Claim Missing Document
Check
Articles

Found 25 Documents
Search

APLIKASI MOBILE E-COMMERCE UNTUK PEMBELAJARAN DENGAN FITUR PEMBAYARAN ONLINE AMAN Gema, Rima Liana; Sovia, Rini; Awal, Hasri
Jurnal Review Pendidikan dan Pengajaran Vol. 8 No. 1 (2025): Volume 8 No. 1 Tahun 2025
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jrpp.v8i1.41433

Abstract

Pengembangan aplikasi e-commerce berbasis mobile dengan fitur pembayaran online yang aman bertujuan untuk meningkatkan kenyamanan dan keamanan transaksi digital. Dengan pesatnya perkembangan belanja online, dibutuhkan platform yang mudah diakses dan aman bagi pengguna. Penelitian ini mengembangkan aplikasi e-commerce yang mengintegrasikan sistem pembayaran menggunakan teknologi enkripsi dan otentikasi multi-faktor untuk melindungi data pengguna. Metode yang digunakan dalam penelitian ini mencakup analisis kebutuhan, desain sistem, dan implementasi aplikasi berbasis Android menggunakan bahasa pemrograman Java. Hasil penelitian menunjukkan aplikasi ini berhasil meningkatkan pengalaman pengguna melalui antarmuka yang ramah pengguna serta memperkuat keamanan transaksi online. Kesimpulannya, aplikasi ini dapat menjadi solusi bagi konsumen dan pelaku bisnis dalam melakukan transaksi secara efisien dan aman, memenuhi kebutuhan pasar yang semakin mengutamakan kenyamanan dan proteksi data pribadi.
Pengembangan Sistem Pendukung Keputusan Berbasis Web untuk Seleksi Peserta Olimpiade Jaringan Mikrotik dengan Metode Weighted Product Afriadi, Damrul; Gema, Rima Liana; Putra, Teri Ade
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1529

Abstract

Pemilihan siswa untuk mengikuti Mikrotik Network Olympiad di SMK Negeri 1 Kinali selama ini masih dilakukan secara manual, sehingga menimbulkan ketidakefisienan dan potensi subjektivitas dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan berbasis web yang dapat membantu sekolah dalam menentukan peserta olimpiade secara objektif dan sistematis menggunakan metode Weighted Product. Sistem yang diusulkan mengolah data siswa berdasarkan beberapa kriteria, yaitu prestasi akademik, kompetensi teknis jaringan, keaktifan ekstrakurikuler, sertifikasi komputer, dan kedisiplinan. Setiap kriteria diberi bobot sesuai tingkat kepentingannya, kemudian dihitung menggunakan pendekatan Weighted Product untuk menghasilkan nilai preferensi dan peringkat alternatif. Sistem ini diimplementasikan menggunakan PHP dan MySQL serta diterapkan pada data 40 siswa. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan peringkat yang konsisten, akurat, dan transparan. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efektivitas, objektivitas, dan akuntabilitas dalam proses seleksi peserta Mikrotik Network Olympiad di lingkungan sekolah.
Digital Entrepreneurship with Training in Making Handicraft Accessories for Students at the PGAI Padang Orphanage MUHAMMAD, ABULWAFA; Mutiana Pratiwi; Rima Liana Gema
Journal of Community Service and Application of Science Vol. 4 No. 2 (2025): COMMUNITY SERVICE AND APPLICATION SCIENCE (JCSAS)
Publisher : KPN Kopertis X

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62769/deagn415

Abstract

  The PGAI Foundation (Persatuan Guru Agama Islam) is a foundation that manages orphanages, schools and several other units in the city of Padang. Specifically, the children living in the orphanages come from various backgrounds and school age levels. They live and attend school at schools managed by the foundation, and some also attend public schools. One of the problems faced by these children is that they are accustomed to waiting for donations from donors for various activities. Although this is not the case for every child, it is certainly not good for their future. We provide handicraft training in the form of making accessories using digital technology. The students are given several product design examples and then given the freedom to develop their own products. The products produced are accessories such as bracelets, necklaces, rings and others made from beads. After the students are able to make the products, they are given knowledge on how to package the products. The students are also equipped with knowledge on how to utilise digital technology in obtaining product design references, promotion and marketing of their products. After this training, the children in the orphanage have acquired the skills to make various accessory products and have knowledge of digital entrepreneurship. This training has produced over 50 pieces of accessory products, including bracelets, rings, and several other items that are ready for marketing.
Penerapan Metode TOPSIS untuk Penilaian Tingkat Gemar Membaca (TGM) di Wilayah Sumatera Rima Liana Gema; Devia Kartika; Mutiana Pratiwi; Silky Safira; Surmayanti Surmayanti
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.1012

Abstract

Tingkat Gemar Membaca (TGM) adalah indikator penting yang digunakan untuk mengukur minat dan kebiasaan membaca masyarakat. TGM dipengaruhi oleh berbagai faktor, seperti frekuensi membaca per minggu, durasi membaca per hari, jumlah bahan bacaan per triwulan, frekuensi penggunaan internet per minggu, dan durasi akses internet per hari. Penelitian ini bertujuan untuk mengevaluasi TGM di sepuluh provinsi di Pulau Sumatera serta menganalisis faktor-faktor yang mempengaruhi perbedaan TGM antar provinsi. Untuk itu, digunakan metode TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution), yang memungkinkan perankingan provinsi berdasarkan kedekatannya dengan solusi ideal. Data yang digunakan bersumber dari publikasi Perpustakaan Nasional tahun 2023. Hasil penelitian menunjukkan bahwa Sumatera Barat memperoleh peringkat tertinggi dengan nilai preferensi 74,04%, disusul oleh Jambi dengan nilai 62,94%, dan Sumatera Utara dengan nilai 51,69%. Temuan ini mengindikasikan bahwa provinsi-provinsi ini memiliki tingkat gemar membaca yang lebih tinggi dibandingkan provinsi lainnya di Pulau Sumatera. Penelitian ini menyimpulkan bahwa faktor-faktor seperti kebiasaan membaca dan penggunaan internet berpengaruh terhadap TGM, dan provinsi dengan TGM lebih tinggi memiliki peluang besar untuk memperkuat budaya literasi di wilayah mereka.
Machine Learning on Opinion Mining of Netizen's Hate Speech Pratiwi, Mutiana; Liana Gema, Rima
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3617

Abstract

Netizen comments written in an online news portal through social media platforms, one of which is Instagram, can be used as material in the sentiment analysis process, which can be classified into positive, negative, or neutral sentiments. Sentiment analysis is part of the study of text mining, the science of discovering unknown knowledge by automatically extracting information from large volumes of unstructured text into useful information. The resulting information is in the form of sentiment towards a topic, whether it tends to be positive, negative, or neutral. The classification method used in this research is Support Vector Machine (SVM) and TF-IDF data weighting to classify text. Stages to perform data analysis are pre-processing to clean data, word weighting, labeling data into positive, negative, or neutral classes, and classifying and visualizing data with graphs. Accuracy tests using 70:30 split data showed that the accuracy reached 98%. Tests with 80:20 and 90:10 split data also showed high accuracy of 98% and 99%.