Publication Search

This study aims to analyze and compare the performance of the Naive Bayes, K-Nearest Neighbors (KNN), and Decision Tree algorithms in predicting the purchase intention of e-commerce visitors using the Online Shoppers Purchasing Intention Dataset, which consists of 12,330 records and 18 variables, with the Revenue variable serving as the classification target. The preprocessing stage involved transforming categorical and boolean variables into numerical form, standardizing features using StandardScaler, and splitting the dataset into 80 percent training data and 20 percent testing data. Model evaluation was conducted using accuracy, precision, recall, F1-score, and ROC-AUC metrics, and was further strengthened by 10-fold cross-validation to obtain more stable results. The findings indicate that KNN achieved the highest accuracy of 0.866180, while Naive Bayes produced the highest recall value of 0.690998 and the highest ROC-AUC value of 0.821696. Meanwhile, Decision Tree demonstrated relatively balanced performance with an accuracy of 0.857259 and an F1-score of 0.571776, whereas the cross-validation results identified KNN as the model with the highest average accuracy of 0.8770. These findings suggest that the selection of a classification model for purchase intention prediction cannot rely solely on a single evaluation metric, as each algorithm possesses different strengths. Therefore, a comparative approach among algorithms can help determine the most suitable model for supporting consumer behavior analysis on e-commerce platforms.

Perkembangan teknologi informasi telah meningkatkan kebutuhan akan sumber daya manusia yang kompeten di bidang analitik data dan pemrograman, khususnya bagi mahasiswa Program Studi Sistem Informasi. Penelitian ini bertujuan untuk membangun model klasifikasi guna mengidentifikasi kecenderungan mahasiswa sebagai Data Analyst atau Programmer menggunakan algoritma Naive Bayes. Sebanyak 220 data dikumpulkan melalui kuesioner daring, dengan indikator penilaian yang dikelompokkan dalam dua dimensi: kemampuan analis data dan kemampuan pemrograman. Data kemudian dilabeli berdasarkan skor per dimensi dan diolah menggunakan model Complement Naive Bayes pada platform Google Colab. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan dua kelas mayoritas (Data Analyst dan Programmer) dengan baik, ditandai dengan akurasi keseluruhan sebesar 80,30% dan nilai precision, recall, serta f1-score yang tinggi. Namun, performa model terhadap kelas minoritas (Netral) masih rendah akibat ketidakseimbangan distribusi data. Penelitian ini menyarankan penggunaan teknik lanjutan seperti resampling, class weight, atau model ensemble untuk mengatasi bias terhadap kelas mayoritas. Temuan ini dapat digunakan sebagai dasar dalam pembimbingan akademik dan pengembangan kurikulum berbasis potensi mahasiswa.

Kebakaran masih menjadi masalah serius dengan dampak besar, baik secara materi maupun korban jiwa. Deteksi yang lambat dan alarm konvensional yang tidak responsif menjadi penyebab utama tingginya tingkat kerusakan. Penelitian ini mengusulkan sistem deteksi kebakaran berbasis Internet of Things (IoT) yang mengintegrasikan multi-sensor dengan platform IFTTT (If This, Then That). Sistem ini menggabungkan sensor asap (MQ5, MQ9), suhu (DHT22), dan api, dengan NodeMCU ESP8266 sebagai pusat kendali, serta mengirim notifikasi real-time melalui WhatsApp. Tujuannya adalah meningkatkan akurasi deteksi dan mengurangi alarm palsu. Pengujian dilakukan dengan membandingkan sistem konvensional dan sistem IoT pada berbagai skenario kebakaran. Hasil menunjukkan bahwa sistem IoT memiliki keunggulan dalam kecepatan notifikasi (kurang dari 10 detik) dan kemampuan menyampaikan lokasi secara akurat. Meskipun memerlukan biaya awal lebih tinggi, efektivitas sistem ini dalam meningkatkan respons darurat menjadikannya solusi yang layak. Sistem ini cocok diterapkan di rumah, kantor, maupun fasilitas industri, serta memiliki potensi besar dalam pengembangan sistem keselamatan kebakaran yang lebih adaptif dan efisien di masa depan

Pesatnya perkembangan belanja online melalui platform internet telah menyebar ke seluruh dunia khususnya di Indonesia dan telah banyak diketahui oleh masyarakat. Dalam konteks ini, kehadiran toko online atau e-commerce membantu perusahaan untuk menawarkan layanan dan produk yang berbeda, mengkomunikasikan informasi bisnis dan menjaga hubungan antara pemasok dan pelanggan. E-commerce memungkinkan transaksi bisnis diproses lebih efisien. Berbagai penelitian telah mengkonfirmasi bahwa e-commerce  membantu bisnis memperluas jangkauan pasar mereka dengan menawarkan produk dalam skala besar dan menyediakan penyimpanan data dan pelaporan yang dapat diakses dan disimpan melalui platform web. NICESO merupakan perusahaan retail dengan konsep toko modern yang  menawarkan berbagai macam produk antara lain alat tulis, mainan, aksesoris, peralatan rumah tangga, aksesoris handphone,  dan komputer. Tujuan dari pengembangan aplikasi NICESO adalah untuk membuat aplikasi penjualan yang memungkinkan masyarakat mencari dan membeli produk di suatu toko tanpa harus datang langsung ke toko. Aplikasi  juga membantu toko NICESO  menjangkau pelanggan, baik yang berbelanja langsung di toko maupun yang menggunakan aplikasi. Perancangan aplikasi ini dirancang agar mudah dipahami  oleh berbagai kalangan, mulai dari remaja hingga orang tua.

Canva salah satu platform yang digunakan untuk mendesain, yang dapat digunakan melalui web maupun aplikasi mobil. Canva menyediakan beragam fitur dan template yang mempermudah pengguna untuk membuat desain, seperti desain poster, brosur, kartu ucapan, info grafis dan presentasi dalam waktu singkat. Penelitian ini bertujuan untuk menganalisis usability aplikasi canva dengan fokus untuk memahami pengalaman pengguna, khususnya dari kalangan Siswa Kelas VIIIB di SMPN 3 Karawang Barat. Metode yang digunakan untuk mengumpulkan data yaitu observasi dan kuesioner. Analisa aplikasi menggunakan poin Usability berkaitan dengan learnability, efficiency, memorability, error dan satisfaction untuk mengetahui pengalaman pengguna. Hasil penelitian menunjukkan bahwa 77,5% responden merasakan kemudahan dalam penggunaan aplikasi canva, 65% merasa cepat dalam menggunakan fitur-fiturnya, dan 72,5% mampu mengingat langkah-langkah penggunaannya dengan baik. Namun, masih terdapat kendala pada aspek memorability, di mana 47,5% responden mengalami kesulitan dalam mengenali ikon atau simbol dalam aplikasi. Pada aspek error, 62,5% responden menemukan error saat menggunakan canva, dan hanya 50% yang dapat memperbaikinya dengan mudah. Meskipun demikian, tingkat kepuasan pengguna sangat tinggi, dengan 92,5% responden merasa senang menggunakan canva dan 94,3% menyatakan bahwa canva membantu mereka dalam menyelesaikan tugas sekolah. Dengan demikian, canva memiliki peran penting dalam mendukung kemudahan pembelajaran siswa di SMPN 3 Karawang Barat.