Article Per Year (5 Year)
p-Index From 2021 - 2026
1.993
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI EDUMATIC: Jurnal Pendidikan Informatika Jurnal Ilmiah Sains dan Teknologi (SAINTEK) Jurnal Media Informatika Data Sciences Indonesia (DSI) Journal of Data Science Theory and Application Mutiara: Jurnal Penelitian dan Karya Ilmiah Competitive Jurnal Pengabdian Masyarakat Indonesia (JPMI)
Maresti, Fatia Amalia
Universitas Logistik Dan Bisnis Internasional
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Physics Social Sciences Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Implementasi Naive Bayes pada Sistem Asesmen Program Kemitraan dan Bina Lingkungan PT. Pos Indonesia Maresti, Fatia Amalia; Mustaqim , Kiki; Ginasta, Nava Gia
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3584

Abstract

Penelitian ini bertujuan untuk memberikan rekomendasi sebagai dasar pertimbangan kelayakan calon mitra usaha. Melalui analisis data profil usaha, berupa sektor usaha, provinsi, status usaha, tahun pendirian, jumlah modal, hasil penjualan, total kekayaan bersih, usia pemilik, penghasilan pemilik, jumlah pinjaman, dan label. Metode Naive Bayes dipilih sebagai alat klasifikasi karena kecepatan dan akurasinya. Hasil evaluasi dari 20 data test, terdapat 18 (90%) data yang terklasifikasi dengan benar, yaitu 6 (33%) data terkategori layak mendapat pinjaman, dan 12 (67%) data terkategori tidak layak mendapat pinjaman. Algoritma Naive Bayes memberikan hasil akurasi sebesar 90%, dengan presisi dan recall masing-masing sebesar 92% untuk kategori "Layak" dan "Tidak Layak" mendapatkan pinjaman. Hasil ini menunjukkan bahwa algoritma Naive Bayes layak digunakan untuk penentuan kemitraan usaha PKBL PT. Pos Indonesia. Penelitian ini memberikan kontribusi dalam memberikan rekomendasi yang lebih efektif dalam menilai kelayakan calon mitra usaha, dengan meminimalisir risiko kredit macet.
Analisis Sentimen Ulasan Aplikasi PosPay untuk Meningkatkan Kepuasan Pengguna dengan Metode K-Nearest Neighbor (KNN) Mustaqim, Kiki; Amaresti, Fatia Amalia; Dewi, Intan Novita
Jurnal Pendidikan Informatika (EDUMATIC) Vol 8 No 1 (2024): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v8i1.24779

Abstract

PT Pos Indonesia has launched a digital pospay service. Users who have a positive experience are more likely to return to application. User perceptions analysis can be known from the Review sentiments. Review sentiments that are classified as positive and negative are really needed by developers to improve services (user satisfaction). The research aims to increase user satisfaction of the PosPay application based on the application's review data. The source of data is a review of the pospay application at Google play store. The method used quantitative study method that is K-Nearest Neighbor (K-NN) that classify objects based on learning data that are closest to the object. Research variable is the word from user commentary that associated with the pospay application services. Application review data in scrapping, preprocessing, splits data (train data and test data). Supervised learning (TF-IDF and K-NN) prepared with python programming provides data visualizing. The research results show that the sentiment of Pospay application users tends to be positive. K-NN classification model produces 91% accuracy, 90% precision and recall by 99%. The key word of positive sentiment is: easy, helpful, transaction. Keyword negative sentiment: balance, pay, login.
Uji Pengaruh Faktor Kependudukan terhadap Keberadaan Pelayanan Jasa Ekspedisi di Desa / Kelurahan Kabupaten Bandung Barat Fatia Amalia Maresti
Mutiara : Jurnal Penelitian dan Karya Ilmiah Vol. 2 No. 2 (2024): April : Mutiara : Jurnal Penelitian dan Karya Ilmiah
Publisher : STAI YPIQ BAUBAU, SULAWESI TENGGARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59059/mutiara.v2i2.1137

Abstract

West Bandung Regency is a new district in West Java with a lot of potential, including a strategic geographical position on the West Java and DKI Jakarta crossing routes, natural resources and potential energy that provide added value, and adequate tourism resources. The existence of expedition service providers has a strategic role in improving the performance of the flow of goods to an area. Factors that significantly influence the existence of expedition services in the villages of West Bandung Regency in 2019 and 2020 based on the results of the t-student test are the number of private employees (p-val 0.005), the number of population aged 15-39 years (p-val 0.021), number of entrepreneurs (p-val 0.032), and number of micro and small industries (p-val 0.037). Other significant factors of the categorical variable based on the chi-squared test are District Location (p-val < 2.2 .10-16) and Main Source of Income (p-val 8.1 .10-16).
PENERAPAN EXPLORATORY DATA ANALYSIS (EDA) DAN ANALISIS RECENCY, FREQUENCY, AND MONETARY (RFM) UNTUK SEGMENTASI PELANGGAN E-COMMERCE Amalia Maresti, Fatia; Mustika Anugraheni, Gabriella; Hargiyanto, Radio Ananto; Mustaqim, Kiki
Competitive Vol. 19 No. 1 (2024): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36618/competitive.v19i1.4059

