding book dikenalkan agar mereka tertarik untuk belajar dengan cara dan media yang menyenangkan. Sounding book merupakan suatu buku dimana ini bukan buku biasa, namun merupakan buku yang mengikuti perkembangan zaman. Pada umumnya, buku bersifat pasif, dengan kata lain pembaca perlu membaca dengan sendiri atau dengan bantuan orang lain untuk menyuarakan tulisan/ gambar yang dimkasudkannya. Berbeda dengan sounding book yang hanya dengan sekali tekan akan memberikan contoh bagaimana nama benda tersebut diucapkan baik dalam Bahasa Indonesia maupun Bahasa Inggris. Hal ini sangat memudahkan mereka untuk belajar dengan hal baru yang dikemas lebih menarik. Kegiatan ini dilaksanakan dengan metode ekspositori, pendekatan personal dengan praktek terbimbing. Metode ekspositori (ceramah) yang dilakukan yaitu memberi penjelasan cara pemakaian sounding book, sedangkan pendekatan personal merupakan cara memberikan pengarahan secara individual yang dilakukan dengan membimbing baik perorangan ataupun kelompok.
Sistem Rekomendasi Produk Menggunakan Metode Item-Based Collaborative Filtering Hossain, Moch Minhas; Saifudin, Ilham; Yanuarti, Rosita
IPTEQ Vol 7, No 1 (2025): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v7i1.23637

Abstract

E-commerce telah menjadi salah satu sektor utama dalam transformasi digital, memungkinkan transaksi jual beli secara online dengan berbagai manfaat, seperti kemudahan akses, transparansi harga, dan efisiensi. Namun, perkembangan pesatnya menghadirkan tantangan, terutama dalam memberikan rekomendasi produk yang relevan kepada pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi berbasis Collaborative Filtering menggunakan pendekatan item-based. Algoritma yang digunakan meliputi Cosine Similarity untuk menghitung kemiripan antar-item, serta metode Weighted Sum untuk pembobotan. Untuk mengukur performa sistem, digunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Dataset yang digunakan terdiri dari 1000 data produk pakaian, seperti jaket, baju, dan celana jeans, dengan atribut utama mencakup rating, kategori, merek, dan ukuran, yang diperoleh dari Kaggle. Hasil penelitian ini diharapkan dapat menghasilkan sistem rekomendasi yang akurat, meningkatkan pengalaman pengguna, dan memberikan kontribusi positif terhadap platform e-commerce dalam meningkatkan tingkat konversi serta kepuasan pelanggan. Hasil pengujian MAE, nilai kesalahan prediksi cenderung stabil di sekitar angka 0.26. Hal ini menunjukkan bahwa sistem rekomendasi memiliki tingkat akurasi yang baik dalam memprediksi rating produk yang akan diberikan oleh pengguna. Pengujian RMSE menunjukkan hasil yang sedikit bervariasi. Nilai RMSE tertinggi terdapat pada sampel data dengan 5 data dengan 0,52, sedangkan nilai terendah terdapat pada sampel data dengan 3 data dengan 0,23.
Implementasi Cloud Computing Pada Prediksi Tingkat Kualitas Udara Berbasis Internet Of Things Rivangga, Satya; Yanuarti, Rosita; Nilogiri, Agung
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 9 No. 2 (2024): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v9i2.1574

Abstract

Jumlah unit kendaraan bermotor di Kabupaten Jember selalu terjadi peningkatan selama tahun 2018 hingga 2020 yang dapat membuat kualitas udara memburuk sehingga dapat mengganggu kesehatan masyarakat saat beraktivitas pada ruang publik terbuka. Permasalahan yang terjadi adalah Kabupaten Jember masih belum memiliki alat pemantau kualitas udara di tempat-tempat tersebut sehingga masyarakat tidak tahu kualitas udara saat di tempat tersebut. Penelitian ini bertujuan untuk membuat perangkat Internet of Things (IoT) yang dapat mengukur polutan udara (CO, PM10, PM2.5) lalu menampilkan kualitas udara berdasarkan perhitungan Indeks Standar Pencemar Udara (ISPU) pada ruang publik terbuka tersebut melalui panel P5 dan perangkat tersebut dapat terintegrasi dengan layanan cloud computing supaya data sensor dapat tersimpan dan diolah untuk menghasilkan prediksi nilai ISPU polutan udara. Auto Machine Learning (AutoML) memungkinkan pengembang membuat model Machine Learning tanpa perlu membuat kode program. Penelitian ini menggunakan Auto Machine Learning (AutoML) dari Vertex AI milik Google Cloud Platform untuk membuat model forecasting. Model forecasting digunakan untuk memprediksi nilai ISPU polutan udara pada pukul 07:00:00 – 07:30:00. Berdasarkan penelitian yang telah dilakukan yaitu pengujian model forecasting yang dilakukan sebanyak dua kali gagal memberikan output forecasting dengan menggunakan dataset polutan udara yang diambil pada 20 Desember 2023 pukul 06:00:00 - 08:00:00. Sedangkan pada implementasi sistem perangkat IoT dapat menghitung nilai ISPU dan kategori ISPU berdasarkan konsentrasi nilai polutan dan data tersebut dapat tersimpan di Google Cloud Storage serta data tersebut dapat di tampilkan di panel P5. Selain itu diperoleh informasi berdasarkan data polutan udara bahwa semakin bertambahnya waktu maka nilai polutan akan semakin berkurang.
Analisis Sentimen Terhadap Identitas Kependudukan Digital Menggunakan Algoritma Multinomial Naïve Bayes Putri, Alevia Mentari; Rosita Yanuarti; Moh Dasuki; Agus Milu Susetyo
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 10 No. 2 (2025): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v10i2.2777

Abstract

Inovasi baru dalam perkembangan teknologi kini pemerintah telah meluncurkan inovasi baru yaitu Identitas Kependudukan Digital berbasis digital melalui aplikasi yang dijadikan sebagai tujuan pemerintah dalam mengurangi cetak fisik KTP dan blangko sehingga lebih efisien dan mudah dalam mengakses identitas masyarakat dalam smartphone masing-masing dan digunakan untuk mengelola data identitas masyarakat. Aplikasi ini telah banyak menimbulkan pro dan kontra  dari masyarakat yang menilai sebuah aplikasi IKD ini dalam mendukung digitalisasi, sehingga tujuan dari penelitian ini diperlukan analisis sentimen untuk mengetahui penilaian serta ulasan masyarakat terhadap adanya IKD tersebut sehingga dapat dijadikan sebagai bahan evaluasi oleh pemerintah. Media sosial banyak yang digunakan dalam menyampaikan pendapat serta opini masyarakat tentag IKD ini terutama pada platform X atau Twitter, dengan pengambilan data dengan teknik crawling. Analisis pada platform X ini sangat penting karena menjadi sumber pengumpulan data yang cepat dan luas dari penyampaian masyarakat tentang IKD tersebut. Pendekatan penelitian ini menggunakan algoritma Multinomial Naive Bayes untuk mengklasifikasi analisis sentimen masyarakat. Dari hasil pengujian menggunakan K-Fold Cross Validation, didapatkan hasil tertinggi pada 10 Fold uji ke-8 dengan nilai akurasi tertinggi 95%, presisi 94% dan recall 100%, sehingga algoritma Multinomial Naive Bayes ini cocok untuk dijadikan sebagai metode analisis data.