Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Ambarwati, Niken Ayu
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Analisis Transaksi Tunai Harian Kenna Cell Menggunakan Machine Learning: Kenna Cell Daily Cash Transaction Analysis System Using Machine Learning Ambarwati, Niken Ayu; Utomo, Andy Prasetyo; Supriyono, Supriyono
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.3063

Abstract

Analisis transaksi tunai harian menjadi kebutuhan penting bagi UMKM yang mencatat transaksi melalui berbagai metode pembayaran digital. Kenna Cell mengelola 13.289 catatan transaksi pada delapan metode pembayaran, sehingga pemilik usaha membutuhkan analisis harian yang terstruktur untuk mengantisipasi arus keluar dan tingkat kepadatan transaksi. Penelitian ini bertujuan membangun sistem berbasis machine learning yang membersihkan data transaksi tunai, menyusun panel harian, memperkirakan nominal outflow pada hari berikutnya, dan mengelompokkan kepadatan transaksi ke dalam kategori rendah, sedang, dan tinggi. Alur penelitian mengikuti CRISP-DM melalui tahap pemahaman data, pembersihan data, feature engineering, pelatihan berbasis urutan waktu, evaluasi, dan prediksi. Tahap persiapan menghasilkan 13.289 transaksi rapi dan 3.904 data harian dengan 41 indikator. XGBoost, LightGBM, dan CatBoost dibandingkan pada tugas regresi dan klasifikasi menggunakan MAE, RMSE, MAPE, R2, akurasi, presisi, recall, F1-Score Macro, dan F1-Score Weighted. CatBoost Regressor menghasilkan kesalahan terendah dengan RMSE Rp 3.534.296,59 dan MAPE 14,50%, sedangkan CatBoost Classifier memberikan keseimbangan kelas terbaik dengan akurasi 0,8066 dan F1-Score Macro 0,7713. Kebaruan penelitian terletak pada integrasi pembentukan panel harian, regresi nominal hari berikutnya, klasifikasi kepadatan transaksi, dan prediksi berdasarkan metode pembayaran dalam satu workflow operasional berbasis web untuk UMKM. Informasi yang dihasilkan mendukung persiapan likuiditas harian secara lebih terarah, dengan tetap memerlukan verifikasi manajerial
Co-Authors Andy Prasetyo Utomo Supriyono Supriyono