Article Per Year (5 Year)
p-Index From 2021 - 2026
3.734
P-Index
This Author published in this journals
All Journal Teknika Jurnal Nasional Komputasi dan Teknologi Informasi Syntax Idea jurnal syntax admiration Akrab Juara : Jurnal Ilmu-ilmu Sosial STUDI PELAKSANAAN SELFMEDICATION PADA PENDERITA DIARE BERDASARKAN TINGKAT PENGETAHUAN MASYARAKAT PESISIR KECAMATAN SOROPIA KABUPATEN KONAWE Abditeknika - Jurnal Pengabdian Kepada Masyarakat Jurnal Nasional Komputasi dan Teknologi Informasi
Nur Aini Setyawati
Universitas Bina Sarana Informatika
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Neuroscience Public Health Transportation

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Pengembangan Sistem  Informasi Aplikasi Pemesanan Refleksi Terapis Pijat Berbasis Android di Blora Suminten; Saridawati; Nur Aini Setyawati; Wahyu Indrarti; Eva Zuraidah
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 3 (2026): Juni, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/kw7crf61

Abstract

Abstrak - Kemajuan teknologi informasi memberikan pengaruh besar terhadap berbagai bidang usaha, termasuk layanan kesehatan dan relaksasi seperti pijat refleksi. Proses pemesanan layanan pijat refleksi yang masih dilakukan secara manual sering menimbulkan kendala, seperti kesalahan pencatatan, keterlambatan pelayanan, serta kesulitan pelanggan dalam melakukan pemesanan. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Pemesanan Layanan Pijat Refleksi berbasis Android dengan nama aplikasi “Refleksi Terapis”. Metode pengembangan sistem yang digunakan adalah metode Waterfall yang terdiri dari tahap analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Aplikasi ini menyediakan fitur registrasi pengguna, pemesanan layanan, pemilihan terapis, pembayaran, serta notifikasi jadwal layanan. Hasil penelitian menunjukkan bahwa aplikasi “Refleksi Terapis” mampu mempermudah pelanggan dalam melakukan pemesanan layanan pijat refleksi secara cepat, efektif, dan efisien. Selain itu, aplikasi ini membantu pengelola usaha dalam mengatur data pelanggan dan jadwal layanan secara lebih terstruktur. Kata Kunci: Sistem Informasi; Android; Pemesanan Online; Pijat Refleksi; Aplikasi; Abstract - Advances in information technology have a significant impact on various business sectors, including healthcare services and relaxation such as reflexology massage. The process of ordering reflexology massage services, which is still carried out manually, often causes obstacles, such as recording errors, service delays, and difficulties for customers in placing orders. This study aims to design and build an Android-based Reflexology Massage Service Ordering Information System with the application name "Refleksi Terapis". The system development method used is the Waterfall method, which consists of the stages of requirement analysis, system design, implementation, testing, and maintenance. This application provides features such as user registration, service ordering, therapist selection, payment, and service schedule notifications. The research results show that the "Refleksi Terapis" application is able to facilitate customers in placing reflexology massage service orders quickly and effectively. Keywords: Information Systems; Android; Online Ordering; Reflexology Massage; Application;
Implementasi Metode Neural Network dalam Prediksi Indeks Harga Saham Gabungan (IHSG) Tahun 2025 Agus Setiawan; Achmad Faridzqi; Egga Mafazza; Denny Meizar; Nur Aini Setyawati
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/2daf4609

