Article Per Year (5 Year)
p-Index From 2021 - 2026
4.169
P-Index
This Author published in this journals
All Journal InComTech: Jurnal Telekomunikasi dan Komputer METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi JURIKOM (Jurnal Riset Komputer) Simtek : Jurnal Sistem Informasi dan Teknik Komputer STRING (Satuan Tulisan Riset dan Inovasi Teknologi) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Tecnoscienza Infotek : Jurnal Informatika dan Teknologi SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) International Journal Software Engineering and Computer Science (IJSECS) Jurnal Teknik Informatika Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Proceeding of International Conference Health, Science And Technology (ICOHETECH) Prosiding Seminar Nasional Teknologi Informasi dan Bisnis JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI SmartComp Jurnal Pengabdian Masyarakat Inovasi Indonesia Journal of Information Technology
Aprilisa Arum Sari
Universitas Duta Bangsa Surakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
Prediksi Kunjungan Wisatawan dengan Random Forest Berbasis Data Historis dan Eksternal Kumala Sari, Oktalia; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/kd7t9e88

Abstract

Prediksi jumlah kunjungan wisatawan menjadi elemen penting dalam perencanaan dan pengelolaan destinasi wisata secara efektif dan efisien. Penelitian ini bertujuan untuk membangun model prediksi jumlah kunjungan wisatawan harian menggunakan algoritma Random Forest dengan memanfaatkan data historis serta variabel eksternal seperti cuaca, hari libur, promosi online, dan event khusus. Dataset yang digunakan diperoleh dari sumber terpercaya, kemudian melalui proses pra-pemrosesan yang mencakup pembersihan data, penanganan data kosong, dan normalisasi. Model dilatih menggunakan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM), dan dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan bahwa model memiliki MAE sebesar 103,66, RMSE sebesar 121,09, dan nilai R² sebesar 0,595, yang menunjukkan kinerja prediksi yang cukup baik dan dapat diandalkan. Implementasi model menunjukkan bahwa Random Forest mampu menangkap pola data yang kompleks dan menghasilkan prediksi yang mendekati nilai aktual. Dengan demikian, model ini dapat dimanfaatkan sebagai alat bantu dalam pengambilan keputusan strategis di sektor pariwisata, khususnya dalam perencanaan operasional dan promosi berbasis data.
Analisis Kualitas Air Sungai Berbasis Decision Tree untuk Penentuan Status Pencemaran Helfian, Ongky; Kurniawan, Angga; Arya Rahardiansyah, Rifki; Anugrah S, Bintang; Yudha P, Rizal; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/4w19c942

Abstract

Sungai memegang peranan penting dalam menunjang kehidupan masyarakat dan ekosistem, namun kualitas air sungai di Jakarta semakin menurun akibat pencemaran dari aktivitas industri dan domestik. Penelitian ini bertujuan untuk mengklasifikasikan status kualitas air dari 15 titik sungai utama di Jakarta serta melakukan segmentasi berdasarkan tingkat pencemaran. Parameter kualitas air yang dianalisis meliputi BOD, COD, pH, dan DO, yang diolah melalui pivot tabel, normalisasi, deteksi outlier, dan penetapan status baku mutu. Metode Decision Tree digunakan karena kemampuannya menghasilkan model yang mudah diinterpretasikan dan mendukung pengambilan keputusan. Hasil penelitian menunjukkan bahwa sekitar 62% sampel sungai berada pada kategori tercemar, terutama akibat tingginya BOD dan rendahnya DO. Dengan adanya segmentasi berdasarkan skor pencemaran, sungai dapat diprioritaskan untuk program penanganan dan rehabilitasi. Penelitian ini diharapkan menjadi dasar bagi perumusan kebijakan pengelolaan kualitas air sungai yang lebih efektif dan berkelanjutan di Jakarta.
Analisis Faktor yang Mempengaruhi Harga Rumah Menggunakan Decision Tree Muchammad Rosyid Aridho, Sayid; Hasna Khaira Aswha, Alisa; Dwi Wahyuni, Tesa; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/f1bwa603

