Journal of Technology and Informatics (JoTI)

Exploring the Application of Machine Learning for Automatic Inbound Email Classification in CRM System at XYZ Company

Lukman Arif Sanjani — 2024-10-31

Customer service has become increasingly crucial in today's business landscape, necessitating companies to provide fast, responsive, and personalized assistance to their clientele. However, amidst the challenges posed by surges in email volume, manual categorization and response strategies often lead to performance declines. To address this, we propose a system leveraging Machine Learning techniques for automated email classification. Our evaluation reveals promising results, with SVM achieving the highest accuracy of 96.59%, followed by XGB (96.02%) and RF (95.27%). These models exhibit commendable precision, recall, F1 scores, and Matthews Correlation Coefficient (MCC), showcasing their effectiveness in improving customer service efficiency and responsiveness. This integration of technology not only enhances operational efficiency but also fosters harmonious customer relationships, ultimately leading to increased loyalty and profitability for companies.

Penerapan Algoritma Apriori untuk Rekomendasi Produk Spare Part Mobil

Reza Aditya Permana — 2024-10-31

Guna memberikan layanan optimal kepada pelanggan, bisnis spare part mobil perlu menerapkan strategi bisnis terbaik. Namun, terkadang beberapa faktor menghambat penentuan strategi tersebut. Salah satu penyebabnya adalah kesulitan dalam melakukan analisis terkait data penjualan pelanggan yang sudah ada. Berdasarkan data pelanggan yang disimpan dalam database, perusahaan mengidentifikasi bahwa sistem penjualan saat ini tidak efektif. Kemudian apabila produk banyak yang tidak terjual, maka keterlambatan dalam pengembalian modal bagi penjual juga akan menjadi masalah. Dalam mengatasi hambatan ini, perusahaan perlu mengadopsi strategi promosi penjualan dan menganalisis pola penjualan spare part untuk menentukan pola penjualan dan memberikan gambaran keterkaitan antar barang dengan menganalisis data transaksi penjualan. Metode yang akan digunakan dalam menganalisis pola penjualan pada penelitian ini adalah dengan menggunakan market basket analysis. Metode ini dihitung menggunakan Algoritma Apriori dengan menggunakan bantuan Google Collab dengan menentukan nilai minimum support sebesar 8 % dan minimum confidence sebesar 60 %. Perhitungan dalam Google Collab akan menghasilkan kumpulan item yang sering dibeli dengan kombinasi 1 itemset sampai dengan 5 itemset yang dibeli secara bersamaan. Hasil assosiation rule tersebut dapat dijadikan acuan kepada pengambil keputusan dalam upaya meningkatkan strategi pemasaran dan promosi produk suku cadang mobil bagi PT Milenia Mega Mandiri yang lebih baik.

Pengaruh Big Data dalam Akuntansi Syariah: Analisis Prediktif dan Pengambilan Keputusan Strategis

Adhi Riza Aulia — 2024-10-31

Penelitian ini membahas pengaruh Big Data dalam akuntansi syariah, dengan fokus pada analisis prediktif dan pengambilan keputusan strategis. Permasalahan yang dihadapi adalah kompleksitas dan volume data yang sulit diproses dengan metode tradisional. Tujuan dari penelitian ini adalah untuk mengevaluasi dampak Big Data pada akuntansi syariah dan mengidentifikasi manfaat serta konsekuensi strategisnya. Metode yang digunakan dalam penelitian ini adalah studi literatur. Pencarian dilakukan menggunakan basis data akademik seperti Google Scholar, ResearchGate, ScienceDirect, dan Wiley Online Library dengan menggunakan kata kunci yang relevan. Literatur yang dipilih memenuhi kriteria inklusi berdasarkan relevansi dengan Big Data dalam konteks akuntansi syariah, kualitas metodologi penelitian, dan kebaruan. Hasil penelitian menunjukkan bahwa penggunaan Big Data dalam akuntansi syariah dapat meningkatkan efisiensi proses akuntansi melalui otomatisasi pemrosesan transaksi. Selain itu, analisis prediktif berbasis big data dapat membantu meramalkan hasil keuangan di masa depan. Sedangkan analisis strategis dilakukan terhadap penelitian yang terpilih untuk mengidentifikasi temuan-temuan utama, metodologi yang digunakan, data yang dikumpulkan, serta hasil dan kesimpulan penelitian tersebut. Pengambilan keputusan strategis berdasarkan informasi dari analisis Big Data memungkinkan pengambilan keputusan yang lebih tepat waktu dan informatif. Peningkatan efisiensi dapat dibandingkan dengan metode manual melalui indikator seperti waktu pemrosesan transaksi, akurasi laporan keuangan, dan pengurangan kesalahan manusia. Studi empiris yang melibatkan data historis transaksi keuangan syariah menunjukkan bahwa waktu pemrosesan transaksi dapat berkurang hingga 50% dengan penggunaan Big Data dibandingkan dengan metode manual.

