Article Per Year (5 Year)
p-Index From 2021 - 2026
4.026
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Agri-Informatika Cyberspace: Jurnal Pendidikan Teknologi Informasi PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer Jurnal Ilmiah Media Sisfo Simtek : Jurnal Sistem Informasi dan Teknik Komputer Journal of Information System,Graphics, Hospitality and Technology JSR : Jaringan Sistem Informasi Robotik TIN: TERAPAN INFORMATIKA NUSANTARA Information System Journal (INFOS) Entalpi Pendidikan Kimia Djtechno: Jurnal Teknologi Informasi DECODE: Jurnal Pendidikan Teknologi Informasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Teknologi Sistem Informasi Jurnal Pustaka Aktiva : Pusat Akses Kajian Akuntansi, Manajemen, Investasi, dan Valuta TRANSPUBLIKA INTERNATIONAL RESEARCH IN EXACT SCIENCES (TIRES) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Jurnal Informatika: Jurnal Pengembangan IT SEWAGATI: Jurnal Pengabdian Kepada Masyarakat BATIK: Jurnal Pengembangan dan Pengabdian Masyarakat Multikultural Jurnal Indonesia : Manajemen Informatika dan Komunikasi Damhil: Jurnal Pengabdian kepada Masyarakat
Ulfa Khaira, Ulfa
Bogor Agricultural University
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
Penerapan K-Means Clustering untuk Pengelompokan Data Industri Kecil Menengah di Provinsi Jambi Ariansah, Bimo; Khaira, Ulfa; Abidin, Zainil
Jurnal Teknologi Sistem Informasi Vol 6 No 2 (2025): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v6i2.13553

Abstract

Industri Kecil dan Menengah (IKM) memiliki peran penting dalam perekonomian daerah, namun di Provinsi Jambi masih terdapat ketimpangan antarwilayah. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengelompokkan data IKM periode 2021–2023 berdasarkan nilai investasi, jumlah produksi, dan nilai produksi. Data diproses melalui pembersihan, normalisasi, serta deteksi outlier. Evaluasi menggunakan Elbow Method, Silhouette Coefficient, dan Davies-Bouldin Index menunjukkan bahwa dua cluster merupakan hasil optimal dengan Silhouette 0,70 dan DBI 0,47.Hasilnya terbentuk dua kelompok utama. Cluster 1 merepresentasikan IKM Belum Berkembang dengan investasi dan produksi rendah, dominan di Tanjung Jabung Barat, Bungo, dan Kerinci. Cluster 2 menunjukkan IKM Berkembang dengan investasi tinggi serta kontribusi ekonomi signifikan, ditunjukkan oleh Kota Jambi, Sarolangun, dan Merangin. Visualisasi peta interaktif dan barchart memperjelas distribusi spasial dan tren antar tahun.Penelitian ini menegaskan bahwa mayoritas IKM di Jambi masih tergolong belum berkembang. Oleh karena itu, diperlukan intervensi berupa peningkatan akses permodalan, pelatihan, dan penguatan infrastruktur agar sektor IKM dapat tumbuh lebih merata.
Klasifikasi Status Mahasiswa Berisiko Drop Out Menggunakan Decision Tree C5.0 dengan Seleksi Fitur: Classification of Student Drop Out Risk Using Decision Tree C5.0 with Feature Selection Hanis, Farisyah Lutfiah; Khaira, Ulfa; Arsa, Daniel
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2239

