cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Richki Hardi
Contact Email
mazayacahayautama@gmail.com
Phone
+6282221938494
Journal Mail Official
rekadata@mazayacahayautama.com
Editorial Address
Perum Menara Griya Blok E3 RT 63 Sepinggan, Balikpapan Selatan
Location
Kota balikpapan,
Kalimantan timur
INDONESIA
REKADATA (Rekayasa Data dan Kecerdasan Artifisial)
Published by CV Mazaya Cahaya Utama
ISSN : -     EISSN : 31104908     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering
REKADATA adalah jurnal yang secara spesifik mempublikasikan hasil penelitian orisinal di bidang ilmu data (data science) dan kecerdasan buatan (artificial intelligence). Topik yang diterima mencakup (namun tidak terbatas pada): Machine Learning dan Deep Learning, Penambangan Data (Data Mining), Analitika Big Data (Big Data Analytics), Pemrosesan Bahasa Alami (Natural Language Processing), Visi Komputer (Computer Vision), Sistem Pakar dan Sistem Pendukung Keputusan, Rekayasa dan visualisasi data. REKADATA Terbit 2 (dua) kali setiap tahun di bulan Agustus dan Februari.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 27 Documents
 1   2   3 
ANALISIS PENERIMAAN SISTEM INFORMASI MANAJEMEN KEGIATAN DAKWAH UNTUK MENINGKATKAN EFEKTIVITAS PENGELOLAAN ORGANISASI DI UKM AL-IZZAH UNIVERSITAS MULIA DENGAN METODE TAM Laksamana Andhika; Andi Nazwa Azzaliya; Riski Zulkarnain; Nasruddin Bin Idris
REKADATA Vol. 1 No. 2 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan organisasi kemahasiswaan seringkali menghadapi kendala inefisiensi data akibat prosedur manual, seperti ketidakuratan jadwal program kerja dan risiko kehilangan basis data kaderisasi (data loss). Penelitian ini bertujuan untuk mengevaluasi kinerja Sistem Informasi Manajemen Kegiatan Dakwah (SIM-KD) sebagai solusi berbasis data dalam meningkatkan efektivitas pengelolaan organisasi di UKM Al-Izzah Universitas Mulia. Pendekatan evaluasi menggunakan Technology Acceptance Model (TAM) untuk mengukur validitas adopsi sistem. Data dikumpulkan melalui teknik sensus (total sampling) kepada 27 pengurus aktif sebagai pengguna utama sistem, dan dianalisis menggunakan Analisis Jalur (Path Analysis) dengan IBM SPSS 27. Hasil evaluasi sistem menunjukkan bahwa Persepsi Kemudahan Penggunaan dan Persepsi Kemanfaatan berpengaruh signifikan terhadap Niat Penggunaan, dengan koefisien beta masing-masing 0,452 dan 0,528. Lebih lanjut, adopsi sistem berbasis data ini terbukti berkorelasi kuat terhadap peningkatan Efektivitas Pengelolaan Organisasi (Beta 0,819). Penelitian ini menyimpulkan bahwa implementasi sistem informasi yang terintegrasi mampu mentransformasi tata kelola organisasi menjadi lebih akuntabel melalui sentralisasi data dan otomatisasi pelaporan.
