Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI EXPLORE
Cut Maisyarah Karyati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN PRODUK (Studi kasus Toko Kanaya Rooftop Garden) Tri Mukti Wibowo; Cut Maisyarah Karyati
Jurnal Explore Vol 11, No 2 (2021): JULI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1622.012 KB) | DOI: 10.35200/explore.v11i2.488

Abstract

Toko Kanaya Rooftop Garden merupakan sebuah usaha milik perseorangan yang menyediakan segala kebutuhan hewan seperti makanan, vitamin, obat-obatan dan perlengkapan lainnya khususnya untuk hewan kucing dan kelinci. Seiring dengan bertambah banyaknya data transaksi penjualan produk dari waktu ke waktu maka akan sangat disayangkan jika data tersebut hanya dijadikan sebagai arsip semata dan dibiarkan begitu saja, padahal bisa saja data-data tersebut dianalisis dan diolah sehingga akan menghasilkan informasi yang sangat berharga yang dapat berguna untuk mendukung keputusan atau membantu dalam menentukan strategi pemasaran. Pada penelitian kali ini, peneliti menganalisa data transaksi penjualan dengan mengimplementasikan algoritma Apriori dan menggunakan software Tanagra sebagai aplikasi pendukung. Data yang dipakai adalah data transaksi penjualan toko Kanaya Rooftop Garden periode 3 bulan, yakni bulan April, Mei, dan Juni 2021 yang nantinya data-data tersebut akan dianalisis sehingga menghasilkan pola suatu kombinasi item. Hasil dari analisa data transaksi menggunakan algoritma apriori berupa kombinasi item atau itemset dengan nilai assosiasi berupa nilai support dan confidence. Dengan adanya hasil dari penelitian ini, yaitu yang berupa asosiasi rule maka dapat diketahui keterkaitan antar produk atau item sehingga berguna untuk membantu owner mengambil keputusan dalam menentukan strategi pemasaran. Kata Kunci: data mining, algoritma apriori, support, confidence
Analisis Kualitas Website Kompasiana.com dan Pengaruhnya Terhadap Kepuasan Pengguna Menggunakan Metode Webqual 4.0 dan Importance Performance Analysis (IPA) Mustikarani, Krisna; Cut Maisyarah Karyati
Jurnal Ilmiah Komputasi Vol. 23 No. 1 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 1, Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.1.3506

Abstract

Kompasiana.com adalah user generated content platform yang memberikan fasilitas kepada pengguna untuk membuat konten dalam berbagai format seperti tulisan artikel, foto, dan video. Kompasiana.com menjadi salah satu platform blogging dan media sosial populer di Indonesia. Kompasiana.com memiliki lebih dari 4 juta anggota dan 2,5 juta artikel yang telah ditayangkan. Perlu dilakukan evaluasi berdasarkan persepsi pengguna untuk mengetahui kualitas website menggunakan metode WebQual 4.0 yang berfokus pada Kualitas Kegunaan (Usability Quality), Kualitas Informasi (Information Quality), dan Kualitas Layanan Interaksi (Service Interaction Quality) sebagai variabel bebas. Penelitian juga dilakukan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat yaitu kepuasan pengguna (User Satisfication). Metode Importance Performance Analysis (IPA) digunakan untuk mengetahui prioritas perbaikan yang perlu dilakukan pada website. Hasil penelitian menunjukkan bahwa kualitas website positif, dilihat dari mayoritas penilaian sangat setuju untuk performance website, walaupun perlu perbaikan pada kualitas Informasi. Berdasarkan Uji T dan Uji F menunjukkan terdapat pengaruh variabel bebas terhadap variabel terikat secara simultan dengan koefisien determinasi 75%. Perbaikan yang perlu diprioritaskan pada website adalah website dapat menyediakan informasi yang dapat dipercaya.
Komparasi Algoritma K-Means Dan K-Medoids Untuk Klasterisasi Data Mining Perjalanan Wisatawan Nusantara Terhadap Jumlah Penduduk Hesti, Liza; Cut Maisyarah Karyati
Jurnal Ilmiah Komputasi Vol. 23 No. 4 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 4, Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.4.3681

Abstract

Indonesia memiliki jumlah penduduk yang sangat besar mencapai lebih dari 278 juta jiwa. Populasi penduduk merupakan modal utama dalam pembangunan kepaiwisataan dan menjadi potensi besar dalam perjalanan wisatawan nusantara. Penelitian ini akan melakukan komparasi algoritma K-Means dan K-Medoid dalam pengelompokkan jumlah perjalanan wisatawan nusantara menurut provinsi asal serta korelasinya dengan jumlah penduduk Indonesia. Clustering akan dibagi kedalam 3 (tiga) cluster yaitu tinggi, sedang, rendah. Tool yang digunakan dalam penelitian ini adalah PostgreSQL, Rapidminer, Tableau. Komparasi algoritma dilihat dari performansi vector dan cluster model. Dari hasil komparasi tersebut menunjukkan pengelompokkan 3 provinisi yang memiliki jumlah perjalanan paling tinggi adalah Jawa Tengah, Jawa Barat dan Jawa Timur. Nilai DBI menunjukkan K-Means lebih kecil dari K-Medoid yang berarti bahwa algoritma K-Means lebih baik dari pada algoritma K-Medoids. Hasil clustering divisualisasikan kedalam tableau untuk melihat korelasinya dengan jumlah penduduk. Dashboard tableau menunjukkan adanya korelasi positif antara jumlah penduduk suatu provinsi dengan jumlah perjalanan wisnus.
Co-Authors Hesti, Liza Mustikarani, Krisna Tri Mukti Wibowo