Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JAAKFE UNTAN ( (Jurnal Audit Dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura) JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Teknisi
Sitorus, Nur Shafwa Aulia
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Social Sciences

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

Found 3 Documents
Search

 1 
PENERAPAN ALGORITMA COLLABORATIVE FILTERING UNTUK REKOMENDASI SKEMA VSGA LANJUTAN DI BBPSDMP KOMINFO MEDAN Aulia, Muhammad Fathir; Sitorus, Nur Shafwa Aulia; Zufria, Ilka
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2685

Abstract

Sistem rekomendasi membantu pengguna memilih alternatif terbaik berdasarkan data interaksi, terutama dalam konteks pelatihan dalam hal pendidikan. Salah satu metode yang digunakan adalah Collaborative Filtering, yang bekerja dengan menganalisis pola preferensi melalui rating pengguna. Penelitian ini bertujuan mengembangkan sistem rekomendasi berbasis Collaborative Filtering pada program Vocational School Graduate Academy (VSGA) untuk membantu lulusan memilih skema pelatihan yang sesuai dengan kebutuhan mereka. Dua metode utama diterapkan, yaitu Pearson Correlation dan Cosine Similarity. Pearson Correlation mengukur kesamaan pola preferensi melalui perhitungan rata-rata, sementara Cosine Similarity menghitung kemiripan antar pengguna dengan pendekatan vektor. Adapun dataset sebanyak 50 data yang digunakan yaitu dataset rating dari masing-masing skema pelatihan VSGA sebanyak 45 data dan menggunakan 5 data pembanding untuk di uji, untuk mencari rekomendasi pada 2 data. Sistem ini dibangun menggunakan Python dengan pustaka Pandas, NumPy, dan scikit-learn. Hasil pengujian menunjukkan bahwa kedua metode memberikan rekomendasi akurat sesuai skenario tertentu. Sistem ini diharapkan membantu lulusan menemukan pelatihan relevan, meningkatkan kualitas pembelajaran, dan mempersiapkan mereka menghadapi era industri 4.0. Kata kunci: Collaborative Filtering; Pearson Correlation; Cosine Similarity; Sistem Rekomendasi; Algoritma
APPLICATION OF WEIGHTED AVERAGE ALGORITHM IN RECREATIONAL PARK TOURIST DESTINATION RECOMMENDATION SYSTEM BASED ON GOOGLE MAPS USER RATINGS Faiza, Nayla; Siregar, Hervilla Amanda R.; Sitorus, Nur Shafwa Aulia; Nugroho, Agung; Aulia, Muhammad Fathir; Furqan, Mhd
JURNAL TEKNISI Vol 5, No 2 (2025): Agustus 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v5i2.3790

Abstract

Abstract: The development of digital technology has changed the behavior patterns of tourists in choosing travel destinations. Google Maps is now not only used to find restaurant locations but has also become the main source for searching nearby tourist destinations based on user ratings and reviews. This research aims to build a recommendation system for recreational park tourist destinations in Medan City by applying the Weighted Average algorithm using Google Maps user rating data. The data used comes from reviews by five users of five popular recreational parks in Medan City during the period from January 1, 2025, to April 30, 2025. The Weighted Average algorithm was chosen because it can provide a more objective and fair assessment by taking into account the weight of each rating given by users. As a result, this system can recommend the best recreational parks based on user experiences related to cleanliness, parking facilities, toilets, security, running paths, and accessibility. It is hoped that this system can help tourists choose destinations that meet their needs and preferences, as well as provide a more enjoyable and satisfying travel experience.Keywords : digital technology; google maps; recommendation system; weighted average algorithmAbstrak: Perkembangan teknologi digital telah mengubah pola perilaku wisatawan dalam memilih destinasi wisata. Google Maps kini tidak hanya digunakan untuk mencari lokasi restoran, tetapi juga menjadi sumber utama dalam mencari destinasi wisata terdekat berdasarkan rating dan ulasan pengguna. Penelitian ini bertujuan untuk membangun sistem rekomendasi destinasi wisata taman rekreasi di Kota Medan dengan menerapkan algoritma Weighted Average menggunakan data rating pengguna Google Maps. Data yang digunakan berasal dari lima ulasan pengguna terhadap lima taman rekreasi populer di Kota Medan selama periode 1 Januari 2025 hingga 30 April 2025. Algoritma Weighted Average dipilih karena mampu memberikan penilaian yang lebih objektif dan adil dengan memperhatikan bobot setiap rating yang diberikan pengguna. Hasilnya, sistem ini dapat merekomendasikan taman rekreasi terbaik berdasarkan pengalaman pengguna terkait aspek kebersihan, fasilitas parkir, toilet, keamanan, lintasan lari, dan aksesibilitas. Diharapkan sistem ini dapat membantu wisatawan dalam memilih destinasi yang sesuai dengan kebutuhan, preferensi, dan memberikan pengalaman wisata yang lebih menyenangkan dan memuaskan. Kata Kunci: google maps; sistem rekomendasi; teknologi digital; weighted average algorithm
Penerapan Algoritma Naive Bayes untuk Prediksi Financial Distress pada Perusahaan Publik sebagai Upaya Digitalisasi Analisis Akuntansi Sitorus, Nur Shafwa Aulia; Aulia, Muhammad Fathir; Faiza, Nayla; Siregar, Hervilla Amanda R.
JAAKFE UNTAN (Jurnal Audit dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura) Vol 14, No 2 (2025): Jurnal Audit dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura
Publisher : Jurusan Akuntansi, Fakultas Ekonomi dan Bisnis, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jaakfe.v14i2.101099

Abstract

Perkembangan teknologi digital mendorong penerapan kecerdasan buatan dalam bidang akuntansi untuk meningkatkan akurasi dan efisiensi analisis keuangan. Penelitian ini bertujuan menerapkan algoritma Naive Bayes guna memprediksi kondisi financial distress pada perusahaan publik sektor manufaktur di Indonesia sebagai bagian dari digitalisasi analisis akuntansi. Data yang digunakan berupa 150 entri rasio keuangan, meliputi Current Ratio (CR), Return on Assets (ROA), Net Profit Margin (NPM), dan Total Asset Turnover (TATO). Model dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan akurasi sebesar 86,67%, precision 75%, recall 25%, dan F1-score 37,5%. Temuan ini menunjukkan bahwa Naive Bayes cukup efektif dalam mengklasifikasi perusahaan Non-Distress, namun masih perlu pengembangan untuk meningkatkan deteksi kelas Distress. Model ini berpotensi menjadi dasar pengembangan sistem deteksi dini berbasis digital dalam analisis keuangan perusahaan.
Co-Authors Aulia, Muhammad Fathir Faiza, Nayla Ilka Zufria Mhd Furqan Nugroho, Agung Siregar, Hervilla Amanda R.