PENGARUH PENGGUNAAN E-WALLET TERHADAP KEMUDAHAN TRANSAKSI DI KALANGAN MAHASISWA UNIVERSITAS MULIA Olivia Amelia; Lailatul Amalia; Rizki Zulkarnain; Nasruddin Bin Idris
REKADATA Vol. 1 No. 2 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan menganalisis pengaruh penggunaan e-wallet terhadap kemudahan transaksi pada mahasiswa Universitas Mulia yang semakin akrab dengan teknologi keuangan digital dalam berbagai aktivi-tas akademik dan kebutuhan pribadi. Seiring perkembangan ekosistem finansial modern, transaksi non-tunai menjadi pilihan utama karena kecepatan, efisiensi, keamanan, serta kemudahan akses melalui perangkat seluler. Mahasiswa sebagai generasi yang melek teknologi lebih cepat beradaptasi dan memanfaatkan fasili-tas digital untuk menunjang mobilitas dan kenyamanan dalam melakukan berbagai jenis pembayaran. Penelitian ini menggunakan pendekatan kuantitatif melalui metode survei untuk mengukur persepsi dan pengalaman mahasiswa yang aktif menggunakan e-wallet seperti OVO, DANA, ShopeePay, atau GoPay dalam kegiatan sehari-hari. Kuesioner disusun untuk mengumpulkan data mengenai frekuensi pemakaian, pema-haman fitur, tingkat keamanan, kepercayaan pengguna, dan kepraktisan layanan yang tersedia pada plat-form dompet digital. Kemudahan transaksi dinilai berdasarkan kecepatan proses, minimnya hambatan, ke-mampuan mengatur pengeluaran, serta efisiensi dalam membayar kebutuhan kampus atau konsumsi pribadi. Temuan awal menunjukkan bahwa semakin tinggi intensitas penggunaan e-wallet maka semakin besar kemudahan yang dirasakan pengguna dalam bertransaksi. Mahasiswa merasa dapat melakukan pembayaran tanpa membawa uang tunai, mengurangi risiko kehilangan, dan menghemat waktu saat bertransaksi di kantin, perpustakaan, atau toko sekitar kampus. Penelitian ini juga mengungkap bahwa fitur promosi dan cashback mampu meningkatkan minat mahasiswa menggunakan layanan dompet digital secara berkelanju-tan. Dengan demikian, hasil penelitian ini memberikan gambaran konkret bahwa inovasi pembayaran ber-basis aplikasi berperan penting dalam mendukung transaksi modern serta mengubah pola perilaku keuangan mahasiswa di era digital yang semakin maju dan terintegrasi. Kesimpulan umum menyatakan bahwa penggunaan e-wallet berdampak positif pada efisiensi kemudahan dan kenyamanan transaksi mahasiswa.
PENGARUH PENGGUNAAN GOOGLE CHAT TERHADAP EFEKTIVITAS KOMUNIKASI MAHASISWA AKTIF DI UNIVERSITAS MULIA BALIKPAPAN Andi Azzura Rahma; Riski Zulkarnain; Nasruddin Bin Idris
REKADATA Vol. 1 No. 2 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi komunikasi digital telah membawa perubahan yang signifikan dalam pola komunikasi akademik di lingkungan perguruan tinggi, khususnya di kalangan mahasiswa. Pemanfaatan platform komunikasi berbasis daring menjadi bagian penting dalam mendukung aktivitas akademik, seperti diskusi perkuliahan, koordinasi tugas kelompok, serta penyampaian informasi akademik secara cepat dan efisien. Salah satu platform yang digunakan secara luas di Universitas Mulia Balikpapan adalah Google Chat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengaruh penggunaan Google Chat terhadap efektivitas komunikasi mahasiswa aktif di lingkungan Universitas Mulia Balikpapan. Penelitian ini menggunakan pendekatan kuantitatif dengan desain penelitian ex-post facto. Populasi penelitian adalah mahasiswa aktif Universitas Mulia Balikpapan yang menggunakan Google Chat dalam kegiatan akademik, dengan sampel sebanyak 100 responden yang dipilih menggunakan teknik purposive sampling. Pengumpulan data dilakukan melalui kuesioner berbasis skala Likert lima tingkat yang disusun untuk mengukur variabel penggunaan Google Chat dan efektivitas komunikasi. Teknik analisis data yang digunakan meliputi uji validitas, uji reliabilitas, analisis deskriptif, serta uji regresi linier sederhana dengan taraf signifikansi 0,05 menggunakan perangkat lunak statistik. Hasil penelitian menunjukkan bahwa tingkat penggunaan Google Chat oleh mahasiswa berada pada kategori tinggi, sedangkan efektivitas komunikasi mahasiswa berada pada kategori baik. Uji hipotesis membuktikan bahwa penggunaan Google Chat berpengaruh secara signifikan terhadap efektivitas komunikasi mahasiswa aktif di Universitas Mulia Balikpapan. Temuan ini menunjukkan bahwa pemanfaatan Google Chat secara optimal dapat meningkatkan kejelasan penyampaian pesan, mempercepat waktu respons, serta meningkatkan kualitas umpan balik dalam komunikasi akademik. Dengan demikian, Google Chat dapat dijadikan sebagai salah satu media komunikasi akademik yang efektif di lingkungan perguruan tinggi.