Abstract

Harga rumah yang terus meningkat dan dipengaruhi oleh berbagai faktor menjadikan proses penetapan harga kerap tidak akurat, subjektif, dan kurang transparan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi harga rumah di wilayah Sleman dengan membangun model prediksi menggunakan algoritma Decision Tree Regressor. Data diperoleh dari situs rumah123.com dan difokuskan pada properti di Sleman, dengan lima fitur utama: jumlah kamar tidur, kamar mandi, carport, luas tanah, dan luas bangunan. Setelah melalui tahap pembersihan dan transformasi data, model dilatih dan dievaluasi untuk mengukur pengaruh masing-masing fitur terhadap harga. Hasil menunjukkan bahwa luas bangunan (building_area) menjadi faktor paling dominan, diikuti oleh luas tanah, jumlah kamar mandi, kamar tidur, dan carport. Visualisasi pohon keputusan menunjukkan bahwa pembagian awal dilakukan berdasarkan building_area ? 101,5 m². Rumah dengan ukuran kecil dan tanah sempit cenderung memiliki harga lebih rendah, namun terdapat anomali seperti rumah kecil dengan harga tinggi yang diduga dipengaruhi faktor eksternal seperti lokasi strategis. Model memiliki nilai koefisien determinasi (R²) sebesar 0,49, yang berarti mampu menjelaskan 49% variasi harga rumah. ilai ini masih tergolong moderat, mengingat kompleksitas data properti dan absennya fitur-fitur eksternal seperti lokasi geografis, status legalitas, dan kualitas bangunan. Nilai Root Mean Squared Error (RMSE) sekitar ±219 juta rupiah menunjukkan deviasi rata-rata prediksi terhadap harga aktual. Penambahan fitur eksternal serta penggunaan model ensemble disarankan untuk meningkatkan akurasi.
Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Apriori Pada Transaksi Belanja Supermarket Raka Pramuja Ananda, Syaelan; Prayoga Yudhi Putra, Latief; Ramadhan Oktaviano, Alberthino; Sulanjari, Titi; Nur Farida, Azzah; Arum Sari, Aprilisa
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/p8h17364

Abstract

Penelitian ini bertujuan menganalisis pola asosiasi produk pada transaksi supermarket menggunakan algoritma Apriori. Dataset publik dari Kaggle (350 transaksi, 9 item) diolah melalui tahap data cleaning dan transformasi one-hot encoding. Dengan parameter minimum support 0.4 dan minimum confidence 0.5, hasil menunjukkan kombinasi Telur-Minyak-Tepung sebagai frequent itemset dominan (support 48.57%). Aturan asosiasi terkuat teridentifikasi pada relasi {Telur, Minyak} ? {Tepung} dengan confidence 84.58% dan lift ratio 1.24, mengindikasikan peningkatan probabilitas pembelian Tepung sebesar 24% ketika Telur dan Minyak dibeli bersamaan. Temuan ini merekomendasikan strategi penempatan produk berdekatan, bundling promosi, dan alokasi stok sinergis. Penelitian membuktikan efektivitas Apriori dalam identifikasi pola pembelian, meski terbatas pada hubungan linear antar item. Implementasi hasil dapat menjadi dasar pengambilan keputusan strategis di sektor ritel berbasis data.
SISTEM REKOMENDASI MENGGUNAKAN METODE CONTENT BASED FILTERING PADA PRODUK FACE CARE BATRISYIA HERBAL Firdausi, Annisaa' Alam; Hartanti, Dwi; Sari, Aprilisa Arum
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 2 (2025): Oktober 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i2.1569

Abstract

Batrisyia Herbal merupakan salah satu merek skincare lokal yang menghadapi tantangan dalam memberikan informasi produk yang tepat kepada konsumen, khususnya dalam menyesuaikan produk face care dengan jenis kulit pengguna. Dengan menggunakan metode Content Based Filtering, tujuan penelitian ini adalah mengembangkan sistem rekomendasi yang dapat membantu pengguna tentang pengetahuan dalam memilih produk yang sesuai. Sistem dikembangkan menggunakan metode Agile Software Development, data dikumpulkan melalui web scraping dan studi Pustaka.  Sistem ini melakukan perhitungan kemiripan produk berdasarkan kriteria seperti jenis kulit, kategori produk, harga, dan usia. Hasil implementasi menunjukkan bahwa sistem mampu memberikan rekomendasi produk face care Batrisyia Herbal yang sesuai dengan kebutuhan pengguna, serta menampilkan antarmuka pengguna mulai dari login hingga tampilan detail produk. Sistem ini diharapkan dapat meningkatkan efektivitas pemilihan produk bagi pengguna.
Comparative Analysis of SQL Injection Attack Clasification Using Naïve Bayes Method And Support Vector Machine (SVM). Pramono, Pramono; Dwi Irawan, Ridwan; Arum Sari, Aprilisa
Proceeding of the International Conference Health, Science And Technology (ICOHETECH) 2024: Proceeding of the 5th International Conference Health, Science And Technology (ICOHETECH)
Publisher : LPPM Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/icohetech.v5i1.4178

