Article Per Year (5 Year)
p-Index From 2021 - 2026
2.647
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Nasional Komputasi dan Teknologi Informasi International Journal of Community Service Learning Informatik : Jurnal Ilmu Komputer Indonesian Journal of Business Intelligence (IJUBI) Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Pengabdian Masyarakat ABDIKOM Journal of Computing Innovations and Emerging Technologies
Nindy Irzavika
Universitas Pembangunan Nasional Veteran Jakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Library & Information Science Neuroscience Social Sciences Transportation

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Behavioral Analysis of Semantic Similarity Metrics under Transformer-Based Representations Musthofa Galih Pradana; Nindy Irzavika; Nurhuda Maulana; Syaila Ananta Karenina; Salma Ashiila Rabbani
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 2 (2026): April 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i2.7490

Abstract

Knowledge extraction has several approaches such as traditional approaches that rely on lexical representation capabilities, one of which is TF-IDF whose implementation can be combined with several classic similarity metrics such as cosine similarity and dice coefficient similarity. In addition to applying the lexical representation approach, this study tries to apply it to a more modern type of representation, namely transformer-embedding-based contextual representation. The data used in this study is abstract document data of students' theses. The findings of the study show that contextual embedding changes the behavior of similarity values. The results of the analysis showed an average ranking shift of 6.70 positions. The test results showed a weak rating correlation value (Spearman = 0.22; Kendall = 0.146), and the high-ranking alignment measured with NDCG (0.97), which shows structural differences in the order of similarity between lexical and contextual representations. Other findings also show that the gap in ranking produced by the two representations used is quite far due to the difference in the mechanism and working pattern of the two representations that are far different, the selection of the type of representation must be on the characteristics of the data to be processed, if looking at the character of the text data in academic documents, the selection of contextual representations based on transformer embedding will be more suitable with contextual understanding to avoid the use of variations in words avoid plagiarism detection when applying a semantic-based representation approach.
Deteksi Kemiripan Dokumen Menggunakan Cosine Similarity Berdasarkan Representasi Teks Count Vectorizer Dan TF IDF Musthofa Galih Pradana; Nindy Irzavika; Nurhuda Maulana
Indonesian Journal of Business Intelligence (IJUBI) Vol 7 No 2 (2024): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v7i2.5170

Abstract

Tujuan mata kuliah skripsi atau tugas akhir menumbuhkan budaya berpikir kritis, dan menunjukan kemampuan untuk memecahkan permasalahan dengan konstruksi logis dari penelitian. Akan tetapi, dari banyaknya manfaat tersebut, ada beberapa permasalahan yang juga muncul dikarenakan mata kuliah ini. Plagiarisme adalah masalah umum. Mengambil karya orang lain, termasuk pendapat mereka sendiri, dan membuatnya seperti karya sendiri adalah plagiarisme. Langkah pertama dalam penggunaan teknologi adalah mendeteksi kesamaan dokumen sejak dini. Dalam hal ini, dokumen yang harus dikumpulkan oleh mahasiswa selama proses pengajuan judul skripsi mereka adalah abstrak. Ketika digunakan, algoritma cosine similarity adalah algoritma yang efisien secara komputasi karena sangat mudah dipahami dan dapat digunakan dengan data berskala besar. Penelitian ini dilakukan dengan dua pendekatan representasi teks yaitu dengan menggunakan TF-IDF dan Count Vectorizer. Data korpus yang digunakan dalam penelitian ini adalah 1600 data dokumen abstrak skripsi mahasiswa, dengan pengujian menggunakan 30 data untuk melihat kinerja algoritma cosine similarity dalam mendeteksi kesamaan dokumen abstrak. Hasil penelitian menunjukkan bahwa pendekatan representasi teks TF-IDF mendapatkan kesamaan di angka 7,72861 dan Count Vectorizer mendapatkan hasil di angka 16,85541 atau punya gap sebesar 9,1268 dengan keunggulan Count Vectorizer. Hal ini disebabkan Count Vectorizer menghitung frekuensi kata tanpa mempertimbangkan apakah kata tersebut umum atau jarang, sehingga kata-kata umum tetap berkontribusi penuh terhadap similarity.
Generate Financial Reports for Micro, Small and Medium Enterprises (MSMEs) Using Microsoft Excel Nindy Irzavika; Kharisma Wiati Gusti; Novi Trisman Hadi; Fadhli Suko Wiryanto; Muhammad Panji Muslim
International Journal of Community Service Learning Vol. 9 No. 2 (2025): May
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/ijcsl.v9i2.90698