Abstract

Penelitian ini bertujuan untuk membandingkan performa algoritma Decision Tree C5.0 dengan dan tanpa seleksi fitur Mutual Information dalam klasifikasi mahasiswa berisiko drop out. Data yang digunakan mencakup mahasiswa S1 angkatan 2018–2023 dengan atribut performa akademik tiap semester serta aktivitas tugas akhir mahasiswa. Tahapan pengolahan data meliputi seleksi data, pembersihan, pelabelan, dan penanganan data tidak seimbang menggunakan Random Undersampling. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa pada mahasiswa angkatan 2022–2023, model tanpa seleksi fitur menghasilkan akurasi sebesar 87,14%, dan meningkat menjadi 88,57% setelah penerapan seleksi fitur. Sementara itu, pada mahasiswa angkatan 2018–2021, akurasi model tanpa seleksi fitur mencapai 93,04% dan meningkat menjadi 94,30% dengan penerapan seleksi fitur. Faktor dominan yang memengaruhi klasifikasi berbeda pada masing-masing kelompok, di mana jumlah absen menjadi indikator utama pada mahasiswa angkatan 2022–2023, sedangkan durasi pengerjaan tugas akhir lebih berpengaruh pada mahasiswa angkatan 2018–2021.
KOMPARASI ALGORITMA NAIVE BAYES DAN DECISION TREE PADA KLASIFIKASI PENERIMAAN PESERTA DIDIK BARU Aprilia, Kesi; Khaira, Ulfa; Ferdian Hutabarat, Benedika
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 2 (2025): Oktober 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i2.1694

Abstract

Penerimaan Peserta Didik Baru (PPDB) merupakan tahapan penting dalam menyeleksi calon peserta didik yang memenuhi kriteria lembaga pendidikan. Di Yayasan Sahabat Qur’an Al-Karim Jambi, peningkatan jumlah pendaftar tidak sebanding dengan kapasitas penerimaan, sehingga dibutuhkan proses seleksi yang lebih tepat dan objektif. Penelitian ini bertujuan untuk mengaplikasikan metode data mining dengan melakukan perbandingan antara algoritma Naïve Bayes dan Decision Tree CART untuk mengetahui algoritma yang paling efektif dalam klasifikasi penerimaan peserta didik baru. Proses penelitian mencakup tahap praproses data, pembagian dataset dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian, penerapan kedua algoritma, serta dilakukan evaluasi mengggunakan k-fold cross validation dan confusion matrix. Temuan penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa paling unggul dengan akurasi 98,77%, presisi 99,19%, recall 97,56%, dan f1-score 98,34%, sedangkan algoritma Naïve Bayes memperoleh akurasi 94,44%, presisi 96,54%, recall 89,02%, dan f1-score 92,04%.
Metode Agile Scrum pada Rancang Bangun Sistem Informasi Manajemen Pelatihan Pegawai Perusahaan Zahra, Salmah Nur; Khaira, Ulfa; Arsa, Daniel
Journal of Information System,Graphics, Hospitality and Technology Vol. 6 No. 2 (2024): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v6i2.403

Abstract

Dalam penelitian ini, metode Agile Scrum diterapkan untuk mengembangkan Sistem Informasi Manajemen Pelatihan Pegawai berbasis web di PT Kliring Berjangka Indonesia. Sebagai Badan Usaha Milik Negara yang bergerak di bidang kliring penjaminan dan penyelesaian transaksi berjangka, PT Kliring Berjangka Indonesia memiliki tanggung jawab besar dalam mengembangkan kompetensi pegawainya guna memberikan layanan yang berkualitas. Namun, pengelolaan pelatihan pegawai dengan berbagai divisi dan jenis kompetensi menjadi tantangan, terutama karena belum adanya sistem yang terpusat. Hal ini menghambat perencanaan, evaluasi pelatihan, serta rekapitulasi data untuk keperluan audit. Metode Agile Scrum dipilih karena mampu memfasilitasi interaksi intens antara product owner dan stakeholder, serta memberikan transparansi melalui sprint review dan retrospective. Metode ini juga memungkinkan fleksibilitas terhadap perubahan requirement, yang dalam penelitian ini menyebabkan penambahan sprint dari 5 menjadi 6. Sistem yang dikembangkan kemudian diuji menggunakan blackbox testing dan dievaluasi melalui User Acceptance Testing (UAT) oleh 12 calon pengguna. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik, sementara kuesioner UAT memperoleh nilai 80%, menandakan tingkat penerimaan yang baik dan kesuksesan sistem dalam mengatasi masalah yang dihadapi oleh staf SDM dan pegawai PT Kliring Berjangka Indonesia.
Implementasi Algoritma Dijkstra untuk Penentuan Rute Terpendek Menuju Fakultas Sains dan Teknologi Universitas Jambi Hidayah, Nurul; Khaira, Ulfa
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 5 No. 7 (2025): COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v5i7.3411

