Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal MATHunesa: Jurnal Ilmiah Matematika
Karina Auralia
Unknown Affiliation
Mathematics

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

Found 2 Documents
Search

 1 
Klasterisasi Kabupaten/Kota di Provinsi Jawa Tengah berdasarkan Komponen Indeks Pembangunan Manusia Menggunakan Metode UMAP dan K-MEANS Difta Alzena Sakhi; Friza Nur Fatmala; Karina Auralia; Alfan Rizaldy Pratama; Aviolla Terza Damaliana
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Ketimpangan pembangunan manusia di Provinsi Jawa Tengah tetap menjadi tantangan besar yang memerlukan pendekatan berbasis data. Penelitian ini mengelompokkan kabupaten/kota berdasarkan komponen Indeks Pembangunan Manusia (IPM) tahun 2019–2024 menggunakan algoritma K-Means. Variabel yang dianalisis meliputi Usia Harapan Hidup, Harapan Lama Sekolah, Rata-Rata Lama Sekolah, dan Pengeluaran per Kapita. Data diproses melalui tahapan penting, seperti standarisasi, deteksi outlier, dan reduksi dimensi menggunakan Uniform Manifold Approximation and Projection (UMAP), serta penentuan jumlah klaster optimal dengan Elbow Method dan Silhouette Score. Hasil analisis menunjukkan empat klaster optimal dengan nilai Silhouette Score sebesar 0,71, yang mengelompokkan data tahunan seluruh kabupaten/kota ke dalam kelompok-kelompok dengan tingkat pembangunan manusia yang berbeda secara signifikan. Klaster dengan nilai IPM tertinggi terdiri dari kota-kota besar, seperti Semarang, Salatiga, dan Surakarta, sementara klaster terendah mencakup wilayah yang masih menghadapi berbagai kendala dalam aspek kesehatan, pendidikan, dan ekonomi. Visualisasi UMAP membantu interpretasi distribusi klaster dan memberikan masukan strategis bagi kebijakan pembangunan wilayah yang lebih merata. Kata Kunci: klasterisasi, indeks pembangunan manusia, K-Means, UMAP, Jawa Tengah
Analisis Sentimen Pada Komentar Aplikasi Sehat Indonesiaku Menggunakan Metode Machine Learning Dan Klasifikasi Positif-Negatif Nabila Yudhitya Larasati; Marthalia Kusumarima; Karina Auralia; Shindi Shella May Wara; Aviolla Terza Damaliana
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Perkembangan aplikasi kesehatan digital seperti Aplikasi Sehat Indonesiaku (ASIK) memerlukan pemahaman terhadap persepsi pengguna guna meningkatkan kualitas layanan. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen terhadap komentar pengguna ASIK di Google Play Store. Sebanyak 1.053 komentar dikumpulkan melalui teknik web scraping, lalu diproses menggunakan tahapan normalisasi, case folding, stemming, penghapusan stopwords, dan pembobotan TF-IDF. Visualisasi word cloud digunakan untuk mengidentifikasi kata-kata dominan dalam komentar positif dan negatif. Proses klasifikasi sentimen dilakukan dengan tiga algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan Logistic Regression. Hasil analisis menunjukkan bahwa komentar positif banyak memuat kata seperti “mudah” dan “bermanfaat”, sementara komentar negatif didominasi oleh kata “perbaiki” dan “lama”. Model Gradient Boosting menunjukkan performa terbaik dengan accuracy sebesar 87,83%, precision 87,47%, dan F1-Score 87,31%. Temuan ini menggambarkan persepsi publik terhadap ASIK serta menyoroti pentingnya perbaikan teknis guna meningkatkan kepuasan pengguna terhadap layanan digital pemerintah.
Co-Authors Alfan Rizaldy Pratama Aviolla Terza Damaliana Difta Alzena Sakhi Friza Nur Fatmala Marthalia Kusumarima Nabila Yudhitya Larasati Shindi Shella May Wara