Abstract

MSMEs struggle with basic financial practices such as recording transactions and preparing financial reports, leading to inaccurate data and poor decision-making. This research uses Microsoft Excel as the main tool to produce a practical and efficient method for preparing financial reports for Micro, Small, and Medium Enterprises (MSMEs). The method used in this research is participatory, qualitative descriptive, which seeks to actively involve MSME actors in the Haur Pancuh II Culinary Tourism Village. The method used in this research is a case study. The data obtained was analyzed using qualitative descriptive analysis, namely by systematically describing the results of observations and interviews. The analysis process includes data reduction, data presentation, and concluding. Results showed significant improvements in participants' financial literacy, increased understanding of financial reporting, and confidence in applying their knowledge. This research underscores the importance of tailored financial literacy programs in empowering MSMEs to improve their financial management practices. These findings have practical implications for policymakers, educators, and community leaders aiming to increase the resilience and competitiveness of MSMEs through targeted capacity development initiatives, paving the way for more sustainable economic development in similar contexts.
Analisis Pola Belajar Mahasiswa Pada Platform Pembelajaran Daring (Studi Kasus: LeADS UPNVJ) Nindy Irzavika; Kharisma Wiati Gusti; Mohamad Thoriq Abdurachman; Bima Saputra
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.226-234

Abstract

Kebutuhan pembelajaran jarak jauh mendorong pemanfaatan platform pembelajaran daring sebagai media utama yang mendukung proses belajar mengajar di perguruan tinggi. Salah satu tantangan dalam implementasi sistem ini adalah kemampuan untuk memahami pola belajar mahasiswa secara objektif dan berbasis data. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis pola belajar mahasiswa pada Learning Management System (LMS) LeADS di Universitas Pembangunan Nasional Veteran Jakarta melalui pendekatan analisis big data. Data penelitian berupa log aktivitas mahasiswa pada LMS yang mencakup interasi akadeik seperti melihat materi, mengumpulkan tugas, mengerjakan kuis, dan partisipasi diskusi selama empat semester di program studi Sistem Informasi. Metode penelitian menggunakan pendekatan kuantiatif sesuai dengan siklus hidup big data. Algoritma Random Forest digunakan untuk mengklasifikasikan waktu belajar mahasiswa dengan optimasi parameter menggunakan metode Grid Search. Hasil penelitian menunjukkan bahwa partisipasi aktif relatif rendah yang mengindikasi pola belajar cenderung pasif. Konsistensi dan keterlibatan mahasiswa dalam LMS memiliki pengaruh yang lebih signifikan pada prestasi akademik dibandingkan waktu belajar dominan mahasiswa. Model Random Forest yang dibangun memiliki akurasi 88%, namun performanya belum optimal dalam mengklasifikasi kelas dengan jumlah terbatas. Hail pemenillitian ini menunjukkan pentingnya pemanfaatan data log LMS untuk memahami perilaku belajar mahasiswa secara lebih komprehensif serta membuka peluang pengembangan strategi pembelajaran adaptif berbasis data. Selain itu, hasil penelitian ini memberikan dasar bagi institusi pendidikan untuk merancang intervensi pembelajaran yang lebih efektif dan personal sesuai kebutuhan mahasiswa.
Prediksi Situasi Lalu Lintas Menggunakan Machine Learning Dengan Algoritma K-Nearest Neighbors Classifier Muhammad Fatur Febrianto; Abimanyu Priyatno; Hawna Adisty; Anisa Fadilah Saputri; Rizki Amanullah; Thesa Pebrianti Krissella; Nindy Irzavika; Nur Hafifah Matondang
Informatik : Jurnal Ilmu Komputer Vol 20 No 1 (2024): April 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i1.7042

