Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal bit-Tech REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer
Sofiana Nurjanah
Universitas Mikroskil
Computer Science & IT Decision Sciences, Operations Research & Management Education

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

Found 2 Documents
Search

 1 
Menguji Pengaruh Kualitas Integrasi dalam Model Kesuksesan Sistem Informasi Studi Kasus: Platform E-Commerce Rizky Damayanti Ritonga; Erwin Setiawan Panjaitan; Sofiana Nurjanah
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 2 (2025): Volume 9 Nomor 2 April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i2.14565

Abstract

E-commerce adalah proses transaksi jual beli yang dilakukan secara online menggunakan teknologi digital atau internet. Teknologi ini menghubungkan perusahaan, konsumen, dan masyarakat untuk memfasilitasi transaksi online, penjualan, dan pemasaran. Salah satu elemen penting dalam e-commerce adalah kualitas integrasi, yang memastikan berbagai subsistem atau komponen bekerja secara efektif dan efisien. Penelitian ini bertujuan menguji pengaruh kualitas integrasi terhadap kesuksesan sistem informasi e-commerce di Medan, menggunakan model DeLone and McLean. Survei dilakukan terhadap 406 pengguna, dan dianalisis dengan Structural Equation Modeling (SEM) menggunakan SmartPLS. Hasilnya menunjukkan bahwa kualitas informasi, kualitas sistem, dan kepuasan pengguna berpengaruh positif dan signifikan terhadap intensitas penggunaan. Selain itu, kualitas layanan dan kualitas integrasi juga berpengaruh positif dan signifikan terhadap kepuasan pengguna. Namun, kualitas layanan dan kualitas integrasi tidak mempengaruhi intensitas penggunaan, sementara kualitas informasi dan kualitas sistem tidak mempengaruhi kepuasan pengguna e-commerce di kota Medan.
Analisis Clustering Menggunakan Metode Enhanced Fuzzy C-Means Clustering Dengan Algoritma Rock Pada Student Performance Dataset Sirmawan Agustinus Balsnimandra Telaumbanua; Farisya Setiadi; Sofiana Nurjanah
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2287

Abstract

Evaluasi kinerja siswa merupakan elemen penting dalam sistem pendidikan, khususnya dalam mendukung proses pembelajaran yang berbasis data dan pengambilan keputusan akademik. Salah satu metode yang umum digunakan dalam analisis performa siswa adalah algoritma Fuzzy C-Means Clustering (FCM), yang memungkinkan klasifikasi data berdasarkan derajat keanggotaan dalam lebih dari satu cluster. Meskipun demikian, FCM memiliki keterbatasan signifikan, khususnya pada aspek sensitivitas terhadap inisialisasi pusat cluster yang bersifat acak, konvergensi lambat, serta ketidakpastian terhadap solusi optimal global. Penelitian ini mengusulkan pendekatan hybrid dengan mengintegrasikan algoritma ROCK (Robust Clustering using Links) sebagai metode inisialisasi pusat cluster dalam FCM. Algoritma ROCK, yang dirancang untuk data kategorikal, menggunakan pendekatan link-based similarity dalam menentukan kemiripan antar data dan membentuk struktur awal cluster secara hierarkis dan lebih stabil. Dataset yang digunakan dalam penelitian ini adalah Student Performance Dataset dari UCI Machine Learning Repository, yang mencerminkan berbagai atribut sosial, akademik, dan demografis siswa. Hasil pengujian menunjukkan bahwa model hybrid ROCK-FCM menghasilkan peningkatan kinerja clustering yang signifikan dibandingkan FCM konvensional, dengan akurasi meningkat sebesar 9,54%, Rand Index sebesar 10,84%, dan F-measure sebesar 8,61%. Temuan ini mengindikasikan bahwa integrasi ROCK dalam proses inisialisasi FCM memberikan kontribusi nyata dalam meningkatkan akurasi pengelompokan dan stabilitas model pada data pendidikan. Penelitian ini berkontribusi pada pengembangan pendekatan educational data mining yang lebih adaptif dan presisi dalam memetakan performa siswa.
Co-Authors Erwin Setiawan Panjaitan Farisya Setiadi Rizky Damayanti Ritonga Sirmawan Agustinus Balsnimandra Telaumbanua