Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Ekonomi Manajemen Sistem Informasi
Fathiyaturrahmi, Laila
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Complexity Invariant Distance (CID) dan Dynamic Time Warping (DTW) dalam Analisis Klaster Deret Waktu pada Nilai Tukar Petani di Indonesia Fathiyaturrahmi, Laila; Andriano; Almiatus Soleha, Harista; Dwi Prastyo, Dedy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Analisis klaster yang merupakan bagian dari data mining yang membagi data kedalam beberapa kelompok berdasarkan kedekatan karakteristik tertentu. Konsep utama dalam klaster adalah memaksimalkan kedekatan data di dalam klaster dan meminimalkan kesamaan data antar klaster. Analisis klaster juga bisa digunakan pada berbagai jenis data termasuk data deret waktu.  Pengukuran kesamaan menjadi hal yang utama pada analisis klaster. Metode yang bisa digunakan dalam pengukuran jarak yaitu Complexity Invariant Distance (CID) dan Dynamic Time Warping (DTW). Analisis pengukuran jarak CID dan DTW dapat digunakan pada pengelompokkan data deret waktu salah satunya pada data Nilai Tukar Petani (NTP). NTP dapat menggambarkan daya beli petani karena diperoleh dari perbandingan indeks harga yang diterima petani dibandingkan dengan yang harus dibayarnya, atau dapat dinyatakan sebagai kemampuan petani dalam memnuhi kebutuhan sehari-hari dari hasil pertanian. Sehingga dilakukan analisis untuk membandingkan metode pengukuran jarak CID dan DTW pada klastering data deret waktu pada nilai tukar petani pada 34 Provinsi di Indonesia. Hasil analisis yang diakukan menunjukkan klaster terbaik adalah pengklasteran dengan banyak klaster dua (k=2) menggunakan ukuran jarak CID terlihat dari nilai silhouette 0.8776 yang lebih tinggi dibandingkan klaster lain. Dimana klaster satu terdiri dari 25 Provinsi dan klaster dua terdiri dari 9 Provinsi.   Abstract Cluster analysis is a part of data mining which divides data into several groups based on the proximity of certain characteristics. The main concept in clusters is to maximize data similarity within clusters and minimize data similarity between clusters. Cluster analysis can also be used on various types of data, including time series data. Measuring similarity is the main thing in cluster analysis. The methods that can be used to measure distance are Complexity Invariant Distance (CID) and Dynamic Time Warping (DTW). CID and DTW distance measurement analysis can be used to group time series data, one of which is Farmer’s Terms of Trade (NTP) data. The farmer's terms of trade is a ratio between the price index received by farmers and the price index paid by farmers. In general, it can be interpreted as the farmer's ability to meet their daily needs through agricultural products. So an analysis was carried out to compare the CID and DTW distance measurement methods in clustering time series data on farmer’s terms of trade according to 34 provinces in Indonesia. The results of this analysis show that the best cluster is clustering with two clusters (k=2) using the CID distance measure because it has the highest silhouette coefficient value, namely 0.8776. Where cluster one consists of 25 provinces and cluster two consists of 9 provinces.
Implementasi Sistem CRM Berbasis Cloud Spreadsheet untuk Mendukung Layanan Penerimaan Mahasiswa Baru (Studi Kasus: Bagian Admisi Universitas AKPRIND Indonesia) Hidayati, Fika; Sutanta, Edhy; Iswahyudi, Catur; Fatika, Inggit; Fathiyaturrahmi, Laila
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 7 No. 4 (2026): Jurnal Ekonomi Manajemen Sistem Informasi (Maret - April 2026)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v7i4.7655

Abstract

Universitas AKPRIND Indonesia menghadapi tantangan dalam pengelolaan data pendaftar pada proses penerimaan mahasiswa baru akibat penggunaan metode manual yang kurang efektif dan berpotensi menyebabkan keterlambatan pelayanan. Penelitian ini bertujuan untuk menganalisis efektivitas implementasi Customer Relationship Management (CRM) berbasis cloud spreadsheet dalam meningkatkan efisiensi layanan admisi. Metode yang digunakan meliputi observasi alur kerja, analisis dashboard CRM, wawancara dengan staff pengguna sistem, serta uji statistik non-parametrik Mann-Whitney U untuk membandingkan durasi proses pendaftaran sebelum dan sesudah penerapan CRM. Hasil penelitian menunjukkan bahwa sistem CRM mampu mendukung pencatatan data secara terstruktur, mempercepat alur pelayanan, serta memberikan akses informasi secara real-time. Respon pengguna pada wawancara juga mengindikasikan peningkatan kemudahan operasional dan kualitas pelayanan kepada calon mahasiswa. Secara kuantitatif, uji statistik menghasilkan signifikansi 0,032 <0,05 yang menunjukkan adanya perbedaan bermakna pada waktu pelayanan sebelum dan sesudah penerapan CRM, dengan Mean Rank yang lebih rendah pada kelompok CRM. Dengan demikian, penerapan CRM terbukti efektif dalam meningkatkan efisiensi proses penerimaan mahasiswa baru dan mendukung pengambilan keputusan berbasis data di lingkungan admisi Universitas AKPRIND Indonesia.
Co-Authors Almiatus Soleha, Harista Andriano Catur Iswahyudi Dwi Prastyo, Dedy Edhy Sutanta (Jurusan Teknik Informatika IST AKPRIND Yogyakarta) Fatika, Inggit Hidayati, Fika