Abstract

SQL Injection is an attack that attempts to gain unauthorized access to a database by injecting code and exploiting SQL queries. SQL injection is an attack that is easy to execute but difficult to detect and classify because of the many types. The SQLI vulnerability is the result of incorrect validation of user input, enabling attackers to manipulate programmer queries by adding new SQL operators. Therefore, this study compares the use of the Naïve Bayes algorithm with the Support Vector Machine (SVM). The dataset that will be used in this study comes from a website called Kaggle. This study analyzes the comparison of methods resulting from the classification process based on the value of accuracy of confusion matrix, precision, recall. Naive Bayes, 95.594% accuracy quality while Support Vector Machine (SVM) 96.093% accuracy quality. The highest percentage of accuracy is obtained by the Support Vector Machine (SVM) while the Naïve Bayes accuracy score is slightly lower.
Optimalisasi Copywriting Berbasis Kecerdasan Buatan untuk Meningkatkan Daya Tarik Pariwisata Desa Ponggok, Klaten, Jawa Tengah Sari, Aprilisa Arum; Triyono, Triyono
Jurnal Pengabdian Masyarakat Inovasi Indonesia Vol 3 No 1 (2025): JPMII - Februari 2025
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jpmii.720

Abstract

Pariwisata Desa Ponggok, Klaten, Jawa Tengah, memiliki potensi besar untuk dikembangkan sebagai destinasi unggulan. Namun, tantangan dalam menarik minat wisatawan di era digital memerlukan pendekatan inovatif, salah satunya melalui optimalisasi copywriting berbasis kecerdasan buatan (AI). Penelitian ini bertujuan untuk menganalisis dan mengimplementasikan teknologi AI dalam strategi copywriting guna meningkatkan daya tarik pariwisata. Metodologi yang digunakan meliputi pengumpulan data preferensi audiens melalui analisis media sosial, pengembangan algoritma AI untuk menghasilkan konten kreatif, serta evaluasi dampaknya terhadap keterlibatan audiens dan jumlah kunjungan wisatawan. Hasil penelitian menunjukkan bahwa copywriting berbasis AI mampu menciptakan konten yang lebih relevan, menarik, dan personal, sehingga meningkatkan interaksi dengan wisatawan potensial.Dengan memanfaatkan teknologi AI, Desa Ponggok berhasil memperkuat citra pariwisatanya melalui strategi pemasaran digital yang efektif. Kesimpulan ini mengindikasikan bahwa optimalisasi AI dalam copywriting dapat menjadi solusi strategis untuk mendukung pengembangan sektor pariwisata, khususnya di wilayah pedesaan yang membutuhkan promosi kreatif dan adaptif.
Traffic Accident Severity Classification System Using Random Forest Algorithm Ega Muhammad Atsir; Nurmalitasari Nurmalitasari; Aprilisa Arum Sari
J-INTECH ( Journal of Information and Technology) Vol 13 No 02 (2025): J-Intech : Journal of Information and Technology
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/j-intech.v13i02.2089

Abstract

Traffic accidents pose a major concern in many countries, including Indonesia, causing considerable losses, injuries, and fatalities each year. Properly classifying the severity of these incidents is essential for authorities to establish preventive actions, apply effective countermeasures, and improve overall road safety. Conventional statistical techniques often fall short in capturing the intricate relationships among multiple influencing variables, such as weather, driver experience, vehicle type, number of vehicles, and casualty figures. To address this limitation, this study proposes a machine learning–based classification method using the Random Forest algorithm, known for its robustness in handling complex and high-dimensional data while identifying nonlinear patterns. The model was trained on a traffic accident dataset from Kaggle and incorporated important features, including driver age group, driving experience, type of vehicle, lighting and weather conditions, type of collision, number of vehicles involved, and casualties. The proposed system achieved 81% accuracy, 75% weighted precision, 81% weighted recall, and a weighted F1-score of 77%, demonstrating reliable performance in predicting accident severity levels Slight Injury, Serious Injury, and Fatal Injury. And providing useful insights for data-driven planning in traffic safety management.
Pendekatan Interpretable Machine Learning untuk Analisis Keberhasilan Kampanye Pemasaran Menggunakan CatBoost dan SHAP Aprilisa Arum Sari; Oktalia Kumala Sari
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34715