Abstract

Abstrak - Indeks Harga Saham Gabungan (IHSG) merupakan indikator vital pasar modal Indonesia yang memiliki tingkat volatilitas tinggi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Neural Network untuk memprediksi harga penutupan IHSG dengan fokus khusus pada periode September 2025. Data yang digunakan adalah harga historis harian selama 30 tahun (Januari 1995 – 6 Oktober 2025). Pengolahan data dilakukan menggunakan Altair AI Studio dengan menerapkan teknik preprocessing berupa sorting, replace missing values, dan windowing. Berdasarkan hasil eksperimen, konfigurasi Window Size 6 (mingguan) terpilih sebagai parameter paling optimal. Validasi model dilakukan melalui metode Sliding Window Validation untuk menjamin stabilitas kronologis. Hasil penelitian menunjukkan performa yang luar biasa akurat dengan nilai Root Mean Squared Error (RMSE) sebesar 30.906 dan Mean Absolute Percentage Error (MAPE) global sebesar 1.17%. Secara spesifik, prediksi pada bulan September 2025 menghasilkan MAPE sebesar 0.98%. Hal ini mengindikasikan bahwa model Neural Network memiliki keandalan yang sangat tinggi dalam menangkap pola fluktuasi pasar dan dapat digunakan sebagai instrumen pendukung keputusan investasi yang efektif. Kata kunci : IHSG; Neural Network; Forecasting; Altair AI Studio; Window Size;   Abstract - The Indonesia Composite Index (IHSG) is a vital indicator of the Indonesian capital market characterized by high volatility. This study aims to implement the Neural Network algorithm to forecast the closing price of the IHSG, with a specific focus on the September 2025 period. The dataset consists of 30 years of daily historical prices (January 1995 – October 6th 2025). Data processing was performed using Altair AI Studio, applying preprocessing techniques such as sorting, missing value replacement, and windowing. Based on the experiments, a Window Size of 6 (weekly) was selected as the most optimal parameter. Model validation was conducted using the Sliding Window Validation method to ensure chronological stability. The results demonstrate exceptionally accurate performance, with a Root Mean Squared Error (RMSE) of 30.906 and a global Mean Absolute Percentage Error (MAPE) of 1.17%. Specifically, the forecast for September 2025 yielded a MAPE of 0.98%. This indicates that the Neural Network model has very high reliability in capturing market fluctuation patterns and can serve as an effective decision-support instrument for investment strategies. Keywords: IHSG; Neural Network; Forecasting; Altair AI Studio; Window Size;
Pengelompokan Produk Terlaris di Mikaylala Shop Menggunakan Metode Clustering dengan Algoritma K-Means Adityo Adham Firdaus; Fatih Rizki Saputra; Firly Romadhoni; Ikhsan Dwi Putra; Muhammad Alfarizi; Nur Aini Setyawati
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/34kcpa88

Abstract

Abstrak – Perkembangan teknologi informasi mendorong pelaku usaha untuk memanfaatkan data sebagai dasar pengambilan keputusan bisnis. Mikaylala Shop adalah toko yang bergerak di bidang penjualan perlengkapan akuarium dan ikan hias dengan beragam variasi produk, sehingga pemilik kesulitan mengidentifikasi produk terlaris secara manual. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan 341 produk berdasarkan data penjualan dari 25.319 transaksi yang diperoleh dari platform Shopee. Atribut yang digunakan adalah jumlah produk terjual (Qty Terjual) dan harga satuan (Harga), yang telah melalui tahap preprocessing berupa data cleaning, seleksi atribut, dan transformasi data. Penentuan jumlah cluster optimal menggunakan Davies-Bouldin Index (DBI) dengan menguji K=2, 3, dan 4, dan diperoleh nilai DBI terkecil pada K=3 sebesar 0,8876. Proses iterasi konvergen pada iterasi ke-4. Hasil clustering menghasilkan tiga kelompok: Cluster 1 (Terlaris/Tinggi) sebanyak 59 produk dengan volume penjualan tinggi dan harga rendah, Cluster 2 (Rendah) sebanyak 130 produk dengan volume rendah dan harga tinggi, serta Cluster 3 (Sedang) sebanyak 152 produk dengan karakteristik menengah. Implementasi juga dilakukan menggunakan RapidMiner Studio untuk memvalidasi hasil perhitungan manual. Hasil penelitian ini dapat dimanfaatkan Mikaylala Shop sebagai dasar strategi pengelolaan stok, penetapan promosi dan pengambilan keputusan bisnis yang lebih tepat. Kata kunci : Data Mining; Davies-Bouldin Index; K-Means Clustering; RapidMiner; Abstract – The development of information technology encourages business actors to utilize data as the basis for business decision-making. Mikaylala Shop is a store engaged in selling aquarium equipment and ornamental fish with a wide variety of products, making it difficult for owners to manually identify best-selling products. This study aims to apply the K-Means Clustering algorithm to group 341 products based on sales data from 25,319 transactions obtained from the Shopee platform. The attributes used are the quantity of products sold (Qty Sold) and unit price (Price), which have undergone preprocessing stages including data cleaning, attribute selection, and data transformation. The optimal number of clusters was determined using the Davies-Bouldin Index (DBI) by testing K=2, 3, and 4, resulting in the smallest DBI value of 0.8876 at K=3. The iteration process converged at the 4th iteration. The clustering results produced three groups: Cluster 1 (Best-Selling/High) with 59 products having high sales volume and low price, Cluster 2 (Low) with 130 products having low volume and high price, and Cluster 3 (Medium) with 152 products having intermediate characteristics. Implementation was also carried out using RapidMiner Studio to validate manual calculation results. The findings can be used by Mikaylala Shop as a basis for stock management strategies, promotional decisions, and more data-driven business decision-making. Keywords: Data Mining; Davies-Bouldin Index; K-Means Clustering; RapidMiner;
Implementasi Data Mining terhadap Pola Pembelian Skincare menggunakan Metode Algoritma Apriori Lolyta Erma; Rahmia Puji; Angelina Dexter; Lia Ruhlia; Nur Aini Setyawati
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/rtnt1383