Analisis Kebutuhan Sistem AI untuk Mendeteksi Perilaku Stalking pada Platform Media Sosial Refinda Cheysar Wulandari; Riski Zulkarnain; Nasruddin Bin Idris
REKADATA Vol. 2 No. 1 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan pesat media sosial telah meningkatkan risiko perilaku stalking digital yang berdampak signifikan terhadap kesehatan mental dan privasi pengguna. Sistem keamanan konvensional saat ini masih bersifat reaktif dan kurang efektif dalam mendeteksi pola penguntitan yang tersembunyi. Penelitian ini bertujuan untuk mengidentifikasi karakteristik perilaku stalking dan merumuskan analisis kebutuhan sistem berbasis Kecerdasan Buatan (AI) untuk deteksi dini yang proaktif. Metode yang digunakan adalah kualitatif deskriptif dengan pengumpulan data melalui kuesioner terbuka terhadap 10 responden di Indonesia yang dipilih secara purposive untuk mewakili berbagai latar belakang demografis. Hasil penelitian menunjukkan bahwa perilaku stalking di Indonesia mencakup penggunaan akun anonim secara berulang, pemantauan lokasi (geotagging), dan pengawasan intensif terhadap riwayat aktivitas digital. Temuan utama penelitian ini mengidentifikasi kebutuhan sistem AI yang mampu menganalisis parameter frekuensi kunjungan profil oleh non-follower, deteksi pembuatan akun dari alamat IP yang sama, serta analisis sentimen pesan yang bersifat obsesif. Kebaruan penelitian ini terletak pada perumusan fitur proteksi preventif yang diinginkan pengguna, seperti Auto-Restrict, Stealth Mode, dan Photo Tracker. Kesimpulannya, implementasi sistem AI sangat mendesak untuk mentransformasi sistem keamanan media sosial dari pendekatan reaktif menjadi preventif guna memulihkan rasa aman pengguna tanpa melanggar hak privasi.
Comparison of Support Vector Machine and Random Forest for Sentiment Analysis of Gojek Reviews Erlyne Nadhilah Widyaningrum; Filzah Syakirah; M. Fathurahman
REKADATA Vol. 2 No. 1 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The development of digital technology has increased the use of online transportation applications in Indonesia, one of which is Gojek. User reviews on the Gojek application in the Google Play Store reflect the level of user satisfaction and dissatisfaction with the services provided. Therefore, sentiment analysis is needed to classify these reviews into positive and negative categories. This study aims to get the result and performance of Support Vector Machine (SVM) and random forest classification methods in sentiment analysis of Gojek user reviews. The data used are user reviews from January 2026 obtained through a scraping technique. The analysis stages include text processing, word weighting using TF-IDF, and hyperparameter optimization using the random search method. The results show that the SVM method achieved an accuracy of 86,78%, precision of 87,96%, recall of 86,23%, and F1-score of 87,09%. Meanwhile, the random forest method achieved an accuracy of 84,75%, precision of 82,87%, recall of 88,85%, and F1-score of 85,76%. Based on these results, the SVM method demonstrates superior overall performance compared to Random Forest in classifying sentiment of Gojek user reviews.
