Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ekonomi Manajemen Dan Bisnis (JEMB) LogicLink: Journal of Artificial Intelligence and Multimedia in Informatics
Fadilah Zahra Dwi Kinanti
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Peran Live Streaming Tiktok dalam Meningkatkan Omzet UMKM Kreatif di Pekalongan Fadilah Zahra Dwi Kinanti; Mutiara Sofia Ramadhani; M. Hamdan Aldiansyah; Muhammad Rikzam Kamal
Jurnal Ekonomi Manajemen Dan Bisnis (JEMB) Vol. 2 No. 5 (2025): Mei
Publisher : Publikasi Inspirasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62017/jemb.v2i5.4778

Abstract

Penelitian ini bertujuan untuk menganalisis peran TikTok Live dalam meningkatkan omzet UMKM kreatif di Pekalongan, terutama pada sektor batik. Pemilihan topik ini didasarkan pada pertumbuhan pesat platform TikTok di Indonesia dan meningkatnya tren live commerce sebagai strategi pemasaran digital yang mampu menjangkau konsumen secara langsung. Pekalongan sebagai sentra batik memiliki potensi besar, namun masih menghadapi tantangan dalam pemanfaatan teknologi digital secara optimal. Penelitian ini menggunakan pendekatan kualitatif deskriptif dengan metode studi kasus pada tiga UMKM, yaitu Oemar Batik, Kalisa Batik, dan Khalisa Batik. Data diperoleh melalui wawancara semi-terstruktur dengan pemilik usaha dan observasi langsung terhadap sesi TikTok Live. Hasil penelitian menunjukkan bahwa penggunaan TikTok Live mampu meningkatkan keterlibatan audiens dan berdampak positif pada penjualan. Oemar Batik mencatat kenaikan omzet sebesar 25% dengan dukungan affiliator aktif, Khalisa Batik sebesar 30% melalui konsistensi live dan pendekatan personal, sementara Kalisa Batik hanya 10% karena penjualan masih dominan di Shopee. Penelitian ini menunjukkan bahwa strategi konten yang kreatif, waktu tayang yang tepat, dan interaksi real-time menjadi kunci keberhasilan. TikTok Live terbukti efektif dalam memperkuat pemasaran digital dan mendorong pertumbuhan usaha UMKM secara berkelanjutan.
Analisis Komparatif Efisiensi Memori dan Waktu Komputasi pada 8 Algoritma Sorting menggunakan C++ Irfan Ali, Muhammad; Rangga Dzikri Fardiarsyah; Lukman Shodik; Fadilah Zahra Dwi Kinanti; Imam Prayogo Pujiono
LogicLink Vol. 2 No. 1, Juni 2025
Publisher : UIN K.H. Abdurrahman Wahid Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28918/logiclink.v2i1.10868

Abstract

This study aims to analyze the efficiency of computation time and memory allocation of eight sorting algorithms (Bubble Sort, Selection Sort, Insertion Sort, Quick Sort, Merge Sort, Heap Sort, Counting Sort, and Radix Sort) implemented in C++ programming language. The test dataset consists of three size categories: 100, 1,000, and 10,000 elements, randomly generated with values between 1 and 99. This range was chosen so that the tests are conducted under conditions of limited value and contain a lot of duplication, in order to support consistent efficiency evaluation. The research method involved generating datasets using the random array function, measuring execution time in nanoseconds, and monitoring memory usage through the WorkingSetSize metric. Each algorithm was tested three times on each category of data to ensure consistency of results. The results showed that Heap Sort achieved the fastest execution time on small data (101,266 nanoseconds for 100 elements), Counting Sort and Radix Sort excelled on medium data, while Counting Sort delivered the best performance on large data (1,483,166 nanoseconds for 10,000 elements). Counting Sort also demonstrated stable memory efficiency compared to the other algorithms, whereas Bubble Sort consistently exhibited the poorest performance across all scales. The research conclusion recommends Heap Sort for small-scale data, Counting Sort and Radix Sort for medium-scale data, and Counting Sort for large-scale data. The findings provide practical guidance for developers in selecting algorithms according to data scale and resource availability.
Co-Authors Imam Prayogo Pujiono Irfan Ali, Muhammad Lukman Shodik M. Hamdan Aldiansyah Muhammad Rikzam Kamal Mutiara Sofia Ramadhani Rangga Dzikri Fardiarsyah