Prediksi Harga Mobil Audi Bekas Menggunakan Model Regresi Linear dengan Framework Streamlit

Putri Aulia Azhar — 2024-10-31

Prediksi harga mobil bekas menjadi aspek krusial dalam pasar otomotif yang terus berkembang, hal ini akan memengaruhi keputusan penjual dan pembeli serta dinamika pasar secara keseluruhan. Meskipun kompleksitas dan variasi kondisi mobil bekas sering menjadi hambatan, adopsi teknologi dan metode yang tepat diharapkan mampu mengatasi tantangan tersebut. Melalui program prediksi harga, peneliti bermaksud untuk memberikan solusi praktis dan efisien bagi penjual dan pembeli mobil bekas Audi, dengan tujuan meningkatkan keputusan yang terinformasi dan tepat. Penelitian ini meggunakan algoritma Linear Regression untuk menemukan hubungan linear antara variabel-variabel yang digunakan. Tahapan metode yang digunakan meliputi problem recognition, research plan, dataset collection, data pre-processing, error calculation, dan web deployment. Hasilnya menunjukkan nilai akurasi sebesar 94% dan nilai Mean Absolute Error (MAE) sebesar 0,08 atau 8%. Hal ini memberikan indikasi yang kuat bahwa model linear regression yang digunakan telah berhasil dalam menghasilkan prediksi yang akurat untuk harga mobil bekas Audi.

Perancangan E-Commerce Distributor Clothing Company Berdasarkan Product Knowledge

Nisa Eridiar — 2024-10-31

E-commerce merupakan salah satu inovasi pemanfaatan internet yang dapat membantu dalam proses jual beli suatu bisnis. Pentingnya pemanfaatan teknologi informasi dalam dunia yang serba digital saat ini, harus didukung pula oleh ketersediaan informasi yang akurat dan sesuai dengan kebutuhan konsumennya. Sebelum melakukan pembelian, biasanya konsumen akan mencari informasi sebanyak-banyaknya terkait produk atau jasa yang akan dibeli sehingga adanya product knowlegde dalam sebuah aplikasi khususnya e-commerce adalah hal yang sangat penting. Oleh sebab itu, penelitian ini bertujuan untuk merancang sebuah e-commerce yang menekankan pada ketersediaan secara lengkap product knowledge yang dibutuhkan konsumen. Adapun metode yang digunakan untuk merancang e-commerce ini menggunakan System Development Life Cycle (SDLC) model Waterfall. Proses SDLC model air terjun ini dipilih karena memiliki proses berurutan dan membuat pengerjaan terjadwal dengan baik. Website diuji menggunakan User Acceptance Testing (UAT) yang dilakukan dengan pemilik dan sales selaku pengelola Toko Bismillah Distributor, serta data pendukung seperti wawancara dan kuesioner kepada konsumen yang masing-masing membutuhkan 7 orang dan 30 sampel. Hasil implementasi variabel product knowledge yang terdapat pada fitur-fitur di dalam e-commerce Toko Bismillah Distributor antara lain variabel mutu produk pada halaman profil berupa deskripsi keunggulan produk, variabel kandungan produk pada detail produk (ukuran, warna, dan bahan produk) dan variabel penyampaian informasi pada halaman kontak, halaman cara belanja, halaman profil, ulasan dan rating. Pengujian UAT menunjukkan website e-commerce dapat digunakan dengan baik.

Arrhythmia Classification with ECG Signal using Extreme Gradient Boosting (XGBoost) Algorithm

Diah Asmawati — 2024-10-31

Heart disease is one of the most dangerous illnesses because it has the potential to take people's lives. One of the causes of heart disease is arrhythmia, an abnormal condition of the heartbeat. To diagnose arrhythmia, analysis of electrocardiographic (ECG) signals can be performed. However, this analysis is very difficult to do conventionally and has the potential for errors, so there is a need for automatic ECG classification to detect arrhythmia. This study aims to fill the research gap by creating an ECG classification model to detect arrhythmia using the XGBoost algorithm. The results are quite good for each class, with accuracies for class N at 98.87%, class SVEB at 99.37%, class VEB at 99.4%, class F at 99.75%, and class Q at 99.99%. However, compared to existing methods in previous research, these results are still considered not better than those models.

Membangun Sistem Katalog Digital untuk Perpustakaan SMP: Solusi Tepat Mempermudah Pencarian Buku

Mahendra Bagaskara — 2024-10-31

Perpustakaan merupakan salah satu unsur penting dalam proses belajar mengajar. Mendapatkan sumber belajar yang tepat dapat membantu proses tersebut. Apabila siswa atau guru kesulitan mendapatkan buku sebagai sumber belajar, proses tersebut dapat terganggu. Penelitian ini bertujuan merancang dan membangun aplikasi katalog buku perpustakaan berbasis web di salah satu SMP Sidoarjo. Permasalahan utama perpustakaan terletak pada sistem katalog manual yang rentan kesalahan, memudarnya isi buku, dan proses pencarian yang lama. Aplikasi ini dikembangkan menggunakan framework CodeIgniter dan mengikuti metodologi SDLC untuk memastikan kelancaran proses pengembangan. Hasil pengujian menunjukkan aplikasi berhasil memvalidasi data dan diharapkan dapat meningkatkan efisiensi dan efektivitas pengelolaan katalog, serta memberikan kemudahan akses bagi pengguna.