Abstract

Abstrak - Penelitian ini bertujuan menerapkan algoritma Apriori untuk menemukan pola pembelian produk skincare. Masalah utamanya adalah data transaksi yang ada belum dimanfaatkan secara optimal untuk menyusun rekomendasi paket produk, mengatur stok, dan merancang strategi promosi. Data yang digunakan berupa 1024 transaksi sampel yang mencakup pembelian facial wash, toner, serum, moisturizer, sunscreen, micellar water, acne spot treatment, sheet mask, exfoliating toner, lip balm, eye cream, dan clay mask. Tahapan penelitian meliputi pembersihan data, pengkodean item, transformasi transaksi ke matriks biner, pembentukan frequent itemset, perhitungan support, confidence, dan lift ratio, serta interpretasi aturan asosiasi. Hasilnya menunjukkan bahwa kombinasi facial wash, toner, moisturizer, dan sunscreen jadi pola pembelian paling dominan. Aturan serum ke toner menghasilkan confidence 100% dengan support 41%, sementara aturan facial wash dan serum ke sunscreen menghasilkan confidence 100%, support 32%, dan lift ratio 1,54. Temuan ini bisa dijadikan dasar untuk rekomendasi bundling, pengaturan stok, dan promosi produk pelengkap. Kata kunci: Data Mining; Apriori; Skincare. Abstract - This study applied the Apriori algorithm to identify skincare purchasing patterns. The main problem was the limited use of transaction data for product bundle recommendations, inventory control, and promotional strategy. A total of 1024 sample transactions were used, representing purchases of facial wash, toner, serum, moisturizer, sunscreen, micellar water, acne spot treatment, sheet mask, exfoliating toner, lip balm, eye cream, and clay mask. The research process covered data cleaning, item coding, binary transaction transformation, frequent itemset generation, support, confidence, and lift ratio calculation, and association rule interpretation. Results showed that facial wash, toner, moisturizer, and sunscreen formed the most dominant purchasing pattern. The rule from serum to toner achieved 100% confidence with 41% support, while the rule from facial wash and serum to sunscreen achieved 100% confidence, 32% support, and a lift ratio of 1.54. These findings can support bundle recommendations, stock arrangement, and complementary product promotions. Keywords: Data Mining; Apriori; Skincare.
Co-Authors Achmad Faridzqi Adityo Adham Firdaus Agus Setiawan Angelina Dexter Arief Fadholi Denny Meizar Egga Mafazza Etika Sabariah Eva Zuraidah Fatih Rizki Saputra Firly Romadhoni Ika Rosalika Ikhsan Dwi Putra Indah Ananda Safitri Ita Dewi Sintawati Junaidi Junaidi Kusnawan, Engkus Lia Ruhlia Lolyta Erma Muhammad Alfarizi Muhammad Ari Faiz Abdillah Prayudhi, Risa Rahmia Puji Risa Prayudhi ROSALIKA, IKA Sarastyas Alsa Adrimuna Saridawati Suminten Suminten Suminten Wahyu Indrarti Wardatunnisa Wardatunnisa Wulandari, Azizah