Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS) Jurnal Penelitian Rumpun Ilmu Teknik
Fatimah Nur Alifiah
Unknown Affiliation
Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan Website Jasa Titip Sebagai Fasilitator Transaksi Global Aryanti Nur Anisah; Aminatus Sholikah Putri; Fatimah Nur Alifiah; Mochammad Zulfikar; Rhexy Pasha Dwi Olivia; Achmad Zidan Ramdani; Asmaul Khusna; Ronggo Alit
Jurnal Penelitian Rumpun Ilmu Teknik Vol. 3 No. 1 (2024): Februari : Jurnal Penelitian Rumpun Ilmu Teknik
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juprit.v3i1.3135

Abstract

The advancement of technology has transformed the way trade is conducted, with the internet becoming the primary platform for business. E-commerce, or online trading, has opened significant opportunities for both sellers and buyers. Furthermore, online personal shopping services have gained popularity, enabling buyers to obtain goods from abroad or remote areas. However, the use of social media and informal communication limits the ease of finding and trusting personal shoppers. In order to address these challenges, this research introduces the "Jastipin Kuyyy" application as an innovative solution to facilitate personal shopping services. This application allows users to easily view and order products, provide reviews, and track their orders. Additionally, users can request items that are not listed in the application. In the technical discussion, this application is designed using the throwaway prototyping method. The process of analyzing website application requirements and system design involves users, with a focus on key features such as ordering, item requests, and order tracking. The Entity Relationship Diagram (ERD) illustrates the application's database structure, while the website usage flowchart provides an overview of user interactions. The "Jastipin Kuyyy" application aims to enhance convenience, security, and user experience in utilizing personal shopping services. It is expected that this application will serve as an efficient solution for users who wish to shop internationally or make use of personal shopping services, facilitating the broader growth of personal shopping businesses.
Pengembangan Model Rekomendasi Anime Dengan Metode Deep Learning: LSTM Neural Network Fatimah Nur Alifiah; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 01 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v7n01.p253-261

Abstract

Abstrak— Dalam era digital yang sarat dengan informasi dan pilihan konten yang melimpah, pengguna sering kali mengalami kesulitan dalam menemukan tontonan yang benar-benar sesuai dengan minat dan preferensi mereka. Permasalahan ini juga terjadi dalam konteks tontonan anime, di mana ratusan hingga ribuan judul tersedia setiap tahunnya. Untuk mengatasi tantangan tersebut, penelitian ini membangun model rekomendasi dengan algoritma deep learning LSTM (Long Short-Term Memory) yang mampu memahami urutan data, sehingga cocok digunakan untuk menganalisis pola interaksi pengguna dari waktu ke waktu yang nantinya cocok untuk model rekomendasi. Model ini dirancang dengan mempertimbangkan berbagai informasi penting, seperti identitas pengguna, genre anime, skor atau rating yang diberikan pengguna, serta tingkat popularitas dari masing-masing anime. Proses pelatihan dilakukan menggunakan teknik k-fold cross validation dimana hasil evaluasi menunjukkan performa model yang sangat baik. Model mampu menghasilkan akurasi prediksi sebesar 91,3%, yang mengindikasikan bahwa sebagian besar rekomendasi yang dihasilkan sesuai dengan nilai aktualnya. Selain itu, model juga menunjukkan nilai Mean Squared Error (MSE) yang sangat kecil, yaitu sebesar 0,0002. Nilai ini mengindikasikan bahwa hasil prediksi model sangat mendekati nilai sebenarnya, sehingga dapat dikatakan bahwa tingkat akurasi model tergolong tinggi. Di sisi lain, nilai Mean Absolute Error (MAE) juga menunjukkan hasil yang baik, yaitu sebesar 0,008, yang berarti rata-rata selisih antara nilai prediksi dan nilai aktual tergolong kecil, sehingga menunjukkan tingkat kesalahan yang rendah dalam prediksi. Dengan hasil ini, dapat disimpulkan bahwa model rekomendasi berbasis LSTM memiliki kemampuan yang baik dalam memahami preferensi pengguna dan memberikan saran anime yang sesuai dengan minat mereka.   Kata Kunci— Model Rekomendasi, LSTM, Deep Learning, Collaborative Filtering, Content-based Filtering, Anime.
Co-Authors Achmad Zidan Ramdani Aminatus Sholikah Putri Aryanti Nur Anisah Asmaul Khusna Mochammad Zulfikar Rhexy Pasha Dwi Olivia Ronggo Alit YUNI YAMASARI