Abstract

E-commerce menghasilkan volume data yang sangat besar setiap harinya yang dihasilkan oleh pelanggan saat bertransaksi. Pelanggan merupakan kelompok maupun individu yang memegang peranan penting dalam proses strategi bisnis dengan membeli produk atau jasa berdasarkan pada keputusan sendiri yang beralaskan oleh pertimbangan dari segi kebermanfaatan serta harga dari setiap produk atau jasa. Dalam penelitian ini pelanggan akan dilakukan segmentasi berdasarkan data transaksi penjualan pada e-commerce menggunakan metode Exploratory Data Analysis (EDA) dan analisis Recency, Frequency, and Monetary (RFM). Pemberlakuan segmentasi pelanggan bertujuan untuk memahami karakteristik pelanggan dan mengimplementasi strategi retensi agar meningkatkan kemajuan suatu perusahaan dengan membuat strategi pemasaran yang efektif dan memprediksi perilaku pelanggan di masa mendatang. Pada tahapan awal segmentasi pelanggan dilakukan investigasi untuk menemukan pola, mengevaluasi hipotesis, dan memverifikasi asumsi berkaitan dengan data pelanggan melalui rangkuman statistik menggunakan metode Exploratory Data Analysis (EDA). Tahapan selanjutnya dilakukan identifikasi untuk mengetahui pola perilaku pelanggan yang melakukan pembelian barang sehingga dapat dikelompokkan berdasarkan karakteristik dengan analisis Recency, Frequency, and Monetary (RFM). Terdapat 11 kategori yang dihasilkan dalam segmentasi pelanggan, di antaranya adalah Champions, Loyal Customer, Promising Customer, New Customer, Need Attention, At Risk, Potential, About To Sleep, Old Potensial, Hibernating, dan Lost.
Peramalan Harga Kebutuhan Pokok di Jawa Barat menggunakan Metode Holt-Winters Exponential Smoothing untuk Analisis Kemampuan Beli Masyarakat Maresti, Fatia Amalia; Pakpahan, Thiodas H.; Lustin, Maria B. B. C.; Rahayu, Woro I.; Riza, Noviana
Jurnal Media Informatika Vol. 6 No. 4 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i4.6824

Abstract

Salah satu kebutuhan dasar manusia adalah pangan. Kebutuhan akan pangan akan semakin melonjak seiring dengan pertumbuhan laju penduduk yang dapat mempengaruhi harga pangan di pasaran. Fluktuasi harga pangan dipengaruhi oleh cuaca, musim dan permintaan yang naik di hari raya. Hal ini menjadi ancaman bagi kesejahteraan masyarakat terutama golongan menengah ke bawah dan pelaku bisnis dan mampu menurunkan daya beli masyarakat. Penelitian ini bertujuan untuk meramalkan harga sembako di Jawa Barat serta melakukan simulasi daya beli masyarakat dari faktor inflasi dan pendapatan masyarakat. Metode yang digunakan pada penelitian ini adalah Exponential Smoothing Holt Winters model Multiplicative dan Additive. Hasil yang diperoleh terdapat 5 komoditas yang cocok dengan  metode  Exponential Smoothing Holt Winters model Multiplicative dan Additive dengan nilai MAPE yang kurang dari 10%. Sementara itu 4 komoditas lain kurang cocok dengan metode ini dikarenakan harga yang cenderung fluktuatif dengan komoditas yang memiliki MAPE terbesar adalah Cabai Merah Keriting sebesar 492,82% pada model Additive dan 94,69% pada model Multiplicative.
Penerapan Anova One Way Untuk Menganalisis Pengaruh Pendidikan Terhadap Pendapatan Individu Menggunakan Python Serta Visualisasi Data Dengan Looker Studio Isti Rahayu, Woro; Amalia Maresti, Fatia; Wardana, Aulia; Ulfiani Ramadhani, Firna
Data Sciences Indonesia (DSI) Vol. 4 No. 2 (2024): Article Research Volume 4 Issue 2, December 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i2.5363

