Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business Karimah Tauhid
Puspa, Aulia
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Neuroscience Social Sciences

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

Found 2 Documents
Search

 1 
Analisis Konsep Biaya Diferensial dan Relevansi Terhadap Penutupan Perusahaan SB Nabila, Siti Rahma Sawalia; Putri, Bunga; Puspa, Aulia; Nurfadila, Siti; Anwar, Saepul; Adnan, Saepul; Wadud, Abdul
Karimah Tauhid Vol. 3 No. 10 (2024): Karimah Tauhid
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/karimahtauhid.v3i10.15020

Abstract

Dalam beberapa situasi perusahaan yang mendapat indikasi kerugian memerlukan analisis biaya diferensial guna terhindar dari kerugian yang lebih besar. Analisis biaya differensial dapat membantu perusahaan untuk meminimalisir kerugian yang mungkin terjadi dengan perhitungan selisih laba dan rugi usaha dengan memutuskan mempertahankan atau menutup perusahaan. Penelitian ini bertujuan untuk meningkatkan pemahaman penulis mengenai konsep analisis biaya differensial dan melakukan analisis terhadap objek penelitian yaitu kasus penutupan perusahaan SB. Metode studi pustaka digunakan dalam penelitian untuk mengumpulkan data berupa kajian teori yang relevan dengan subjek yaitu analisis biaya differensial, yang kemudian digunakan untuk melakukan analisis relevansi teori analisis biaya differensial dengan objek penelitian. Dalam melakukan analisis objek penulis menggunakan metode deskriptif analis. Penulis menyimpulkan bahwa hasil dari pada penelitian ini ialah analisis biaya differensial mengarahkan perusahaan kepada keputusan yang paling tepat dan membantu perusahaan untuk  meminimalisir kerugian.
Implementasi Algoritma Random Forest Classifier Dalam Klasifikasi Kelayakan Air Minum Puspa, Aulia; Indrati, Aviarini
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.6773

Abstract

Air merupakan komponen esensial bagi tubuh manusia karena berperan penting dalam menjaga keseimbangan fisiologis, metabolisme, serta fungsi organ vital. Kualitas air minum yang tidak memenuhi standar kelayakan dapat berdampak negatif terhadap kesehatan, sehingga diperlukan metode yang efektif untuk mengklasifikasikan kelayakan air minum secara akurat. Salah satu pendekatan yang dapat digunakan adalah machine learning, khususnya algoritma Random Forest Classifier, yang mampu menganalisis pola data dan menghasilkan prediksi yang andal. Penelitian ini bertujuan untuk membangun model klasifikasi kelayakan air minum menggunakan algoritma Random Forest Classifier serta mengevaluasi tingkat akurasi yang dihasilkan oleh model tersebut. Dataset yang digunakan adalah drinking water potability yang diperoleh dari situs Kaggle, yang terdiri dari berbagai parameter kualitas air. Tahapan penelitian meliputi pengumpulan data, praproses data, pemodelan, dan evaluasi model. Proses praproses mencakup penanganan missing value, seleksi fitur, serta pembagian data menjadi data latih dan data uji. Pemodelan dilakukan menggunakan bahasa pemrograman Python dengan bantuan platform Google Colaboratory. Evaluasi model dilakukan menggunakan confusion matrix dan classification report untuk mengukur performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest Classifier mampu mengklasifikasikan kelayakan air minum dengan tingkat akurasi sebesar 82%, sehingga model ini dapat digunakan sebagai metode yang efektif dalam mendukung proses klasifikasi kualitas air minum secara otomatis dan berbasis data.
Co-Authors Abdul Wadud, Abdul Adnan, Saepul Indrati, Aviarini Nabila, Siti Rahma Sawalia Nurfadila, Siti Putri, Bunga Saepul Anwar