Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Media Informatika Jurnal Informatika Teknologi dan Sains (Jinteks)
Ananda, Michael
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
PREDIKSI KECENDERUNGAN PELANGGAN UNTUK BERLANGGANAN DALAM E-COMMERCE MENGGUNAKAN METODE KNN BERBASIS PERILAKU TRANSAKSI Anastasya, Amara; Br Tarigan, Evi Morina; Nabila, Salwa; Ananda, Michael
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6461

Abstract

Penelitian ini bertujuan untuk memprediksi kecenderungan pelanggan untuk berlangganan layanan e-commerce dengan menerapkan algoritma K-Nearest Neighbor (KNN). Permasalahan customer churn yang berdampak pada keberlangsungan bisnis diatasi melalui pendekatan klasifikasi berbasis perilaku transaksi pelanggan. Dataset yang digunakan mencakup variabel seperti total pembelian, frekuensi transaksi, harga rata-rata, kategori produk, dan metode pembayaran. Untuk memecahkan masalah ini, data diproses melalui tahapan pembersihan, one-hot encoding, dan normalisasi min-max sebelum dibagi menjadi data latih (80%) dan uji (20%). Model KNN dikembangkan dengan nilai k = 5, dan dievaluasi menggunakan metrik akurasi, precision, recall, serta F1-score. Hasil menunjukkan akurasi 91%, precision 0,89, recall 0,87, dan F1-score 0,88, menegaskan efektivitas KNN dalam mengklasifikasikan pelanggan yang berpotensi churn. Fitur total pembelian dan frekuensi transaksi tercatat paling berpengaruh terhadap keputusan berlangganan. Temuan ini memberikan dasar bagi pengelola e-commerce untuk menyusun strategi retensi pelanggan yang lebih terarah, dengan memanfaatkan segmentasi serta penawaran yang dipersonalisasi. Penelitian ini juga menyoroti pentingnya kualitas data dan pemilihan parameter k yang tepat untuk meningkatkan performa prediksi.
PENINGKATAN CITRA CCTV MALAM MENGGUNAKAN METODE GAMMA CORRECTION ADAPTIF DAN BILATERAL FILTER Hia, Charistian; Megawati, Enjelina; Matondang, Ahmad Fauzi; Ananda, Michael
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.7071

Abstract

Kualitas citra CCTV pada kondisi pencahayaan rendah cenderung mengalami penurunan kecerahan, peningkatan noise, serta hilangnya detail sehingga menyulitkan proses identifikasi objek. Penelitian ini bertujuan untuk meningkatkan kualitas citra CCTV malam menggunakan kombinasi metode gamma correction adaptif dan bilateral filter. Gamma correction adaptif diterapkan untuk meningkatkan kecerahan citra secara proporsional, sedangkan bilateral filter digunakan untuk mereduksi noise tanpa menghilangkan detail tepi. Evaluasi kualitas citra dilakukan menggunakan metrik PSNR, SSIM, dan MSE serta didukung analisis histogram dan heatmap SSIM. Hasil penelitian menunjukkan bahwa metode yang diusulkan mampu meningkatkan kecerahan citra secara lebih merata, mempertahankan struktur tepi, dan menurunkan kesalahan rekonstruksi dibandingkan citra asli. Dengan kompleksitas komputasi yang ringan, metode ini efektif diterapkan pada sistem CCTV dengan sumber daya komputasi terbatas. Kata kunci disusun berdasarkan alfabetis.
Co-Authors Anastasya, Amara Br Tarigan, Evi Morina Hia, Charistian Matondang, Ahmad Fauzi Megawati, Enjelina Nabila, Salwa