Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Informatika dan Teknik Elektro Terapan KOMPUTIKA - Jurnal Sistem Komputer
harnelia, harnelia
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 3 Documents
Search

 1 
Rekomendasi Pemilihan Bahan Bacaan Pengunjung Perpustakaan Menggunakan Metode K-Means Clustering harnelia, harnelia; Panaungi, Fajar; Abbas, Muhammad Akram; Saputra, Rizal Adi
Komputika : Jurnal Sistem Komputer Vol. 14 No. 1 (2025): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v14i1.13298

Abstract

This research was conducted at the Modern Library of Kendari City to classify visitors' reading interests using the k-means clustering method. The classification aims to provide reading recommendations that match each visitor group's interests. The study uses book lending data collected from library visitors over the past four years. The clustering process implements the k-means algorithm, grouping data based on the nearest distance to cluster centers. This method resulted in three main clusters: cluster 0 with low reading interest, cluster 1 with moderate reading interest, and cluster 2 with high reading interest. This study contributes by developing a new approach for the Modern Library of Kendari City in managing book collections and recommending readings based on visitor interest groups. The clustering visualization provides insights into reading interest distribution, which helps the library make decisions about reading material provision. The cluster analysis shows different borrowing patterns and book preferences. This research is expected to help the library improve its services and visitor satisfaction through providing book collections that match each group's reading interests. Keywords – Book Recommendations; Clustering; Library; Machine Learning; Reading Interest
ANALISIS SENTIMEN REVIEW SKINCARE SKINTIFIC DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Harnelia, Harnelia
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 2 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i2.4095

Abstract

Abstrak. Setelah memasuki pasar Indonesia pada tahun 2021, Skintific muncul sebagai merek perawatan kulit yang sangat digemari. Popularitasnya melesat berkat kepopuleran produk 5X Ceramide Barrier Repair Moisturizer Gel yang menjadi viral. Hal ini memicu peningkatan minat konsumen terhadap berbagai produk perawatan kulit dari Skintific. Meskipun demikian, keragaman produk Skintific mungkin menimbulkan kebingungan saat Anda mencari produk yang sesuai untuk kebutuhan kulit Anda. Dengan adanya hal tersebut Penelitian ini bertujuan untuk mengevaluasi pandangan masyarakat terhadap suatu produk di era digital, khususnya dalam konteks ulasan produk skincare. Fokus utama penelitian ini adalah pada klasifikasi sentimen positif dan negatif dalam ulasan tersebut. Seiring dengan meluasnya jumlah ulasan online, mengumpulkan informasi yang relevan untuk membuat keputusan pembelian menjadi semakin sulit. Oleh karena itu, penelitian ini merespon tren tersebut dengan membangun sebuah sistem yang secara otomatis dapat mengintegrasikan beragam pendapat dari berbagai ulasan. Dalam penelitian ini, digunakan 958 ulasan produk skincare dari berbagai platform media sosial untuk mencakup variasi pendapat masyarakat. Proses analisis mencakup langkah-langkah penting seperti pra-pemrosesan teks, ekstraksi fitur, pembobotan TF-IDF, visualisasi data, dan klasifikasi SVM. Pemilihan kernel linear dan optimasi hyperparameter menggunakan metode GridSearch menunjukkan bahwa SVM berhasil mencapai tingkat akurasi 94%, dengan nilai precision, recall, dan f1-score yang melebihi 0.9. Sehingga diperoleh sebanyak 862 sentimen positif dan 96 sentimen negatif. Hasil penelitian ini memiliki potensi besar sebagai alat berharga bagi perusahaan dalam pengambilan keputusan serta memberikan wawasan kepada masyarakat yang ingin menggunakan produk tersebut. Dengan demikian, penelitian ini bukan hanya menjadi kontribusi akademis tetapi juga memiliki implikasi praktis yang dapat meningkatkan pengalaman konsumen.
Analisis Kualitas dan Klasifikasi Jenis Tanah Berbasis Pengolahan Citra: Teknik Image Sharpening dan CNN ResNet untuk pemetaan pemanfaatan Daerah Pesisir Harnelia, Harnelia; Saudi, Septiyani Bayu; Agsaria, Fabelina; Saputra, Rizal Adi
Telematika Vol 22 No 2 (2025): Edisi Juni 2025
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v22i2.14516

Abstract

Tujuan: Penelitian ini bertujuan untuk menganalisis kualitas dan klasifikasi jenis tanah di wilayah pesisir Teluk Kendari dengan menggunakan teknik penajaman gambar dan Convolutional Neural Network (CNN) ResNet152V2, guna mendukung pengelolaan sumber daya wilayah pesisir yang berkelanjutan.Perancangan/metode/pendekatan: Penelitian menggunakan pendekatan pengolahan citra digital dengan tahapan: pengumpulan dataset dari Kaggle dan lapangan, image preprocessing, image sharping, dan klasifikasi menggunakan model CNN ResNet152V2. Dataset terdiri dari 880 gambar dari Kaggle dan 110 gambar dari wilayah Teluk Kendari, dibagi menjadi data latih (80%), uji (10%), dan validasi (10%).Hasil: Model CNN ResNet152V2 berhasil mencapai akurasi klasifikasi sebesar 90.91% dalam mengidentifikasi delapan jenis tanah (Aluvial, Andosol, Entisol, Humus, Inceptisol, Laterit, Kapur, dan Pasir). Teknik penajaman gambar terbukti efektif meningkatkan kualitas citra visual, memperjernih detail tekstur tanah, dan memudahkan proses klasifikasi.Keaslian/ state of the art : Penelitian ini mengintegrasikan teknik penajaman gambar dan CNN ResNet untuk menganalisis tanah pesisir, yang sebelumnya belum banyak dilakukan di Indonesia. Pendekatan ini memberikan kontribusi dalam memahami kondisi tanah di wilayah pesisir dan mendukung strategi pengelolaan berkelanjutan
Co-Authors Abbas, Muhammad Akram Agsaria, Fabelina Panaungi, Fajar Rizal Adi Saputra Saudi, Septiyani Bayu