Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JUSTIN (Jurnal Sistem dan Teknologi Informasi) Pengabdian Kepada Masyarakat Indonesia SEAN (ABDIMAS SEAN)
Salsabila, Nurul Jannah
Unknown Affiliation
Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Nursing Public Health

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

Found 2 Documents
Search

 1 
SOSIALISASI DAN PENDAMPINGAN PENGGUNAAN QRIS SEBAGAI ALAT PEMBAYARAN BAGI UMKM DI KELURAHAN PANINGGILAN, CILEDUG Lidia, Weni Okta; Salsabila, Nurul Jannah; Suprapto, Indra Setiadi; Asmita, Deni Yuli; Nofryanti, Nofryanti
Pengabdian Kepada Masyarakat Indonesia SEAN (ABDIMAS SEAN) Vol. 3 No. 01 (2025): Pengabdian Kepada Masyarakat Indonesia SEAN (ABDIMAS SEAN), Februari 2025
Publisher : SEAN Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Digitalisasi pembayaran menjadi kunci penting dalam peningkatan efisiensi dan daya saing UMKM di era modern. Program Pengabdian kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan pemahaman dan kemampuan teknis pelaku UMKM di Kelurahan Peninggilan, Ciledug dalam menggunakan Quick Response Code Indonesian Standard (QRIS) sebagai alat pembayaran digital. Melalui sosialisasi, pelatihan, dan pendampingan langsung, program ini mengatasi kendala utama seperti rendahnya literasi digital dan kesulitan teknis pendaftaran QRIS. Hasil evaluasi menunjukkan peningkatan signifikan dalam pemahaman dan kesiapan UMKM mengadopsi transaksi non-tunai. Partisipasi aktif aparat kelurahan, perbankan, dan komunitas UMKM mendukung keberhasilan program. Meskipun terdapat kendala seperti akses internet terbatas, pendampingan berkelanjutan dan penguatan infrastruktur digital diperlukan untuk memastikan pemanfaatan QRIS yang optimal. Program ini berkontribusi pada inklusi keuangan dan digitalisasi UMKM, mendukung pertumbuhan ekonomi lokal yang berkelanjutan.
Eksistensi Metode ARIMA, SARIMA dan LSTM dalam Memprediksi Penjualan Salsabila, Nurul Jannah; Gata, Windu
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.76892

Abstract

Prediksi penjualan merupakan fondasi strategis bagi keberlangsungan bisnis karena ketidakakuratan peramalan dapat menimbulkan kerugian signifikan akibat pengelolaan stok yang tidak optimal dan alokasi sumber daya yang kurang tepat. Penelitian ini bertujuan menganalisis dan membandingkan performa tiga metode berbeda dalam memprediksi penjualan harian: ARIMA (Autoregressive Integrated Moving Average), SARIMA (Seasonal Autoregressive Integrated Moving Average), dan LSTM (Long Short-Term Memory Network). Dataset yang digunakan mencakup data penjualan harian Golden Lamian selama tiga tahun (2020-2022) dengan total 1.916 sampel data. Metodologi penelitian mengikuti kerangka CRISP-DM yang terdiri dari enam tahapan sistematis. Eksperimen menggunakan parameter ARIMA (3,0,3), SARIMA (0,0,1) dengan seasonal order (1,1,2), dan arsitektur LSTM standar. Evaluasi performa menggunakan lima metrik: MSE, RMSE, MAE, MAPE, dan R ². Hasil penelitian menunjukkan bahwa LSTM mengungguli kedua metode lainnya dengan nilai RMSE 0.144, R ² 0.785, dan MSE 13.954. Sebaliknya, SARIMA menunjukkan performa terlemah dengan RMSE 0.235 dan R ² 0.372, yang disebabkan oleh ketidakkonsistenan pola musiman akibat dampak pandemi COVID-19. Temuan ini mengindikasikan bahwa metode deep learning seperti LSTM lebih robust dalam menangani fluktuasi data yang ekstrem dan memberikan akurasi prediksi yang lebih baik untuk implementasi bisnis praktis.
Co-Authors Asmita, Deni Yuli Gata, Windu Lidia, Weni Okta Nofryanti, Nofryanti Suprapto, Indra Setiadi