Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Emerging Information Systems and Business Intelligence (JEISBI)
Putri, Amara Indah
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Prediksi Penerimaan Pengguna Fitur ShopeeFood Menggunakan Algoritma Support Vector Machine Putri, Amara Indah; Nuryana, I Kadek Dwi
Journal of Emerging Information Systems and Business Intelligence Vol. 4 No. 3 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jeisbi.v4i3.55316

Abstract

Sejalan dengan pandemi pada tahun 2020 membuat perkembangan teknologi, Internet, e-commerce, dan platform online telah menjadi semakin berkembang dan popular. Kumpulan data Measurable AI mengungkapkan bahwa permintaan konsumen untuk layanan pengiriman makanan online atau online food delivery (OFD) telah meningkat secara konsisten selama pandemi dan memasuki pascapandemi, salah satunya Indonesia. Hal ini tentunya membuat Shopee memanfaatkan kesempatan melalui layanan ShopeeFood untuk memasarkan makanan dan minuman secara online dan dalam waktu kurang dari satu tahun peluncuran ShopeeFood telah menempati posisi kedua sebagai platform layanan pesan antar makanan online yang pertama kali diingat menurut KataData.com. Kemudian, peneliti ingin memprediksi penerimaan pengguna fitur ShopeeFood menggunakan algoritma Support Vector Machine dengan bantuan tools RapidMiner. Jenis data pada penelitian ini menggunakan data primer yang diperoleh dari penyebaran kuesioner secara online dengan Google Form kepada pengguna fitur ShopeeFood di Surabaya sebanyak 275 data. Kemudian data yang didapatkan dibagi menjadi dua kelas yaitu menerima dan tidak menerima yang diolah dengan menggunakan algoritma SVM. Hasil akhir dalam penelitian ini berdasarkan hasil pengujian 10-fold cross validation dengan nilai k=3 memeroleh hasil akurasi 97.82%.
Co-Authors I Kadek Dwi Nuryana, I Kadek Dwi