Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informatika dan Komputer Jurnal Sains Teknologi dan Sistem Informasi Data Sciences Indonesia (DSI) Jurnal Informatika Polinema (JIP) Jurnal Pengabdian Masyarakat Indonesia (JPMI)
Kiki Mustaqim
Universitas Logistik dan Bisnis Internasional
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Library & Information Science Physics Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Penerapan Algoritma Apriori untuk Rekomendasi Produk dalam Rangka Peningkatan Hasil Penjualan KUD Sarwa Mukti Cisarua Fatia Amalia Maresti; Woro Isti Rahayu; Kiki Mustaqim; Muhammad Vito Aristawidya; Laode Muhammad Aznur Syahfajar
Jurnal Pengabdian Masyarakat Indonesia (JPMI) Vol. 2 No. 3 (2025): Februari
Publisher : Publikasi Inspirasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62017/jpmi.v2i3.4031

Abstract

Koperasi Unit Desa (KUD) Sarwa Mukti merupakan salah satu koperasi produksi susu sapi perah yang masih aktif beroperasi di Cisarua, Kabupaten Bandung Barat, Jawa Barat.  Secara umum, program bertujuan untuk menerapkan strategi peningkatan penjualan produk KUD Sarwa Mukti, dengan menampilkan dashboard visualisasi hasil penjualan produk dan menerapkan rekomendasi sistem pemesanan produk menggunakan Algoritma Apriori. Algoritma Apriori adalah teknik dalam data mining untuk menemukan aturan asosiasi dalam dataset besar, dengan fokus pada item-item yang sering muncul bersama dalam transaksi. Hasil analisis menunjukkan bahwa produk berbasis susu, seperti Susu Murni dan Milk Shake Ice Cream, memiliki tingkat pembelian tinggi dan sering dibeli bersamaan dengan produk lain seperti Pisang Keju dan Roti Kukus. Dengan nilai lift rata-rata sebesar 1.53, ditemukan keterkaitan kuat antara beberapa produk, yang dapat dimanfaatkan untuk strategi bundling dan promosi. Penerapan association rules menghasilkan 180 aturan asosiasi yang menunjukkan hubungan positif antara produk antecedents dan consequents. Aturan dengan nilai lift tertinggi menunjukkan kecenderungan kuat bagi pelanggan untuk membeli produk secara bersamaan, seperti pada kombinasi Puding Sumur dan Pisang Kipas.
Model Prediksi Churn Pelanggan Indibiz Menggunakan Regresi Logistik dan Extreme Gradient Boosting (XGBoost) Aulia Rahmadiva Wardana; Woro Isti Rahayu; Kiki Mustaqim
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9377

Abstract

Kebutuhan digitalisasi yang semakin pesat mendorong PT. Telekomunikasi Indonesia (Persero) Tbk menghadirkan IndiBiz sebagai layanan internet berbasis fiber untuk mendukung transformasi digital UMKM. Namun, meningkatnya persaingan industri telekomunikasi menimbulkan risiko churn pelanggan yang berpotensi menurunkan pendapatan dan loyalitas. Penelitian ini bertujuan membangun dan membandingkan model prediksi churn menggunakan Regresi Logistik dan Extreme Gradient Boosting (XGBoost), mengidentifikasi tingkat risiko churn pelanggan, serta mengembangkan dashboard interaktif berbasis Streamlit sebagai pendukung pengambilan keputusan. Metode yang digunakan adalah klasifikasi biner pada data pelanggan IndiBiz dengan evaluasi menggunakan akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa XGBoost memiliki performa lebih baik dengan akurasi 83%, recall 0,58, dan F1-score yang lebih tinggi dibandingkan Regresi Logistik (akurasi 81% dan recall 0,56). Namun, nilai precision yang sangat tinggi dan recall yang relatif rendah pada kedua model mengindikasikan kecenderungan model yang konservatif serta kemungkinan ketidakseimbangan kelas, sehingga masih terdapat pelanggan churn yang tidak terdeteksi. Model XGBoost mengelompokkan pelanggan ke dalam kategori risiko churn tinggi (14.255 pelanggan), sedang (3.418 pelanggan), dan rendah (889 pelanggan). Interpretasi menggunakan SHAP menunjukkan bahwa Lama_Berlangganan_Bulan, PAKET_DIGI, dan STO merupakan faktor utama yang memengaruhi churn. Implementasi model dalam dashboard berbasis Streamlit memungkinkan eksplorasi data dan prediksi secara interaktif. Penelitian ini berkontribusi dalam mendukung strategi retensi pelanggan berbasis data, meskipun masih diperlukan pengembangan lebih lanjut untuk meningkatkan kemampuan deteksi churn.
Analisis Faktor-Faktor Penyebab Depresi Mahasiswa di Indonesia Menggunakan Metode Regresi Logistik Kiki Mustaqim; Woro Isti Rahayu; Muhammad William Farma; Muhammad Rizky El Sulthani Lintang
SATESI: Jurnal Sains Teknologi dan Sistem Informasi Vol. 6 No. 1 (2026): April 2026
Publisher : Yayasan Pendidikan Penelitian Pengabdian ALGERO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/satesi.v6i1.7071

