Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JAAKFE UNTAN ( (Jurnal Audit Dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura) Journal of Educational Science and E-Learning
Aryanda, Hafiz
Unknown Affiliation
Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences Other

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

Found 2 Documents
Search

 1 
Analisis Prediktif terhadap Perilaku Nasabah Bank Menggunakan Metode K-Nearest Neighbor (KNN) sebagai Pendukung Pengambilan Keputusan Keuangan Fuady, Ahmad Fariz; Aryanda, Hafiz; Amsyah, Dwiky Oldi; Syahputra, Alwi; Anhar, Muhammad Ali
JAAKFE UNTAN (Jurnal Audit dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura) Vol 14, No 2 (2025): Jurnal Audit dan Akuntansi Fakultas Ekonomi Universitas Tanjungpura
Publisher : Jurusan Akuntansi, Fakultas Ekonomi dan Bisnis, Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jaakfe.v14i2.101097

Abstract

Perkembangan teknologi informasi telah mendorong lembaga keuangan untuk mengoptimalkan strategi pemasaran berbasis data. Penelitian ini bertujuan untuk menganalisis efektivitas kampanye pemasaran bank dalam meningkatkan potensi dana deposito nasabah dengan menerapkan algoritma K-Nearest Neighbor (KNN) pada proses data mining. Dataset yang digunakan merupakan data kampanye pemasaran langsung dari sebuah institusi perbankan di Portugal, yang mencakup informasi nasabah, hasil kontak pemasaran, serta keputusan berlangganan deposito berjangka (term deposit). Melalui proses klasifikasi, algoritma KNN digunakan untuk mengelompokkan nasabah berdasarkan kecenderungan berpartisipasi pada produk deposito. Penelitian ini difokuskan pada tahap pemodelan dan evaluasi performa model menggunakan pengukuran akurasi. Hasil pengujian menunjukkan bahwa metode KNN memiliki tingkat akurasi yang baik dalam mengklasifikasikan nasabah potensial, sehingga berpotensi digunakan sebagai alat bantu dalam analisis perilaku konsumen dan perencanaan strategi pemasaran. Temuan ini diharapkan dapat menjadi dasar pengembangan model prediksi yang lebih lanjut untuk mendukung pengambilan keputusan keuangan yang lebih efektif di sektor perbankan.
Analisis Performa CNN Berbasis MobileNetV2 pada Dataset Citra Dokumen Laporan Praktikum Aryanda, Hafiz; Harahap, Lailan Sofinah; Aptanta, Dimas Aqila
Journal of Educational Science and E-Learning Vol. 2 No. 2 (2025): Desember
Publisher : CV Rena Cipta Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62354/jese.v2i2.44

Abstract

Penelitian ini bertujuan untuk menganalisis performa CNN berbasis MobileNetV2 dalam klasifikasi citra dokumen laporan praktikum. Pendekatan yang digunakan adalah transfer learning dengan bobot pra-latih dari ImageNet, serta fine-tuning pada lapisan atas untuk menyesuaikan model terhadap karakteristik dokumen akademik. Dataset terdiri dari ribuan citra dokumen yang telah melalui tahap pra-pemrosesan berupa resizing, normalisasi, dan augmentasi. Hasil eksperimen menunjukkan bahwa pada baseline, akurasi validasi mencapai 64,88% namun akurasi evaluasi manual hanya 10,54%, menandakan adanya masalah domain gap dan kesulitan separasi antar kelas. Fine-tuning meningkatkan akurasi validasi training menjadi 70,43%, tetapi akurasi evaluasi biner justru menurun menjadi 47,50%, sehingga performa model tetap rendah. Temuan ini menegaskan bahwa CNN kurang tepat untuk tugas validasi kepatuhan dokumen yang membutuhkan analisis semantik dan aturan tata letak yang kompleks serta dinamis. Sebagai solusi, integrasi OCR dengan rule-based validation direkomendasikan karena mampu memberikan akurasi lebih tinggi, interpretasi jelas, serta umpan balik detail sesuai pedoman penulisan akademik modern.
Co-Authors Amsyah, Dwiky Oldi Anhar, Muhammad Ali Aptanta, Dimas Aqila Fuady, Ahmad Fariz Harahap, Lailan Sofinah Syahputra, Alwi