Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal IJTB | INTERNATIONAL JOURNAL OF TECHNOLOGY AND BUSINESS I-STATEMENT Jurnal Sistem Komputer & Kecerdasan Buatan Jurnal Sistem Informasi dan Manajemen Societal Serve: Journal of Community Engagement and Services
Erza Sofian, Erza
STIMIK ESQ
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Environmental Science Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Perbandingan Metode K-Nearest Neighbor dan Pohon Keputusan dalam Analisis Sentimen Data Ulasan Aplikasi Pinjaman Online Berizin OJK Di Google Play Firyal Laila Ramadhina, Alya; Sofian, Erza
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 7 No. 2 (2024): Volume VII - Nomor 2 - February 2024
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v7i1.543

Abstract

Abstrak— Penelitian ini bertujuan untuk membandingkan nilai akurasi dari dua model algoritma klasifikasi K-Nearest Neighbor dan Pohon Keputusandalam Data Ulasan Aplikasi Pinjaman Online Berizin OJK di Google Play yang mengandung nilai positif dan negatif dan membuktikan apakah semakin tinggi nilai akurasi model algoritma klasifikasi yang didapatkan menunjukan semakin baik model algoritma klasifikasi tersebut dalam melakukan analisis sentimen. Metodologi penelitian yang digunakan CRISP-DM. Model algoritma klasifikasi yang digunakan untuk perbandingan sentimen adalah K-Nearest Neighbor dan Pohon Keputusandengan menggunakan metode Cross Validation dan Confusion Matrix untuk pengujian model. Sampel dalam penelitian ini sebanyak 320 data ulasan pengguna dari beberapa aplikasi pinjaman online legal berizin OJK di Google Play pada kurun waktu 20 Januari 2023 sampai 31 Maret 2023. Hasil penelitian menunjukkan bahwa model algoritma K-Nearest Neighbor dengan memiliki tingkat akurasi yang lebih tinggi dengan tingkat akurasi sebesar 93.75% dan Pohon Keputusandengan tingkat akurasi sebesar 76,56% sehingga dihasilkan nilai akurasi K-Nearest Neighbor lebih baik daripada nilai akurasiPohon Keputusan dalam melakukan analisis sentimen. Kemudian hasil analisis sentimen terhadap data ulasan aplikasi pinjaman online berizin OJK di Google Play dengan jumlah sentimen negatif sebesar 63.7% dan sentimen positif sebesar 36.2%. Hasil penelitian ini diharapkan dapat membantu memberikan informasi terkait akurasi model algoritma klasifikasi yang baik dan mendapatkan hasil sentimen positif dan negatif dari beberapa layanan aplikasi Pinjaman online legal berizin OJK.
AHP TOPSIS METHOD FOR DECISION MAKING IN CHOOSING QUALITY SUNSCREEN PRODUCTS Sofian, Erza; Aprilianta, Kylix Rizky
JURSIMA Vol 12 No 2 (2025): Volume 12 Nomor 2 2025
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v13i1.1026

Abstract

The number of new Sunscreen products due to the importance of using Sunscreen with high quality and affordable prices, this will certainly make it difficult for users to make the right choice, according to the criteria they want. So, this research helps users determine the best Sunscreen products. This study combines 2 (two) methods, namely, AHP and TOPSIS without any comparison in both methods. Data were collected by means of observations, interviews, and questionnaire dissemination. The number of informants in the study was 10 (ten) people as experts in the field of facial care. There were 8 (eight) informants who gave similar answers. Then fill in the pairwise comparison form to the informant. Then, Calculations with Excel, and Super Decision Software. The results showed that the one with the highest priority on the criteria factor with AHP calculation was White Cast with a weight of 0.34. While the first alternative ranking with the calculation of the TOPSIS method is something with a value of 0.59, Madame Gie with a value of 0.52, Emina with a value of 0.36, and Wardah with a value of 0.07. For that something products can be recommended as quality Sunscreen. Keywords : Decision Support System, Sunscreen Selection, AHP, TOPSIS
KLASIFIKASI KINERJA KARYAWAN MENGGUNAKAN METODE KNN DAN RAMDOM FOREST PADA SEBUAH PERUSHAAN XYZ (STUDI KASUS) Suwarsono, Reggina Indriani Putri; Sofian, Erza
JURSIMA Vol 13 No 1 (2026): Volume 13 Nomor 1 2026
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v13i1.1311