Abstract

Predicting the success of digital marketing campaigns remains a significant challenge due to the complex interactions among various variables, such as budget allocation and advertising channel selection. This study aims to develop a marketing analytics model that achieves high predictive accuracy while also providing clear interpretability of the prediction results. The study uses the SalesMind Marketing Campaigns 2026 dataset, which simulates 3,478 digital marketing campaign records from 2026. The dataset consists of categorical variables such as ad_channel and campaign_type, as well as numerical variables including marketing_spend, impressions, and conversion_rate as the prediction target. The proposed approach applies Interpretable Machine Learning by combining the CatBoost algorithm to predict conversion rates and SHAP (SHapley Additive exPlanations) to analyze the contribution of each variable. Model optimization was performed using GridSearchCV, resulting in excellent performance with an RMSE of 0.0012, an MAE of 0.005, and a coefficient of determination (R²) of 99.12%. The analysis results indicate that budget allocation is the most dominant factor in improving conversion rates without showing indications of diminishing marginal effectiveness. In addition, the use of interactive platforms such as Meta and TikTok significantly contributes to campaign effectiveness. These findings contribute to providing an accurate and informative predictive model that can support strategic decision-making in digital marketing management more effectively.
Rancang Bangun Sistem Informasi Digitalisasi UMKM Kuliner Berbasis Web sebagai Media Promosi dan Pengelolaan Usaha Fathin Ryfsa Fadilah; Eko Purwanto; Aprilisa Arum Sari
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34998

Abstract

This research aims to design and develop a web-based information system for culinary MSME merchants to support the digitalization of promotion and business information management in a more effective and integrated manner. The existing problem is that data management and culinary information dissemination are still conducted manually, causing information related to shelters, food and beverage menus, and merchant data to be delivered less optimally to the public. The system development method used in this research is the Waterfall method, which consists of requirement analysis, system design, implementation, testing, and maintenance stages. The system was developed using the Laravel framework and MySQL database, while Unified Modeling Language (UML) was utilized as a system modeling tool. The system provides three access levels, namely admin, seller, and buyer, to support MSME data management, menu management, and centralized culinary information services. This study used 10 shelters as implementation testing data from approximately 120 available shelters. The testing results indicate that the system functions properly and assists users in accessing culinary information more quickly, effectively, and efficiently. The developed web-based system is expected to enhance culinary MSME promotion and support digital transformation in culinary business management.
Co-Authors 'Aziiz Alfarobi, Muhammad Ilham Aditya Wadanur Amirah Munif, Jihan Andreas Obrien Saragih Angga Kurniawan Anugrah S, Bintang Arkanatha Yoen Restu Zain, Arga Arya Rahardiansyah, Rifki Atina, Vihi Ayu Aprillia Baehaqi Bagus Saputra, Andika Catur Pamungkas, Affandi Danang Saputra, Danang Dwi Ahwati, Ringgyanita Dwi Hartanti Dwi Hartanti Dwi Wahyuni, Tesa Ega Muhammad Atsir Fathin Ryfsa Fadilah Faulinda Ely Nastiti Fauzi Rakhmadianto, Ridlo Firdausi, Annisaa' Alam Hartanti, Dwi Hasim Azari Hasna Khaira Aswha, Alisa Helfian, Ongky Hendra Wardana, Aliefian Ibnu Is’ad, Fadhil Irawan, Ridwan Dwi Khoiril Abidin, Muhammad Kumala Sari, Oktalia Malika Endiwan, Aprillio Mandiri, Puput Dwi Marta Ardiyanto Maula Rif’at, Nafi Miza, Kurniadi Muchammad Rosyid Aridho, Sayid Muhammad Dhafa Diar Ardhana Nur Eka Febrianto, Hermawan Nur Farida, Azzah Nur Sofiyanto, Irfan Nurmalitasari Nurmalitasari Oktalia Kumala Sari Prakoso, Aprilrianto Dirhamdan Pramono Pramono Pramono Prayoga Yudhi Putra, Latief Prima Ertansyah, Gilang Purwanto, Eko Putra Pratama, Akmal Putri Setiawan, Amanda Rahardiyan Purnama, Brahmadita Raka Pramuja Ananda, Syaelan Ramadhan Oktaviano, Alberthino Ramadhani, Rafli Risky Kurniawan, Habib Risky, Muhammad Riyadi, Bagus Romadona, Romadona Saputra, Bintang Pratama Yuarna Saputra, Ilham Trisatdika Sekar, Lola Setyawan, Yanuar Anggit Sulanjari, Titi Sumarlinda, Sri Tariq, Tariq Tri Cahya Kusuma, Ridwan Trisna Aqilla, Fiza Triyono Triyono Ulhaq, Ahmad Dia Wakhid Nur Sakti, Didan Wildan Setiawan Wupiwulang Tanwal Hu Yudha P, Rizal