Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Indonesian Journal of Informatic Research and Software Engineering IJBEM : Indonesian Journal of Business Economics and Management PREDATECS: Public Research Journal of Engineering, Data Technology and Computer Science
Anrahvi, Rifka
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 3 Documents
Search

 1 
Classification of E-Commerce Shipping Timeliness Using Supervised Learning Algorithm Pratama, Novrian; Anrahvi, Rifka; Tambal, Ahmed; Singh, Aryanshi
Public Research Journal of Engineering, Data Technology and Computer Science Vol. 3 No. 1: PREDATECS July 2025
Publisher : Institute of Research and Publication Indonesia (IRPI).

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/predatecs.v3i1.1855

Abstract

Developments in the e-commerce sector have increased rapidly since the onset of COVID-19, which has changed consumers' shopping habits. The growth in the number of e-commerce consumers affects the demand for long-distance delivery of goods. The problem of late delivery of goods is one of the challenges that is often experienced, and this can affect the level of customer satisfaction. This study aims to analyze whether the delivery of goods has been carried out according to schedule or has experienced delays. By using e-commerce shipping datasets obtained through the website, this research applies five supervised learning algorithms in the classification process, namely Decision Tree, Naïve Bayes Classifier, K-Nearest Neighbors (K-NN), Random Forest, and Support Vector Machine (SVM). The evaluation results show that dataset sharing using the K-Fold Cross Validation technique provides the best performance at K=8. Support Vector Machine showed the highest level of accuracy of 66.35%, followed by precision of 69.31% and recall of 66.35%. In contrast, the Naïve Bayes Classifier algorithm recorded the lowest performance with accuracy 64.22%, 97.73% precision, and 42.67% recall. These results show that the SVM algorithm is better at classifying the timeliness of delivery compared to the other four algorithms.
Perancangan Sistem Informasi Bisnis Laundry Berbasis Website Pada Bahagia Laundry Pekanbaru: Design of Information System for Business Bahagia Laundry Pekanbaru Stevani, Stevani; Anrahvi, Rifka; Aqeil, Ahmeid; Afriyanto, Rahmat
Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) Vol. 4 No. 2 (2024): Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/ijirse.v4i2.1819

Abstract

Bahagia Laundry beroperasi sejak November 2019. pertama kali dibuka di jalan Belimbing dan pada awalnya tidak memiliki pegawai. Beberapa proses administrasi di Bahagia Laundry masih menggunakan proses manual, seperti pencatatan di buku besar, perhitungan dengan kalkulator, dan lainnya, yang masih rentan terhadap kesalahan manusia. Untuk mengatasi masalah tersebut, peneliti membuat sistem informasi berbasis web yang membantu proses laundry menggunakan metode pengembangan waterfall yang mana dapat mempermudah dan mempercepat pelayanan laundry. Analisis kebutuhan, perancangan, pemodelan, penerapan, pengujian, dan pemeliharaan sistem informasi adalah langkah-langkah dalam pendekatan perangkat lunak yang dikenal sebagai metode Waterfall. Penelitian ini menghasilkan suatu sistem informasi bisnis laundry berbasis web yang dapat meningkatkan akurasi, efisiensi, dan aksesibilitas proses laundry. Berdasarkan pengujian blackbox diperoleh kesimpulan bahwa semua fitur yang ada telah sesuai sehingga layak untuk digunakan.
Penerapan Metode System Usability Scale (SUS) dalam Mengukur Kepuasan Mahasiswa terhadap Website Direktori Akademik Anrahvi, Rifka; Pratama, Novrian; Stevani, Stevani
Indonesian Journal of Business Economics and Management Vol. 3 No. 2: IJBEM Juni 2024
Publisher : IRPI Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/ijbem.v3i2.2020

Abstract

Universitas Islam Negeri Sultan Syarif Kasim Riau menawarkan layanan akademik online, terutama di Fakultas Sains dan Teknologi (FST). FST menyediakan Direktori Akademik FST, yang memberikan dukungan administratif dan teknis untuk aktivitas akademik FST.Dalam era internet saat ini, situs web akademik yang mudah digunakan dan mudah digunakan sangat penting untuk memenuhi kebutuhan informasi siswa dan membantu mereka mengatur informasi mereka sendiri.  Dengan menggunakan website ini, penelitian ini mengumpulkan data dari siswa FST yang aktif. Sebanyak 70 siswa diminta mengisi kuesioner SUS yang terdiri dari 10 pertanyaan dengan skala Likert 5 poin. Data yang dikumpulkan diperiksa untuk menghitung skor SUS secara keseluruhan dan untuk menemukan elemen khusus website yang membutuhkan perbaikan. Hasil penelitian menunjukkan bahwa website Direktori Akademik FST menerima skor SUS rata-rata 82, yang masuk dalam kategori "excellent" (accepted). Studi ini menemukan bahwa meskipun situs web Direktori Akademik FST memenuhi kebutuhan dasar pengguna, masih ada ruang untuk peningkatan lebih lanjut untuk meningkatkan kepuasan pengguna. Rekomendasi perbaikan termasuk membuat antarmuka pengguna lebih mudah digunakan, meningkatkan kecepatan akses, dan menyediakan tutorial penggunaan yang lebih lengkap. Perbaikan ini diharapkan meningkatkan efisiensi dan efektivitas situs web.
Co-Authors Afriyanto, Rahmat Aqeil, Ahmeid Pratama, Novrian Singh, Aryanshi Stevani, Stevani Tambal, Ahmed