Article Per Year (5 Year)
p-Index From 2021 - 2026
3.935
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Seminar Nasional Teknologi Informasi Komunikasi dan Industri Computer Based Information System Journal JURNAL TEKNOLOGI DAN OPEN SOURCE REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer Networks, Architecture and High Performance Computing JPM: JURNAL PENGABDIAN MASYARAKAT Journal of Computer Scine and Information Technology Jurnal IPTEK Bagi Masyarakat Jurnal Ipteks Terapan : research of applied science and education pendidikan, science, teknologi, dan ekonomi Jurnal Sains Informatika Terapan (JSIT) Jurnal Komtekinfo Sistem Pendukung Keputusan dengan Aplikasi The Indonesian Journal of Computer Science Jurnal Pustaka Robot Sister Mandala Bakti
Pradani Ayu Widya Purnama
Universitas Putra Indonesia YPTK Padang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Penerapan Metode Apriori untuk Pembelian di Minimarket Pradani Ayu Widya Purnama; Teri Ade Putra; Riandana Afira; Romi Wijaya
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 1 (2025): Volume 9 Nomor 1 Januari 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i1.14249

Abstract

Agar selalu dapat bertahan dalam persaingan bisnis ataupun minimarket, para pelaku bisnis minimarket harus terus mengembangkan bisnis mereka. Meningkatkan kualitas produk, penambahan jenis produk, pengurangan biaya operasional dan dilakukan analisis data adalah beberapa hal yang dapat ditingkatkan oleh pihak minimarket. Algoritma apriori adalah salah satu algortima terbaik dalam data mining, dengan menggunakan algoritma apriori dan metode market basket analisis ini, peneliti dapat memahami pola pembelian konsumen dengan menganalisis produk-produk yang dibeli. Penelitian ini menghasilkan sebanyak 4 aturan (aturan 1 : Jika pelanggan membeli Produk Susu, mereka cenderung membeli Produk Roti, aturan 2 : Jika pelanggan membeli Produk Roti, mereka cenderung membeli Produk Susu, aturan 3 : Jika pelanggan membeli Produk Roti dan Produk Chiki, mereka cenderung membeli Produk Susu, aturan 4 : Jika pelanggan membeli Produk Susu dan Produk Permen, mereka cenderung membeli Produk Roti). 4 aturan yang didapat tersebut dapat dijadikan sebagai salah satu referensi bagi pihak minimarket dalam mendukung keputusan untuk melakukan tindakan yang bisa meminimalisir terjadinya penumpukan barang.
Decision Support System for Prioritizing Economic Sectors for Regional Investment Using AHP-TOPSIS Nurmaliana Pohan; Pradani Ayu Widya Purnama; Nurfa Rahma Julita; Hana Afifah
Sistem Pendukung Keputusan dengan Aplikasi Vol 5 No 2 (2026)
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/spk.v5i2.1709

Abstract

The volatility of quarterly Gross Regional Domestic Product (GRDP) growth across economic sectors poses a significant challenge for regional governments in determining investment priorities. This study develops a decision support system (DSS) to rank investment priorities among economic sectors in West Sumatra Province using a hybrid Analytic Hierarchy Process–Technique for Order Preference by Similarity to Ideal Solution (AHP-TOPSIS) method. Five criteria were extracted from three dimensions of GRDP growth rates, namely C-to-C, Q-to-Q, and Y-on-Y, for 2024–2025: average C-to-C growth, average Y-on-Y growth, Q-to-Q stability (the inverse of standard deviation), latest quarter growth (Q4 2025), and positive consistency (the number of quarters with growth > 0). Criteria weights were determined through an AHP pairwise comparison questionnaire completed by regional economic experts, resulting in a consistency ratio (CR) of 0.015. The TOPSIS method was then applied to rank 17 economic sectors. The results show that the top five investment priorities are Government Administration, Defense, and Mandatory Social Security (O) = 0.711; Health Services and Social Activities (Q) = 0.671; Financial Services and Insurance (K) = 0.633; Other Services (R) = 0.594; and Real Estate (L) = 0.573. The system was implemented as an interactive dashboard using Python Streamlit. The ranking results are consistent with regional development conditions, as validated by experts. This DSS provides an objective, data-driven tool for regional investment policymaking.
Pengembangan Model Stacking Machine Learning Dengan Optimasi Hyperparameter Untuk Deteksi Serangan Malware Pada Server Elvira Sawitri; Nadya Alinda Rahmi; Ilmawati Rahmi; Pradani Ayu Widya Purnama
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.973