Abstract

Depression is one of the most common mental health disorders experienced by university students and can have a serious impact on their psychological state, academic performance and social interactions. Academic pressure, financial demands, and changes in living environment are often factors that trigger an increased risk of depression in this age group. Therefore, a comprehensive analysis is needed to identify factors that contribute to the emergence of depression so that prevention efforts can be targeted. This study aims to analyze the factors associated with depression among university students in Indonesia using logistic regression method as a classification approach. The research data was obtained from the Kaggle platform and included several independent variables, namely age, gender, academic pressure, sleep duration, diet, financial stress, study satisfaction, and suicidal thoughts. The results of the analysis showed that the suicidal thoughts variable was the most significant factor affecting the likelihood of students experiencing depression, with a coefficient value of 15.0964. In addition, the logistic regression model built is able to provide good prediction performance with an accuracy rate of 95%. The findings are expected to serve as a basis for educational institutions and policy makers in designing early detection strategies, interventions, and depression prevention programs to create a healthier and more supportive campus environment.
Implementasi Framework Streamlit Untuk Menentukan Besaran Dana Bantuan Berdasarkan Prioritas Dengan Metode Weighted Product Fatia Amalia Maresti; Maysa Zaidee Aulia; Paulina Bota Kolin; Kiki Mustaqim
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.7849

Abstract

Dana bantuan merupakan bentuk dukungan finansial yang berperan krusial dalam pemberdayaan masyarakat dan pengembangan ekonomi. Namun, dalam proses penyalurannya, sering terjadi ketidakefektifan dalam menentukan prioritas penerima, yang menyebabkan alokasi dana menjadi kurang optimal. Penelitian ini bertujuan untuk menerapkan metode Weighted Product (WP) dalam menentukan prioritas penerima dana bantuan agar distribusi dana lebih objektif dan tepat sasaran. WP digunakan untuk melakukan perhitungan berbasis pembobotan kriteria, dan sistem ini diimplementasikan dalam bentuk website menggunakan framework Streamlit. Hasil penelitian menunjukkan bahwa metode Weighted Product mampu mengalokasikan dana secara optimal sesuai dengan urgensi penerima. Dengan total anggaran Rp100.000.000 yang dibagikan kepada 46 perusahaan, sistem memberikan bantuan tertinggi sebesar Rp7.222.549 untuk Perusahaan A2 dan bantuan terendah sebesar Rp458.456 untuk Perusahaan A36. Implementasi website berjalan dengan baik, memungkinkan pengguna untuk menyesuaikan bobot kriteria, memasukkan berbagai jenis data, serta memperoleh hasil perhitungan secara otomatis dan interaktif.
Analisis Sentimen Ulasan Pengguna Aplikasi Pospay Menggunakan Support Vector Machine Untuk Evaluasi Layanan Keuangan Digital Muhammad Vito Aristawidya; Kiki Mustaqim; Woro Isti Rahayu
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8733