Abstract

Mobilitas antar lokasi di lingkungan kampus Universitas Jambi menuntut efisiensi waktu dan jarak tempuh yang optimal, terutama bagi mahasiswa Fakultas Sains dan Teknologi (FST) yang memiliki intensitas aktivitas tinggi. Penelitian ini bertujuan untuk menerapkan Algoritma Dijkstra dalam menentukan rute tercepat menuju Gedung Fakultas Sains dan Teknologi Universitas Jambi secara manual menggunakan data spasial lokal dan pengukuran berbasis Google Maps. Metode penelitian meliputi observasi lapangan, pemetaan titik simpul menggunakan skala 1:1000 cm (1 cm = 10 m), serta pemodelan graf berbobot yang mewakili jarak antar simpul. Algoritma Dijkstra digunakan untuk menghitung jalur minimum dari titik awal Gerbang Universitas Jambi menuju titik tujuan (Gedung FST). Validasi hasil dilakukan dengan membandingkan jarak hasil perhitungan terhadap estimasi dari Google Maps menggunakan Absolute Error (AE). Hasil penelitian menunjukkan bahwa jalur terpendek diperoleh melalui lintasan A ? B ? C ? E ? H ? I ? K ? O dengan total jarak 93 cm pada peta atau setara 930 meter jarak aktual. Perbandingan hasil perhitungan manual dengan estimasi Google Maps menghasilkan tingkat akurasi sebesar 92,4%, menunjukkan kesesuaian tinggi antara model manual dan sistem navigasi digital. Temuan ini membuktikan bahwa Algoritma Dijkstra efektif digunakan dalam pemetaan rute berbasis graf di lingkungan kampus, serta dapat dijadikan dasar pengembangan sistem navigasi kampus berbasis digital.
PERANCANGAN UI/UX DASHBOARD REPORTING PADA PORTAL HALAL.GO.ID MENGGUNAKAN METODE DESIGN THINKING Anugradia, Nabila; Arsa, Daniel; Khaira, Ulfa
CYBERSPACE: Jurnal Pendidikan Teknologi Informasi Vol 8 No 1 (2024)
Publisher : Universitas Islam Negeri Ar-Raniry Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22373/cj.v8i1.22948

Abstract

The research aims to design a UI/UX dashboard reporting system for the Halal.go.id Portal using the design thinking method. This method involves research stages: Empathize, Define, Ideate, Prototype, and Test. The research employs qualitative methods with observation, interview, and heuristic evaluation techniques. The results indicate that the designed reporting dashboard achieved a score of 358 and a percentage of 89.50% based on 10 heuristic evaluation instruments, falling under the "Very Good" category. This signifies that the reporting dashboard is highly suitable for implementation to improve the UI/UX aspects of the Halal.go.id Portal. This research contributes to the design of effective and efficient UI/UX dashboard reporting for users of the Halal.go.id Portal. The research findings are expected to contribute to enhancing the quality of information services related to halal products in Indonesia.
Komparasi Algoritma Naïve Bayes Dan Support Vector Machine (SVM) Pada Analisis Sentimen Kebijakan Kemdikbudristek Mengenai Kuota Internet Selama Covid-19 Khaira, Ulfa; Aryani, Reni; Hardian, Reza Wahyu
Jurnal PROCESSOR Vol 18 No 2 (2023): Jurnal Processor
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/processor.2023.18.2.897