Abstract

Setiap tahunnya kepadatan arus lalu lintas pada daerah kota-kota besar terus meningkat. Situasi lalu lintas yang semakin padat telah menjadi tantangan serius bagi pengelolaan transportasi di berbagai kota di seluruh dunia. Penelitian ini memberikan solusi untuk mengatasi kepadatan lalu lintas di kota-kota besar dengan menerapkan metode Machine Learning, khususnya Algoritma K-Nearest Neighbors (K-NN). Berfokus pada peningkatan kepemilikan kendaraan bermotor sebagai penyebab utama kepadatan lalu lintas, penelitian ini mengeksplorasi prediksi situasi lalu lintas guna meningkatkan efisiensi transportasi. Metodologi penelitian melibatkan enam tahap, termasuk pengumpulan data, pembagian dataset (80% data latih dan 20% data uji), dan pengujian K-NN Classifier dengan akurasi terbaik mencapai 85% melalui validasi silang. Kesimpulan menunjukkan bahwa K-NN Classifier dapat memprediksi situasi lalu lintas dengan tingkat akurasi tinggi, terutama pada data latih dengan nilai 1.0. Penerapan metode ini dapat meningkatkan pengelolaan lalu lintas perkotaan dan mendukung otoritas transportasi serta pemerintah kota dalam mengimplementasikan tindakan yang lebih tepat waktu. Meskipun demikian, penelitian ini memiliki keterbatasan, dan saran untuk penelitian selanjutnya mencakup eksplorasi aspek tertentu serta pengembangan metode, tool, dan pelatihan model untuk perbandingan dengan K-NN.
Pemetaan Kebutuhan Sistem Informasi Branding Digital Tk Islam At-Tin Rifka Dwi Amalia; Nurul Afifah Arifuddin; Nindy Irzavika; Kharisma Wiati Gusti
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 7 No. 2 (2026): Edisi Mei - Agustus
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v7i2.9319

Abstract

Kehadiran digital yang terintegrasi diperlukan lembaga pendidikan anak usia dini untuk menyampaikan informasi yang mudah ditemukan dan dapat dipercaya. Kegiatan pengabdian kepada masyarakat ini bertujuan memetakan visibilitas digital serta merumuskan kebutuhan sistem informasi branding TK Islam At-Tin. Kegiatan dilaksanakan melalui koordinasi tim, observasi lapangan, wawancara dengan kepala sekolah dan staf, inventarisasi konten, serta penelusuran website, media sosial, Google Business Profile, dan hasil pencarian Google. Data dianalisis secara deskriptif, dikelompokkan berdasarkan tema kebutuhan, kemudian diprioritaskan menggunakan metode MoSCoW. Audit menunjukkan bahwa informasi sekolah telah tersedia pada beberapa kanal, tetapi belum terhubung sebagai sumber resmi yang konsisten. Perbedaan identitas dan kontak masih ditemukan, data traffic dan engagement belum dapat diakses sebagai nilai awal kinerja. Kegiatan menghasilkan satu dokumen baseline enam kanal digital, satu matriks yang memuat delapan kelompok kebutuhan beserta kriteria penerimaannya, dan satu rencana teknis yang terdiri atas enam paket kerja. Hasil bagi mitra adalah tersedianya rujukan untuk memeriksa kesesuaian rancangan, menyiapkan akun, data pendukung, dan memantau tahapan pengembangan.
Co-Authors Abdul Kholiq Abimanyu Priyatno Adinda Nuril Ashfiya Agnes Kurnia Gulo Anisa Fadilah Saputri Bima Saputra Diana Aqidatun Nisa Dwi Vernanda Eunike Octavia Nababan Fadhli Suko Wiryanto Fadhli Suko Wiryanto Fawwaz Nabila Zulanifa Firgiawan, Achmad Rama Hawna Adisty Henki Bayu Seta Karina Ghaisani Kharisma Wiati Gusti Kharisma Wiati Gusti Kharisma Wiati Gusti Mohamad Thoriq Abdurachman Mu, Jesselyn Muhammad Fatur Febrianto Muhammad Panji Muslim Muslim, Muhammad Panji Musthofa Galih Pradana Muttaqien, Rifqi Arrayan Nabila Zulanifa Nasywa Rakha Arrafi Neny Rosmawarni Niqotaini, Zatin Novi Trisman Hadi Novi Trisman Hadi Nur Hafifah Matondang Nurhuda Maulana Nurul Afifah Arifuddin Panji Muslim, Muhammad Pujo Hari Saputro Ramadan, Muhammad Nur Alif Rifka Dwi Amalia Rizki Amanullah Rusiyono, Ruwet Salma Ashiila Rabbani Syaila Ananta Karenina Thesa Pebrianti Krissella Valerino, Vito Wari, Valtrizt Khalifah Wiati Gusti, Kharisma Yudha, Muhammad Arya Zainal Abidin Achmad