Identifikasi Pengenalan Wajah Berdasarkan Jenis Kelamin Menggunakan Metode Convolutional Neural Network (CNN)

Natasya Chalista Imanuela Natun — 2024-10-31

Wajah merupakan komponen yang paling mudah dikenali dan sering kali menjadi pusat perhatian dalam tubuh manusia. Sering terjadinya kesulitan dalam membedakan dan menganalisis citra wajah dengan jumlah yang banyak secara manual karena banyaknya kemiripan antara laki-laki dan perempuan sehingga memperlambat proses identifikasi jenis kelamin. Penelitian ini bertujuan untuk meningkatkan akurasi dan mengimplementasikan identifikasi jenis kelamin dalam pengenalan wajah melalui penerapan metode Convolutional Neural Network (CNN), sebuah algoritma deep learning yang efektif untuk deteksi objek. Dengan mengumpulkan dan memproses dataset citra wajah yang dilabeli berdasarkan jenis kelamin, serta melakukan pra-pemrosesan data yang cermat, model CNN dilatih dan diuji untuk mencapai tingkat akurasi yang signifikan dalam identifikasi jenis kelamin. Hasil penelitian menunjukkan bahwa metode ini dapat meningkatkan kinerja sistem pengenalan wajah berdasarkan jenis kelamin secara praktis. Selain itu, penelitian ini juga memberikan rekomendasi untuk meningkatkan akurasi lebih lanjut dan eksplorasi teknologi terkini dalam upaya mengoptimalkan aplikasi pengenalan gender di masa depan. Abstrak ini merangkum kontribusi utama dan keunikan dari penelitian serta fokus pada elemen-elemen penting seperti penggunaan CNN, pengumpulan dan pelabelan dataset, serta potensi implementasi dan rekomendasi pengembangan lebih lanjut. Meskipun banyak penelitian menggunakan metode CNN, artikel ini mungkin menggunakan versi atau arsitektur CNN yang lebih baru dan dioptimalkan, yang meningkatkan kinerja dalam tugas pengenalan jenis kelamin.

Operating Systems (OS): An Insight Investigative Research Analysis and Future Directions

Zarif Bin Akhtar — 2024-10-31

In the realm of technological computing, the pivotal interface of operating systems (OS) governs the orchestration of machinery, orchestrating seamless human interactions with the swiftly advancing array of device peripherals. Over decades, the intricacies of computing have undergone a profound metamorphosis, embracing monumental leaps facilitated by the progressive proliferation of operating system distributions. From the erstwhile colossal processing units to the present-day intricately crafted nano-fabricated microcontrollers, motherboards, and chipsets, all human-computer interactions gravitate towards the nuanced tapestry of OS distributions and intricately woven source-coded programming. This comprehensive research endeavors to undertake a meticulous exploration of the myriad typologies of operating systems, intricately dissecting their distinctive functionalities and performance metrics, with a discerning focus on aligning specific user profiles with the most fitting OS distributions. Moreover, this investigation seeks to unravel the labyrinthine landscape of OS distributions, illuminating the optimal pathways for both seasoned users and neophytes alike.

Machine Learning Approach for Classification of Cyber Threats Actors in Web Region

Anthony Edet — 2024-10-31

In the interconnected scape of today's internet, the dark web emerges as a concealed point, covering a myriad of illicit activities that pose substantial cybersecurity risks. This study investigates the attribution of threats within the dark web environment, leveraging on a machine learning approach to bridge the gap between technical indicators and linguistic and behavioral insights. Through a comprehensive methodology involving web crawling and data gathering, a dataset encompassing key variables such as attack motivation, method, web part, and threat actor was gathered. Principal Component Analysis was employed for feature selection, followed by the application of Multinomial Naive Bayes (MNB), Support Vector Machine (SVM), Random Forest (RF), and CatBoost algorithms for classification. Performance evaluation metrics including precision, recall, and F1-score were utilized to assess the efficacy of each algorithm. Results indicate a notable prevalence of cybercrimes within the dark web, underscoring the necessity for enhanced cybersecurity strategies tailored to address its unique challenges. Furthermore, the comparative analysis demonstrates varying performance levels among the machine learning algorithms, with Multinomial Naive Bayes exhibiting the highest accuracy. This research contributes to advancing threat attribution techniques in the dark web, ultimately aiming to bolster cybersecurity defenses and mitigate future cyber threats.