Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Journal of Data Mining and Information Systems
Fidela, Anindya
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Data Mining Untuk Klasifikasi Kualitas Udara di Daerah Istimewa Yogyakarta Menggunakan Algoritma C4.5 Nur Adiya, Az Zahra Dwi; Desvita, Amanda Fitria; Fidela, Anindya; Amelia, Dwi; Astuti, Tri
JDMIS: Journal of Data Mining and Information Systems Vol. 2 No. 2 (2024): August 2024
Publisher : Yayasan Pendidikan Penelitian Pengabdian Algero

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/jdmis.v2i2.2800

Abstract

Air pollution is a global environmental problem that is of serious concern in various regions around the world, including in Indonesia. Poor air quality has negative impacts on human health, ecosystems and economic growth. The purpose of this research is to classify the air quality in the Special Region of Yogyakarta. Classification is done using data mining techniques with the C4.5 algorithm or decision tree. The results of the analysis that has been studied using the C4.5 algorithm used 5822 data and 20 replacement samples with 100 repetitions, so the results of this study obtained 7 decisions or leaves with a success rate of 99.9485% and a failure rate of 0.0515%.
Penerapan Algoritma FP-Growth untuk Strategi Penjualan Toko Kelontong Cipta Lestari Tarwoto; AL-Haq, Ahnaf Vanning; Fidela, Anindya; Audiana, Wini; Hani, Zulfa Ummu
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 9 No 2 (2025): APRIL-JUNE 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v9i2.3278

Abstract

This research uses the FP-Growth algorithm to identify sales patterns at the Cipta Lestari convenience store to support inventory management efficiency and marketing strategies. The data used in this research consists of daily sales transaction data that includes product types and the quantities sold. This analysis employs a support parameter of 0.95 and a confidence level of 0.8, with a maximum limit of 100,000 items. The results indicate that products such as Kchoco, sambal sauce, and tea 3350ml are often purchased together with Torabika coffee, soy sauce, and instant fried noodles. This combination pattern enables the store to create more effective product promotions and optimize inventory. The goal of this research is to develop business strategies that are more responsive to customer needs, enhance satisfaction with the right product offerings, and strengthen competitive marketing. This research is expected to contribute to the development of traditional marketing strategies and serve as a reference for analyzing consumer purchasing patterns in future studies.
APLIKASI DATA MINING MENGGUNAKAN METODE APRIORI UNTUK MENGIDENTIFIKASI POLA PEMBELIAN DI TOKO ANANDA BARU Fidela, Anindya; Widiawati, Chyntia Raras Ajeng; Ikhsan, Ali Nur
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7700

Abstract

Dalam industri ritel, mengenali pola perilaku pengguna adalah hal yang penting untuk meningkatkan efektivitas dalam pemasaran dan manajemen persediaan. Studi ini bertujuan untuk menerapkan teknik data mining dengan menggunakan algoritma Apriori untuk menemukan pola pembelian konsumen di Toko Ananda Baru. Data yang digunakan diambil dari 7.851 transaksi yang terjadi pada bulan Juni 2024, yang kemudian dianalisis melalui proses pra-pengolahan, analisa itemset yang sering muncul, pembuatan aturan asosiasi, dan pengukuran rasio lift menggunakan Google Colaboratory dan bahasa pemrograman Python. Hasil dari studi ini menunjukkan bahwa terdapat beberapa kombinasi produk dengan asosiasi yang kuat, ditandai dengan nilai lift ratio sebesar 76,5, yang jauh lebih tinggi dibandingkan studi serupa di sektor ritel konvensional. Produk Azarine Moist Sunserum 100ML menjadi item dengan tingkat asosiasi tertinggi, sering dibeli bersamaan dengan berbagai produk lain. Temuan ini memberikan saran bagi pengelola toko untuk menerapkan strategi bundling, cross-selling, serta pengaturan produk yang lebih baik untuk meningkatkan penjualan dan kepuasan konsumen. Selain itu, penelitian ini juga merekomendasikan agar analisis data transaksi dilakukan secara rutin dan mengantisipasi penggunaan algoritma alternatif seperti FP-Growth untuk data yang lebih besar. Penerapan algoritma Apriori terbukti efektif dalam membantu usaha ritel kecil bersaing di tengah ketatnya persaingan bisnis melalui pendekatan berbasis data.
Co-Authors AL-Haq, Ahnaf Vanning Amelia, Dwi Audiana, Wini Chyntia Raras Ajeng Widiawati Desvita, Amanda Fitria Hani, Zulfa Ummu Ikhsan, Ali Nur Nur Adiya, Az Zahra Dwi Tarwoto Tri Astuti