Abstract

Penelitian ini bertujuan untuk mengetahui seberapa besar Pengaruh Tingkat Pendidikan terhadap Pendapatan Individu. Selain itu juga meneliti pendapatan individu jika dilihat dari usia, jenis kelamin, kepemilikan sertifikasi/keahlian, jenis pekerjaan, dan lama bekerja. Metode analisis yang dipakai di dalam penelitian ini adalah metode ANOVA one way karena dianggap paling akurat dalam menyelesaikan masalah ini. Sedangkan dalam pengerjaannya menggunakan bahasa pemrograman python yang merupakan salah satu bahasa pemrograman yang paling efisien dalam menganalisis data. Sumber data yang digunakan adalah data yang dikumpulkan dari survey online menggunakan Google Form. Hasil penelitian mendapatkan bahwa beberapa tingkat pendidikan berpengaruh signifikan terhadap tingkat pendapatan individu, dimana semakin tinggi tingkat pendidikan maka tingkat pendapatan juga akan meningkat. Faktor pendukung seperti kepemilikan sertifikasi/keahlian juga berpengaruh terhadap beberapa tingkat pendidikan. Selain itu, Pada visualisasi data menggunakan looker studio pengaruh lama bekerja dan usia tergantung kepada jenis pekerjaan, dalam penelitian ini, pada wiraswasta dan pedagang lama bekerja dan usia tidak mempengaruhi jumlah pendapatan, tetapi pada petani faktor lama bekerja mempengaruhi jumlah pendapatan
Analisis Anova Two-Way: Pengaruh Kesehatan Mental Dan Tahun Akademik Terhadap Nilai Ipk Mahasiswa Dengan Bahasa Pemrograman Python Amalia Maresti, Fatia; Aleffa Rahman, Mylo; Anisah, Sabrina Nur
Data Sciences Indonesia (DSI) Vol. 4 No. 2 (2024): Article Research Volume 4 Issue 2, December 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i2.5403

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh kesehatan mental dan tahun akademik terhadap nilai Indeks Prestasi Kumulatif (IPK) mahasiswa menggunakan analisis ANOVA Two-Way dengan bahasa pemrograman Python. Data yang digunakan dalam penelitian ini diambil dari dataset yang tersedia di website Kaggle, yang mencakup informasi mengenai kesehatan mental dan prestasi akademik mahasiswa dari berbagai universitas. Kesehatan mental diukur menggunakan skor dari kuesioner standar yang tersedia dalam dataset, sementara nilai IPK diperoleh dari catatan akademik yang disertakan. Analisis data dilakukan dengan menggunakan library Python, yaitu numpy untuk operasi numerik, pandas untuk manipulasi data, matplotlib untuk visualisasi data, dan statsmodels untuk analisis statistik. Hasil penelitian menunjukkan bahwa tahun akademik dan semua penyakit mental yang diukur (depresi, kecemasan, serangan panik, dan level kesehatan mental) memiliki pengaruh signifikan terhadap nilai IPK mahasiswa. Namun, tidak ditemukan interaksi signifikan antara tahun akademik dan semua penyakit mental yang disebutkan. Temuan ini mengindikasikan pentingnya perhatian terhadap aspek kesehatan mental dalam mendukung prestasi akademik mahasiswa di berbagai tingkat studi
Analisis Faktor Yang Mempengaruhi Penjualan Mobil Berdasarkan Model K-Nearest Neighbour Mustaqim, Kiki; Amalia Maresti, Fatia; Azzahra, Siti Salwa; Paringga Pengestu Ningsih, Salsa
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.5667

Abstract

Industri otomotif memiliki peran penting dalam pertumbuhan ekonomi global, termasuk di Indonesia. Persaingan antar produsen semakin ketat, sehingga pemahaman terhadap faktor-faktor yang mempengaruhi keputusan konsumen dalam membeli mobil menjadi sangat penting. Penelitian ini bertujuan untuk menerapkan model klasifikasi menggunakan algoritma K-Nearest Neighbors (KNN) untuk memprediksi kategori penjualan mobil ke dalam tiga kategori yaitu sangat laris, cukup laris, dan kurang laris dan penelitian ini menganalisis faktor-faktor yang paling berpengaruh terhadap tingkat penjualan mobil. Data yang digunakan berasal dari penjualan wholesales mobil pada tahun 2023–2024. Proses analisis dilakukan melalui beberapa tahapan, yaitu seleksi data, preprocessing, transformasi, data mining, dan evaluasi model. Hasil penelitian model KNN yang diterapkan menghasilkan akurasi sebesar 71% dengan nilai K=5, yang menunjukkan performa cukup baik dalam memprediksi. Kategori penjualan mobil dan menunjukkan bahwa variabel PS/HP merupakan faktor utama yang mempengaruhi keputusan pembelian, diikuti oleh kategori mobil, jumlah seater, transmisi, jenis bahan bakar, harga, kapasitas tangki, dan kapasitas mesin (CC). Penelitian ini dapat dimanfaatkan oleh industri otomotif dalam strategi pemasaran dan pengembangan produk agar lebih sesuai dengan preferensi pasar.
Algoritma Apriori dan K-Means Clustering dengan GAP Rules untuk identifikasi churn dan retensi pelanggan Isti Rahayu, Woro; Amalia Maresti, Fatia; Sujana, Ahmad Mugiar Sujana; Ariwati Hanek, Melvin
Data Sciences Indonesia (DSI) Vol. 5 No. 2 (2025): Article Research Volume 5 Issue 2, Desember 2025
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v5i2.6685

