Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Ela Esti Susanti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Analisis Data Mining dengan Naive Bayes Classifier untuk Peningkatan Penjualan Produk Cinta Azzaria; Mieta Silvia Aviva; Ela Esti Susanti; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5048

Abstract

Segala bidang kehidupan sekarang dipengaruhi oleh kemajuan teknologi informasi yang semakin pesat. Kemajuan ini memungkinkan jumlah data yang sangat besar dan beragam diakses dari berbagai bidang kehidupan, termasuk industri, ekonomi, ilmu pengetahuan, dan teknologi. Banyak hal yang mendorong kemajuan luar biasa dalam data mining .Tujuan dari dilakukan penelitian ini adalah untuk memudahkan mengetahui hasil prediksi dengan metode klasifikasi menerapkan data mining pada data penjualan dan transaksi penjualan dan mengetahui sejauh mana algoritma naive bayes untuk menghasilkan informasi atau pengetahuan baru yang dapat membantu peningkatan penjualan produk yang baik, efisien, dan efektif dalam menghadapi pesaing bisnis lainnya dan menambah omset penjualan untuk tiap bulannya.Berdasarkan hasil Analisa pada penelitian yang dilakukan, didapatkan hasil prediksi dalam menetukan penjualan produk , dari pengujian yang dilakukan dengan membandingkan data training dengan data testing menggunakan tools RapidMiner menunjukkan bahwa algoritma Naïve Bayes menghasilkan akurasi yang sangat tinggi, terbukti dengan akurasi sebesar 98,98%.
Analisis Usability Aplikasi Kopi Kenangan Dengan Metode Use Questionnaire Ela esti susanti; Sabina Hajar Alviyanti; Aktasya Purwandira; Ersa dwi nur aini; Idha Febiyanti
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5054

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat usability dari aplikasi Kopi Kenangan. Analisis dilakukan dengan menggunakan metode USE Questionnaire. USE Questionnaire mempunyai 4 faktor yaitu Usefulness (kebergunaan), Ease of Use (kemudahan penggunaan), Ease of Learning (kemudahan mempelajari) dan Satisfaction (kepuasan). Empat faktor ini dijadikan sebagai variabel bebas (independen) untuk mengevaluasi tingkat Usability aplikasi Kopi Kenangan. Penelitian ini menggunakan kuisioner sebagai data utama (primer) serta jurnal ilmiah sebagai data pendukung (sekunder). Penelitian ini menggunakan uji Validitas dan Uji Reliabilitas sebagai metode analisis data. Pengambilan data melibatkan 30 responden dari pengguna aplikasi Kopi Kenangan. Hasil dari penelitian ini menunjukan Variabel Usefulness dengan persentase 80,00%, Variabel Ease of use dengen persentase sebesar 80,25%, Variabel Ease of learning dengan persentase 80,75%, dan Variabel Satisfaction dengan persentase 81,75%.
Co-Authors Aidina Ristyawan Aktasya Purwandira Cinta Azzaria Erna Daniati Ersa dwi nur aini Idha Febiyanti Mieta Silvia Aviva Sabina Hajar Alviyanti