Abstract

Perkembangan layanan keuangan digital telah mendorong meningkatnya penggunaan aplikasi pembayaran berbasis mobile, termasuk PosPay yang dikembangkan oleh PT Pos Indonesia. Seiring dengan meningkatnya jumlah pengguna, ulasan pengguna pada platform distribusi aplikasi seperti Google Play Store menjadi sumber informasi penting dalam mengevaluasi kualitas layanan aplikasi. Namun, ulasan tersebut umumnya berbentuk teks tidak terstruktur sehingga memerlukan pendekatan analisis berbasis Natural Language Processing (NLP) untuk mengekstraksi informasi yang relevan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi PosPay menggunakan algoritma Support Vector Machine (SVM) guna mengevaluasi kualitas layanan keuangan digital. Dataset diperoleh melalui proses web scraping terhadap 1.637 ulasan pengguna pada Google Play Store. Tahapan penelitian meliputi preprocessing teks, pelabelan sentimen menggunakan model IndoBERT, ekstraksi fitur menggunakan TF-IDF, serta klasifikasi sentimen menggunakan algoritma SVM. Hasil eksperimen menunjukkan bahwa model SVM memperoleh akurasi sebesar 0,92, dengan precision 0,93, recall 0,92, dan F1-score 0,93. Analisis distribusi sentimen menunjukkan bahwa 60,2% ulasan memiliki sentimen positif dan 39,8% memiliki sentimen negatif. Analisis kata dominan mengindikasikan bahwa ulasan negatif didominasi oleh isu kegagalan transaksi dan saldo yang tidak masuk. Temuan penelitian ini menunjukkan bahwa pendekatan analisis sentimen berbasis NLP dapat digunakan sebagai metode evaluasi layanan aplikasi keuangan digital serta menyediakan insight berbasis data untuk peningkatan kualitas layanan aplikasi.
Analisis Kinerja Kurir Pada Layanan Pengiriman E-commerce Menggunakan Metode K-Means Clustering Paulina Kolin; Kiki Mustaqim; Noviana Riza
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v6i1.8755

Abstract

Pertumbuhan pesat e-commerce di Indonesia menciptakan kebutuhan tinggi akan layanan pengiriman yang efisien dan berkualitas. Perusahaan agregator logistik menghadapi tantangan dalam mengevaluasi kinerja mitra kurir secara objektif karena setiap kurir memiliki karakteristik yang berbeda. penelitian ini bertujuan menerapkan metode K-Means Clustering untuk pengelompokan mitra kurir berdasarkan performa, mengidentifikasi karakteristik setiap kelompok, dan merancang dashboard interaktif sederhana sebagai alat bantu visualisasi pengambilan keputusan. Data yang dianalisis berasal dari histori pengiriman sebuah perusahaan agregator logistik di Indonesia PT. X, dengan parameter utama yang dievaluasi meliputi durasi pengiriman, biaya pengiriman, tingkat keberhasilan, dan jumlah komplain. Hasil analisis berhasil mengelompokkan enam kurir dana tiga klaster kinerja. Jumlah klaster yang dipilih K=3 ditetapkan berdasarkan skor silhouette tertinggi (0,331). Klaster 0 (Performa Tinggi) yang dicirikan oleh kecepatan dan biaya ekonomis, Klaster 1 (Performa Standar) dengan kinerja menengah, dan Klaster 2 (Performa rendah) yang cenderung mahal dan lambat. Seluruh temuan diimplementasikan ke dalam dashboard interaktif menggunakan Streamlit. Metode K-Means Clustering terbukti efektif menyediakan segmentasi kinerja kurir yang jelas dan berbasis data, sehingga dashboard yang dihasilkan dapat menjadi alat bantu strategis untuk mengoptimalkan alokasi kurir dan meningkatkan efisiensi layanan.
K-Means Analysis of West Java Coastal Capture Fish Production to Increase Fisheries Productivity Siti Salwa Azzahra; Fatia Amalia Maresti; Kiki Mustaqim
Jurnal Teknologi Informatika dan Komputer Vol. 12 No. 1 (2026): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v12i1.3508

Abstract

Marine capture fisheries in West Java play a vital role in regional economic development, yet disparities in productivity among coastal areas remain unresolved. This study aims to classify coastal districts and cities in West Java based on key production indicators: fish catch volume, number of vessels, number of marine fishers, average weighted price per kilogram, and the number of fishing households. A K-Means Clustering approach was applied to group these regions into homogeneous clusters, enabling more targeted policy development. The analysis identified three distinct clusters: moderately productive areas with low efficiency, economically efficient areas with high-value catch but limited volume, and a dominant production zone with significantly higher outputs than others. These findings provide a clearer understanding of regional fishery dynamics and offer recommendations for each cluster. Proposed strategies include expanding infrastructure and training for low-performing regions, and focusing on product diversification, post-harvest processing, and sustainable management in high-performing areas. This study demonstrates the usefulness of data-driven methods to support marine fishery development and regional planning.
Co-Authors Aulia Rahmadiva Wardana Laode Muhammad Aznur Syahfajar Maresti, Fatia Amalia Maysa Zaidee Aulia Muhammad Rizky El Sulthani Lintang Muhammad Vito Aristawidya Muhammad William Farma Paulina Bota Kolin Paulina Kolin Rahayu, Woro Isti Riza, Noviana Siti Salwa Azzahra