Abstract

Sentiment analysis is an activity that is used to analyze public opinion about an incident such as the Ministry of Education and Culture's internet assistance quota during the Covid-19 pandemic through one of the Twitter social media. Twitter is a microblogging platform that is used to write an opinion or opinion about an event that can be used as a source of data used. The Naïve Bayes method and Support Vector Machine (SVM) are methods with a Machine Learning approach that can be used to perform sentiment analysis on Kemdikbudristek policies regarding MoEC Quotas in the process of classifying a tweet based on its emotional level and knowing the accuracy comparison between the Naïve Bayes method and the Support Vector Machine ( SVM). The results of the sentiment analysis process using the Naïve Bayes Algorithm and Support Vector Machine (SVM) based on public opinion, in this case Twitter users regarding the Ministry of Education and Culture Quota policies, resulted in a higher level of accuracy for the Support Vector Machine (SVM) than Naïve Bayes with an accuracy of 80%, for an average -the average precision value is 80.3%, recall is 80.3% and f1-score is 80.3%.
Komparasi Metode Naive Bayes dan K-Nearest Neighbors Terhadap Analisis Sentimen Pengguna Aplikasi Zenius Abdillah, Tegar; Khaira, Ulfa; Hutabarat, Benedika Ferdian
Jurnal PROCESSOR Vol 19 No 1 (2024): Jurnal Processor
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/processor.2024.19.1.1596

Abstract

The purpose of this research is to compare the performance of Naive Bayes and K-Nearest Neighbor (KNN) methods in analyzing user sentiment on the Zenius application. The evaluation is done by checking the precision, precision, recall, and F1-Score scores of both methods as well as visualizing the results of sentiment analysis with one of the methods used. The advantage of this research is a deeper understanding of how Naive Bayes and KNN techniques work in sentiment analysis in the context of the Zenius app. Furthermore, this research aims to evaluate the performance results of two techniques, Naive Bayes and KNN, in sentiment analysis. From the results of testing split data scenarios using Split Validation with training data and testing data 90:10. Naive Bayes accuracy reached 88.41%, while KNN reached 100%. In this study, KNN outperformed Naive Bayes in terms of precision, recall, and F1-Score values. The results of data visualization show that the direction of the sentiment generated tends to be positive. This study not only provides a deeper understanding of the performance of Naive Bayes and KNN techniques in sentiment analysis for the Zenius application, but also provides a comprehensive evaluation of their performance. This research is expected to serve as a guide for developing more effective sentiment analysis methods for similar applications in the future.
ANALISIS PENERIMAAN SISTEM INFORMASI LABORATORIUM (SILABOR) UNIVERSITAS JAMBI MENGGUNAKAN METODE TECHNOLOGY ACCEPTANCE MODEL (TAM) Simanjuntak, Ade Bonita; Aryani, Reni; Khaira, Ulfa
JSR : Jaringan Sistem Informasi Robotik Vol 8, No 1 (2024): JSR: Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v8i1.337