Abstract

Penelitian ini dilatarbelakangi oleh meningkatnya ancaman serangan malware yang mengganggu sistem server di lingkungan institusi pendidikan, termasuk Universitas Muhammadiyah Muara Bungo (UMMUBA). Server kampus menjadi pusat layanan akademik, administrasi, serta penyimpanan data penting, sehingga rentan terhadap gangguan keamanan yang disebabkan oleh aktivitas malware. Penanganan serangan ini tidak bisa lagi dilakukan secara manual karena keterbatasan waktu, sumber daya manusia, dan kompleksitas serangan yang terus berkembang. Oleh karena itu, dibutuhkan suatu sistem deteksi malware yang dapat bekerja secara otomatis, akurat, real-time, dan mudah dioperasikan oleh pengguna non-teknis. Penelitian ini bertujuan untuk mengembangkan model stacking machine learning dengan algoritma Naive Bayes (Gaussian, Multinomial, Bernoulli, Complement) sebagai base learners dan Logistic Regression sebagai meta learner. Untuk mengatasi masalah ketidakseimbangan data antara kelas malware dan non-malware, digunakan teknik SMOTE (Synthetic Minority Over-sampling Technique). Selain itu, performa model ditingkatkan dengan optimasi hyperparameter menggunakan GridSearchCV, sehingga diperoleh konfigurasi terbaik. Penelitian dilakukan melalui beberapa tahap, mulai dari pengumpulan dan pelabelan data dari log server UMMUBA, preprocessing data, pelatihan model dasar, pengembangan arsitektur stacking, evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, hingga implementasi ke dalam antarmuka aplikasi web berbasis Streamlit. Aplikasi ini memungkinkan pengguna untuk mengunggah file log dan mendapatkan hasil klasifikasi serta visualisasi performa model secara langsung. Hasil penelitian diharapkan mampu memberikan solusi nyata untuk deteksi malware pada server institusi pendidikan.
Prediksi Status Kelulusan Mahasiswa pada Mata Kuliah Big Data Berdasarkan Kehadiran dan Nilai Akademik Menggunakan Algoritma Naïve Bayes Adiddo Restiady; Pradani Ayu Widya Purnama; Nadya Alinda Rahmi
Jurnal Pustaka Robot Sister (Jurnal Pusat Akses Kajian Robotika, Sistem Tertanam, dan Sistem Terdistribusi) Vol 4 No 2 (2026): Jurnal Pustaka Robot Sister (Pusat Akses Kajian Robotika, Sistem Tertanam, dan Si
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakarobotsister.v4i2.1936

Abstract

Prediksi status kelulusan mahasiswa merupakan salah satu upaya yang dapat dilakukan untuk membantu proses evaluasi akademik dan pengambilan keputusan dalam lingkungan pendidikan. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes dalam mengklasifikasikan status kelulusan mahasiswa berdasarkan data akademik yang meliputi Kehadiran, Nilai Tugas, Nilai Kuis, Nilai Ujian Tengah Semester (UTS), dan Nilai Ujian Akhir Semester (UAS). Dataset yang digunakan terdiri dari 15 data mahasiswa dengan dua kategori kelas, yaitu Lulus dan Tidak Lulus. Proses penelitian dilakukan melalui tahapan pengumpulan data, perhitungan probabilitas prior, perhitungan probabilitas kondisional setiap atribut, serta penentuan probabilitas posterior menggunakan metode Naive Bayes yang diimplementasikan pada Google Colab menggunakan bahasa pemrograman Python. Hasil perhitungan terhadap data mahasiswa yang diuji dengan atribut Kehadiran Tinggi, Nilai Tugas Sedang, Nilai Kuis Tinggi, Nilai UTS Tinggi, dan Nilai UAS Tinggi menunjukkan nilai probabilitas P(Lulus|X) sebesar 0,0428 dan P(Tidak Lulus|X) sebesar 0,0000. Berdasarkan hasil tersebut, mahasiswa diklasifikasikan ke dalam kategori Lulus karena memiliki probabilitas yang lebih tinggi dibandingkan kategori Tidak Lulus. Selain itu, hasil pengujian model menunjukkan tingkat akurasi sebesar 100%, yang mengindikasikan bahwa model mampu mengklasifikasikan data dengan sangat baik pada dataset yang digunakan. Dengan demikian, algoritma Naive Bayes dapat digunakan sebagai metode klasifikasi yang efektif untuk membantu memprediksi status kelulusan mahasiswa berdasarkan data akademik yang tersedia.
Penerapan Sistem Pendukung Keputusan untuk Strategi Digital Marketing Menggunakan AHP dan EDAS Pradani Ayu Widya Purnama; Indra Irawan; Nadya Alinda Rahmi; Desi Ardila; Kaila Azahra; Mutiara Sakinah
Sistem Pendukung Keputusan dengan Aplikasi Vol 4 No 1 (2025)
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/spk.v4i1.1098

Abstract

Pemasaran digital merupakan elemen penting dalam strategi bisnis modern, namun efektivitasnya sangat dipengaruhi oleh tren pasar, preferensi pelanggan, dan efisiensi iklan. Penelitian ini bertujuan mengoptimalkan strategi digital marketing di Toko Sumber Perabot dan Elektronik dengan menggunakan Sistem Pendukung Keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) dan Evaluation based on Distance from Average Solution (EDAS). Metode AHP digunakan untuk menentukan bobot prioritas tiap kriteria pemasaran, sedangkan EDAS digunakan untuk merangking alternatif strategi berdasarkan jaraknya dari solusi rata-rata. Hasil penelitian menunjukkan bahwa strategi iklan di media sosial berbasis tren pasar memperoleh peringkat tertinggi dengan skor akhir 0,931, menandakan efektivitas yang lebih tinggi dibanding alternatif lainnya. Pendekatan ini membantu toko meningkatkan daya saing dan efisiensi pemasaran digital. Selain itu, metode AHP-EDAS terbukti mengurangi subjektivitas dalam pengambilan keputusan dan memberikan wawasan yang lebih akurat dalam menentukan strategi pemasaran yang optimal.
Co-Authors Adiddo Restiady Adiddo Restiady Alfin Andika Putra Ariandi, Vicky Aulia Fitrul Hadi Ayu Mahessya, Raja Dari, Rahmatia Wulan Desi Ardila Dheatri Agrema Elvira Sawitri Fazri, Ahmad Harya Febri Hadi Hadi, Aulia Fitrul Hana Afifah Harlan Kurnia AR Ilmawati Ilmawati Rahmi Indra Irawan Kaila Azahra Kurnia AR, Harlan Lusinia, Shary Armonitha Muhammad, Abulwafa Mutiara Sakinah Nadya Alinda Rahmi Nurfa Rahma Julita Ondra Eka Putra Pohan, Nurmaliana Rahman, Sepsa Nur Rahmi, Nadya Alinda Reza Suriadinata Riandana Afira Sopi Sapriadi Teri Ade Putra Wijaya, Romi Yesri Elva