Claim Missing Document
Check
Articles

Found 5 Documents
Search

Rancang Bangun Aplikasi E-Commerce Berbasis Android Pada Toko Suryamart Menggunakan Framework Flutter Adilla Syafira Putri; Ade Eviyanti; Hindarto Hindarto
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 5 No 3 (2023): July 2023
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v5i3.851

Abstract

Suryamart is one of the business entities of the Directorate of Business Development and Investment (DPBI) UMSIDA engaged in retail. Although Suryamart is an internal business entity, it not only serves the needs of its internal buyers - employees and lecturers, but also the needs of the general public. In carrying out its business, the author found that many general people still feel unfamiliar with Suryamart stores. In contrast, in-house shoppers are too busy to come to the store to shop in person, so they are less interested in shopping. Therefore, this research was conducted with the aim of helping internal shoppers shop effectively and efficiently, as well as improving interaction with the wider general public in the future. The author uses the waterfall software development model to minimize errors and speed up the development process because it follows a sequential development process. The result of this study is an e-commerce system consisting of applications for users and admins. This application will simplify the process of ordering buyers and management by admins.
Optimization of Digital Platforms as Part of SEO-Based Digital Marketing Strategy to Appear on Google: Optimasi Platform Digital sebagai Bagian dari Strategi Digital Marketing Berbasis SEO untuk Muncul di Google Wijaya, Naufal Ariq; Ade Eviyanti
Procedia of Engineering and Life Science Vol. 5 (2024): Proceedings of the 7th Seminar Nasional Sains 2024
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/pels.v7i0.1490

Abstract

This study aims to analyze the benefits of utilizing five digital platforms, namely Pinterest, ISSUU, Tumblr,Flickr, and Carousell, to appear in Google search. This study uses a qualitative descriptive method with datacollection techniques through observation, analysis, and documentation. The results of the study show that eachdigital platform has different characteristics and functions in digital marketing. Digital platforms also have theirown advantages and disadvantages in increasing visibility and relevance in Google search. This study providesrecommendations for products or services that want to use digital platforms as part of their SEO-based digitalmarketing strategy.
AUGMENTED REALITY SEBAGAI MEDIA PEMBELAJARAN TUMBUHAN DI WISATA COBAN BINANGUN DENGAN MENGGUNAKAN METODE SINGLE MARKER Adham; Achmad Danu Zakaria; Ade Eviyanti
Jurnal Mahasiswa Teknik Informatika Vol. 2 No. 2 (2023): Jurnal Jamastika Vol.2 No.2 Oktober 2023
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v2i2.2440

Abstract

Indonesia merupakan salah satu negara tropis yang memiliki tanah subur, curah hujan yang tinggi, serta intensitas cahaya yang baik sehingga banyak tumbuhan yang hidup subur. Salah satunya di wisata coban binangun, selain faktor diatas wisata coban binangun berada di daerah pegunungan yang minim polusi. Penelitian ini bertujuan untuk menghasilkan sebuah aplikasi pembelajaran Augmented Reality tumbuhan yang diharapkan bisa digunakan untuk membantu mengenalkan jenis-jenis tumbuhan. Aplikasi ini dibuat menggunakan Unity dan Vuforia yang dijalankan berbasis android. Aplikasi ini dibuat menggunakan metode Single Marker dimana satu penanda hanya bisa digunakan satu obyek 3 dimensi. Dengan adanya aplikasi ini dapat memperkenalkan berbagai jenis tumbuhan yang ada di wisata coban binangun. Kata kunci: Augmented Reality, Coban Binangun, Single Marker, Android, Tumbuhan
Prediksi Kelayakan Pemberian Kredit Menggunakan Metode Random Forest Firmansah, Noval; Uce Indahyanti; Ade Eviyanti
Jurnal Ilmiah Komputasi Vol. 22 No. 4 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 4, Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.4.3515

Abstract

Penelitian ini menggunakan data dari Kaggle, yang terdiri dari 32,581 baris dan 12 kolom, untuk mengembangkan model prediksi kelayakan kredit. Tujuan penelitian adalah mengidentifikasi faktor-faktor yang memengaruhi kelayakan kredit dan mengembangkan model yang akurat dalam memprediksi apakah seorang peminjam layak atau tidak menerima kredit. Penelitian melibatkan langkah-langkah pra-pemrosesan data, termasuk imputasi missing value dan penanganan outlier, serta pembagian dataset menjadi data latih dan data uji. Hasil menunjukkan bahwa model mencapai akurasi sebesar 93,28%, dengan parameter terbaik 'max_depth': 30, 'min_samples_leaf': 1, 'min_samples_split': 2, dan 'n_estimators': 100. Penelitian ini memberikan kontribusi dalam pemahaman kelayakan kredit dan pengembangan model prediksi yang dapat digunakan oleh lembaga keuangan untuk pengambilan keputusan kredit yang lebih tepat.
ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA GOOGLE PLAY STORE MENGGUNAKAN METODE RANDOM FOREST Muhammad Zainal Abidin; Mochammad Alfan Rosid; Ade Eviyanti
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 3 (2025): Agustus
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i3.6027

Abstract

Penelitian ini berfokus pada analisis sentimen untuk mengevaluasi kepuasan pelanggan terhadap aplikasi Shopee, dengan menggunakan komentar-komentar yang diunggah di Google Play Store sebagai sumber data utama. Sebanyak 5.000 data komentar dikumpulkan dalam rentang waktu yang relevan, yaitu dari Desember 2024 hingga Maret 2025. Metodologi yang diterapkan adalah klasifikasi dengan menggunakan algoritma Random Forest Classifier. Hasil analisis menunjukkan bahwa sentimen dominan yang diekspresikan oleh pengguna adalah positif, yang mengindikasikan tingkat kepuasan yang baik terhadap aplikasi tersebut. Model Random Forest yang digunakan berhasil mencapai nilai akurasi sebesar 88%. Angka ini menunjukkan bahwa algoritma tersebut cukup efektif dalam mengklasifikasikan sentimen komentar pengguna. Sebagai kontribusi utama, penelitian ini menyediakan wawasan terkini mengenai persepsi pelanggan berkat penggunaan data yang sangat baru. Temuan ini tidak hanya memvalidasi efektivitas Random Forest dalam tugas analisis sentimen, tetapi juga memberikan informasi berharga bagi pihak Shopee untuk memahami pandangan pengguna dan membuat keputusan strategis guna meningkatkan layanan.