Abstract

Penilaian kinerja karyawan yang dilakukan secara manual seringkali bersifat subjektif dan tidak efisien, sehingga berisiko menghasilkan keputusan yang tidak akurat. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menganalisis dan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Random Forest dalam mengklasifikasikan kinerja karyawan pada sebuah perusahaan otomotif di Indonesia. Menggunakan data internal perusahaan dari Januari 2022 hingga Desember 2024, penelitian ini menerapkan metodologi CRISP-DM, penanganan ketidakseimbangan kelas menggunakan kombinasi SMOTE dan Random Undersampling, serta optimasi model melalui hyperparameter tuning dengan GridSearchCV. Hasil evaluasi menunjukkan bahwa model Random Forest secara konsisten lebih unggul, mencapai akurasi tertinggi sebesar 99,42% setelah optimasi, melampaui akurasi model KNN yang mencapai 98,55%. Analisis feature importance juga mengidentifikasi bahwa skor-skor dari Key Performance Indicators (KPI), khususnya Skor 8, Skor 5, dan Skor 6, merupakan faktor prediktif yang paling signifikan. Berdasarkan hasil penelitian ini, disimpulkan bahwa Random Forest adalah model yang paling andal untuk studi kasus klasifikasi ini. Untuk penelitian selanjutnya disarankan agar memperluas cakupan data dengan melibatkan lebih banyak departemen atau industri yang berbeda, mengeksplorasi variabel tambahan seperti data partisipasi pelatihan atau faktor psikologis, serta menguji algoritma ensemble atau deep learning lain seperti XGBoost dan Artificial Neural Networks (ANN) untuk membandingkan performa dan mendapatkan wawasan yang lebih mendalam. Kata kunci: Klasifikasi, Kinerja Karyawan, Data Mining, K-Nearest Neighbor, Random Forest.
The Utilization of Surrounding Technology (Social Media & Business Applications) in Developing and Enhancing MSME Businesses Sofian, Erza; Ramdhan, Dadan; Ulul Fadilah, Annisa; Nurluthfia Azzahra, Cut; Hafizh Ariq Muhtarom, Muhammad; Hanif Al Muchlisin, Muhammad; Mirza Hidayat, Muhammad; Irzy Hafiz, Mohamad; Mardhatillah, Nurhidayah; Novinda Salsabila, Osfiera; Aris Muhamad Thohiri, Ade
SocietalServe: Journal of Community Engagement and Services Vol 1 No 2 (2024): Societal Serve: Journal of Community Engagement and Services
Publisher : Pusat Riset dan Inovasi Nasional Mabadi Iqtishad Al Islami

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70063/societalserve.v1i2.39

Abstract

This program aimed to enhance the digital marketing skills of MSME (Micro, Small, and Medium Enterprises) partners by addressing their limited knowledge of social media and digital content creation. Through a series of activities, including training on social media utilization, workshops on content creation using CapCut, and hands-on product photography sessions, participants gained practical skills to improve their marketing efforts. The training focused on teaching strategies for optimizing platforms like Instagram, creating engaging video content by adding audio, text, and auto-text features, and producing high-quality product photos to strengthen their promotional materials. By the end of the program, participants were able to create attractive and professional content, such as videos and images, which were successfully uploaded to Instagram. This initiative empowered MSME partners to leverage technology effectively, enhancing their online presence and competitiveness while fostering innovation in their marketing strategies.
Co-Authors Angga Permana Aprilianta, Kylix Rizky Aris Muhamad Thohiri, Ade Asri Pertiwi, Asri El Said, Didin Saadduddin Firyal Laila Ramadhina, Alya Hafizh Ariq Muhtarom, Muhammad Hanif Al Muchlisin, Muhammad Ila Nurul Fadilah, Ila Nurul Irzy Hafiz, Mohamad Mardhatillah, Nurhidayah Mardiah, Ainal Mirza Hidayat, Muhammad Novinda Salsabila, Osfiera Nurluthfia Azzahra, Cut Ramdhan, Dadan Suwarsono, Reggina Indriani Putri Ulul Fadilah, Annisa