Abstract

Peningkatan persaingan bisnis mendorong perusahaan untuk memahami perilaku pelanggan dengan lebih baik. Khususnya di bisnis retail, mempertahankan pelanggan adalah hal krusial yang harus diperhatikan. Oleh karena itu, sebagai pihak bisnis retail dapat memanfaatkan data transaksi untuk mengidentifikasi potensi churn dan menghasilkan strategi retensi berbasis data. Penelitian ini menggunakan pendekatan data mining melalui algoritma K-Means Clustering dengan karakteristik RFM(Recency, Frequency, Monetary) yang bertujuan untuk membuat segmentasi pelanggan, serta Market Basket Analysis menggunakan algoritma apriori. Hasil evaluasi K-Means Clustering menggunakan Elbow Method dan Silhouette Score sebesar 0.550, Menghasilkan 3 Cluster optimal. Dimana cluster 1 dilabelkan sebagai Chrun Potential Customers, Cluster 2 dilabelkan sebagai Grow Potential Customers, dan Cluster 3 sebagai Loyal Customers. Selanjutnya algoritma apriori ditetapkan minimum support sebesar 3% dan minimum confidence 30% menghasilkan beberapa aturan asosiasi yang memenuhi ambang batas yang ditetapkan. Hasilnya, Cluster 1 memiliki 3 aturan asosiasi Sedangkan Cluster 2 memiliki 13 aturan asosiasi. Dan Cluster 3 memiliki 15 aturan asosiasi yang memenuhi ambang batas. Perbedaan kekuatan asosiasi antar produk pada tiap cluster menunjukkan pola pembelian yang unik. Analisis GAP Rules di setiap cluster bertujuan untuk mengidentifikasi variasi pola pembelian barang yang dibeli bersamaan.
Implementasi K-Means untuk Melakukan Segmnetasi Produk Berdasarkan Data Transaksi Retail Fatia Amalia Maresti; Woro Isti Rahayu; Maria Bernadina Cintany Lustin; Thiodas Heni Pakpahan
Jurnal Ilmiah Sains dan Teknologi Vol. 9 No. 1 (2025): Jurnal Ilmiah Sains dan Teknologi
Publisher : Teknik Informatika Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47080/saintek.v9i1.3856

Abstract

Retail companies are one form of business that has experienced significant development. Significant development can lead to many business competitors in the same field. Therefore, every company must be able to find strategies to get the attention of the target market. Fast service and good prices are included in the factors that influence customer interest in making transactions in the retail business. This research aims to classify products into several categories. The method used to perform segmentation is the data mining method with the K-Means algorithm and the elbow method to find the optimal number of clusters. The obtained results of many optimal clusters are 3, namely cluster 0, cluster 1, and cluster 2. The variable that has the most influence on cluster characteristics is the price variable, while the variable that has little influence on cluster characteristics is the quantity variable.
Co-Authors Aleffa Rahman, Mylo Anisah, Sabrina Nur Ariwati Hanek, Melvin Azzahra, Siti Salwa Farsya, Najwa Laila Ginasta, Nava Gia Hargiyanto, Radio Ananto Intan Novita Dewi, Intan Novita Kiki Mustaqim Laode Muhammad Aznur Syahfajar Lustin, Maria B. B. C. Maria Bernadina Cintany Lustin Muhammad Vito Aristawidya Mustaqim, Kiki Mustika Anugraheni, Gabriella Neng Nida Maulida Ningsih, Salsa Paringga Pangestu Pakpahan, Thiodas H. Paringga Pengestu Ningsih, Salsa Rahayu, Woro I. Rahayu, Woro Isti Riza, Noviana Sujana, Ahmad Mugiar Sujana Thiodas Heni Pakpahan Triantya Wahyu Wirati Ulfiani Ramadhani, Firna Wardana, Aulia