Abstract

Perkembangan ilmu pengetahuan saat ini telah menciptakan berbagai macam teknologi baru. Salah satu inovasi layanan digital adalah Sistem Informasi Laboratorium (SILABOR) Universitas Jambi. Sistem informasi laboratorium (SILABOR) Universitas Jambi digunakan untuk pengolaan pendayagunaan aset. Tujuan dari penelitian ini yaitu untuk mengetahui pengaruh persepsi kegunaan (Perceived Usefulness), persepsi kemudahan (perceived ease of use), sikap pengguna (attitude toward using), niat pengguna (Behavioral to use), terhadap penerimaan penggunaan sistem informasi laboratorium universitas jambi. Penelitian ini dilakukan dengan cara melakukan analisis sistem yaitu Penerimaan penggunaan yang mengarah kepada keberhasilan penerapan sistem informasi secara lebih efektif dengan menggunakan metode Technology Acceptance Model (TAM). Dan jenis penelitian yang digunakan yaitu dengan pendekatan penelitian kuantitatif. Adapun sampel yang digunakan pada penelitian ini berjumlah 61 responden. Penelitian ini menggunakan teknik analisis data Structural Equation Modeling Partial Square (SEM-PLS) yang mana teknik ini dapat menganalisis pola hubungan antara konstruk laten dan indikatornya, konstrak laten yang satu dengan lainnya dengan menggunakan software SmartPLS.
CLUSTERING WILAYAH DI INDONESIA BERDASARKAN KUALITAS PENDIDIKAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS Anwar, Gema Fitria; Khaira, Ulfa; Utomo, Pradita Eko Prasetyo
Information System Journal Vol. 8 No. 02 (2025): Information System Journal (INFOS) - In Process
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2025v8i02.2442

Abstract

Pendidikan merupakan kebutuhan mendasar yang berperan penting dalam membentuk kualitas sumber daya manusia serta menentukan masa depan bangsa. Hasil PISA (Program for International Student Assessment) 2018 menunjukkan kualitas pendidikan Indonesia masih memprihatinkan dengan peringkat 74 dan skor 1.146. Meskipun pada PISA 2022 posisi Indonesia meningkat lima peringkat, skor turun menjadi 1.108 dan tetap berada di bawah rata-rata negara peserta. Upaya peningkatan kualitas pendidikan salah satunya dapat dilakukan melalui pemerataan kualitas di setiap provinsi. Penelitian ini bertujuan untuk mengidentifikasi pengelompokan provinsi di Indonesia berdasarkan kualitas pendidikan menggunakan algoritma Fuzzy C-Means. Data yang digunakan mencakup enam indikator Pendidikan APK, APM, APS, AMH, RLS, dan HLS pada 34 provinsi selama periode 2022–2024 yang diperoleh dari Badan Pusat Statistik (BPS). Hasil analisis menunjukkan bahwa jumlah Cluster optimal setiap tahun adalah dua Cluster berdasarkan nilai Partition Coefficient Index, yaitu 0.8905128 (2022), 0.8822183 (2023), dan 0.8602231 (2024). Tahun 2022 dan 2023 menunjukkan pola pengelompokan yang konsisten dengan 15 provinsi pada Cluster 1 dan 19 provinsi pada Cluster 2. Pada tahun 2024 terjadi perubahan komposisi, di mana Cluster 1 berkurang menjadi 14 provinsi dan Cluster 2 meningkat menjadi 20 provinsi.  
Co-Authors Abdillah, Tegar Abidin, Zainil Ade Adriadi Al Falaqi, Maula Anugradia, Nabila Anwar, Gema Fitria Aprilia, Kesi Ariansah, Bimo Arsa, Daniel Aryani, Reni Benedika Ferdian Hutabarat EDI SAPUTRA Fikri, Akmal Hanis, Farisyah Lutfiah Hardian, Reza Wahyu Jaya, Asirman Lutvianita, Febby Mardhotillah, Bunga Maulana, Sabrian Mhd Hidayattullah Muhammad Razi A mutia fadhila putri, mutia fadhila Noverina, Yolla Nugraha, A. Prima Nurhadi, Miranda Sukma NURUL HIDAYAH Priyanto Priyanto Rahman, Reyvi Razi A, Muhammad Rizqa Raaiqa Bintana Saputra, Andre Ilham Saputra, M Ari Sarah, Dinda Fatimah Simanjuntak, Ade Bonita Sukma, Silvia Antana Syalom, Cahya Syamsyida Rozi Tri Suratno Utomo, Pradita Eko Prasetyo VERDI, MOHD RAFI Weni, Indra Yerimadesi Yerimadesi Yurinanda, Sherli Zahra, Salmah Nur