Application of Random Forest with SMOTE and Random Search for Food Security Classification in Indonesia Susi Hasriani; Nariza Wanti Wulan Sari; Pratama Yuly Nugraha; M Fathurahman; Meiliyani Siringoringo
REKADATA Vol. 2 No. 1 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Food security is an important aspect of sustainable development and one of the key priorities of the Sustainable Development Goals (SDGs). Differences in food security conditions across regencies and cities in Indonesia require accurate classification to support the identification of vulnerable regions and appropriatepolicy-making. The random forest method is a classification method with good predictive performance, which can be improved through hyperparameter optimization using random search. However, its classification performance may decline when applied to imbalanced datasets. Therefore, the Synthetic Minority Over-sampling Technique (SMOTE) was employed to address class imbalance. This study aimed to classify the food security levels ofregencies and cities in Indonesia in 2024 using random forest with SMOTE and random search hyperparameter optimization and to evaluate model performance based on accuracy, precision, recall, and F1-score. The data were obtained from the Food Security and Vulnerability Atlas (FSVA), comprising 514 regencies and cities, with food security level as the response variable and eight predictor variables. The dataset was divided into training andtesting sets using proportions of 80:20 and 90:10. SMOTE was applied with K = 5, while random search was conducted using 20 hyperparameter combinations to determine the optimal model. The results showed that the 80:20 data partition outperformed the 90:10 partition, achieving an accuracy of 88.35%, precision of 83.33%, recall of 50.00%, and F1-score of 62.50%. The best model correctly classified 10 food-insecure and 81 food-secure regencies and cities. These findings provide information for identifying regions based on food security levels and support more targeted food security policy-making. 
Pemodelan Support Vector Regression Dengan Optimasi Grid Search Untuk Prediksi Curah Hujan Di Kabupaten Berau Fadilla Fadilla; Nariza Wanti Wulan Sari; Meirinda Fauziyah; Erlyne Nadhilah Widyaningrum; Sri Wahyuningsih
REKADATA Vol. 2 No. 1 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fluktuasi curah hujan yang terjadi dari waktu ke waktu dapat meningkatkan potensi bencana hidrometeorologi, seperti banjir dan tanah longsor. Kondisi tersebut menunjukkan pentingnya pengembangan model yang dapat memberikan prediksi curah hujan secara akurat. Penelitian ini bertujuan menerapkan Support Vector Regression (SVR) dengan kernel polynomial dan optimasi grid search untuk memprediksi curah hujan di Kabupaten Berau. Data yang digunakan berupa curah hujan bulanan sebagai variabel respon serta suhu udara, kelembapan udara, tekanan udara, kecepatan angin, dan penyinaran matahari sebagai variabel prediktor. Data mencakup periode Januari 2014 hingga Desember 2025 dan dinormalisasi menggunakan metode min-max normalization. Optimasi grid search dilakukan dengan menguji nilai cost sebesar 0,5; 1; 2; dan 4 serta degree sebesar 1 dan 2. Pembentukan model dilakukan pada tiga skenario pembagian data training dan testing, yaitu 70:30, 80:20, dan 90:10. Evaluasi model menggunakan RMSE dan MAPE. Hasil analisis menunjukkan bahwa model dengan performa terbaik diperoleh pada proporsi 90:10, dengan RMSE training sebesar 85,5421 dan testing sebesar 86,8895. Nilai MAPE yang dihasilkan masing-masing sebesar 45,3880 dan 61,4889. Prediksi model mampu menggambarkan kecenderungan umum curah hujan aktual, sehingga SVR dengan kernel polynomial dan optimasi grid search dapat digunakan sebagai alternatif dalam prediksi curah hujan di Kabupaten Berau.

Page 3 of 3 | Total Record : 27

 1   2   3 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol. 2 No. 1 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA) Vol. 1 No. 2 (2026): Rekayasa Data dan Kecerdasan Artifisial (REKADATA) Vol. 1 No. 1 (2025): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)