Kembali ke Inspirasiku
Inspirasiku12 Oktober 2026

Jejak Publikasi Saya: Dari Rekayasa Perangkat Lunak, Data Science, hingga Pembelajaran Vokasi

Enam publikasi ilmiah yang saya tulis bersama rekan peneliti: penjelasan masalah, metode, temuan, inspirasi pembelajaran, serta tautan jurnal, DOI, dan contoh sitasi untuk pembaca.

75 views· 0 tanggapan

Menulis penelitian adalah salah satu cara saya merawat rasa ingin tahu. Melalui kolaborasi dengan rekan peneliti, saya belajar menghubungkan rekayasa perangkat lunak, pengolahan data, dan praktik pembelajaran dengan persoalan yang nyata.

Di halaman ini saya menghimpun enam publikasi yang saya tulis sebagai penulis atau penulis bersama. Setiap bagian memuat penjelasan singkat, temuan yang dilaporkan, serta tautan sumber dan contoh referensi agar pembaca dapat membaca serta menyitasi karya aslinya.

Lihat profil dan daftar publikasi saya di Google Scholar

Pilih bacaan sesuai minat

1. PBL Berdiferensiasi dan Kolaborasi Siswa Vokasi — 2026

Differentiated Problem Based Learning Elevates Vocational Student Collaboration Skills

Penulis: Dwi Fitria Al Husaeni, Eka Fitrajaya Rahman, Budi Mulyanti, Lala Septem Riza, Yakub Eriyanto Sulistiyono, dan Pratiwi.
Terbit: Pedagogia: Jurnal Pendidikan, 15(2), 169–194. Dipublikasikan daring 28 April 2026; edisi Agustus 2026.

Isi penelitian: Mengkaji penerapan Problem-Based Learning yang dipadukan dengan diferensiasi dan pembelajaran mendalam melalui siklus tindakan kelas. Penyesuaian materi, proses, serta produk belajar diarahkan untuk memperkuat kerja sama siswa vokasi.

Temuan: Indikator kolaborasi meningkat dari 30,22% pada siklus pertama menjadi 87,21% pada siklus ketiga; kualitas pengajaran meningkat dari 46% menjadi 87%. Angka ini berasal dari konteks kelas yang diteliti, bukan jaminan hasil yang sama untuk semua sekolah.

Inspirasi: Guru dapat merefleksikan pembagian peran, interaksi kelompok, dan pilihan produk belajar. Istilah deep learning di sini merujuk pada pendekatan pembelajaran mendalam.

Baca artikel dan akses PDF • DOI / tautan sitasi

Contoh referensi APA

Al Husaeni, D. F., Rahman, E. F., Mulyanti, B., Riza, L. S., Sulistiyono, Y. E., & Pratiwi, P. (2026). Differentiated Problem Based Learning Elevates Vocational Student Collaboration Skills: Pembelajaran Berbasis Masalah Berdiferensiasi Meningkatkan Kolaborasi Siswa Vokasi. Pedagogia: Jurnal Pendidikan, 15(2), 169–194. https://doi.org/10.21070/pedagogia.v15i2.1886


2. Random Forest untuk Prediksi Retensi Pelanggan — 2025

Algoritma Random Forest Sebagai Uplift Modeling pada Prediksi Retensi Pelanggan Layanan Telekomunikasi

Penulis: Rizki Tri Prasetio, Yudi Ramdhani, Vito Hafizh Cahaya Putra, dan Pratiwi.
Terbit: Jurnal Infortech, 7(2), 84–88, Desember 2025. Laman jurnal mencatat publikasi pada 24 Desember 2025.

Masalah: Perusahaan telekomunikasi perlu memahami pelanggan yang berpotensi berpindah layanan dan menyusun strategi retensi. Penelitian ini membahas Random Forest dengan pendekatan yang disebut uplift modeling dalam paper, melalui reformulasi target prediksi menuju retensi pelanggan.

Metode: Kerangka CRISP-DM, data publik BigML/Kaggle sebanyak 3.333 sampel, persiapan data, pemodelan, dan evaluasi. Paper membandingkan Random Forest dengan Naïve Bayes, Decision Tree, k-Nearest Neighbor, dan Deep Learning.

Temuan: Akurasi Random Forest sederhana dilaporkan 79,62%, sedangkan pendekatan uplift mencapai 91,87%. Selisihnya 12,25 poin persentase. Paper melaporkan nilai p two-tailed 0,00397 pada uji t untuk perbandingan hasil algoritma.

Maknanya: Penelitian mengarahkan pembahasan pada kampanye retensi berbasis data. Akurasi prediksi tersebut bukan persentase pelanggan yang terbukti berhasil dipertahankan. Efektivitas intervensi bisnis tetap memerlukan pengujian pada pelaksanaan kampanye.

Inspirasi: Bahan belajar untuk membedakan persoalan bisnis, target prediksi, evaluasi model, dan keputusan tindakan. Nilai akurasi perlu dibaca bersama rancangan eksperimennya.

Baca artikel dan akses PDF penerbit • DOI / tautan sitasi

Contoh referensi APA

Prasetio, R. T., Ramdhani, Y., Putra, V. H. C., & Pratiwi. (2025). Algoritma Random Forest sebagai uplift modeling pada prediksi retensi pelanggan layanan telekomunikasi. Jurnal Infortech, 7(2), 84–88. https://doi.org/10.31294/infortech.v7i2.11577


3. Fuzzy C-Means untuk Pemetaan UMKM — 2023

Pemetaan Keberlangsungan Hidup UMKM Guna Optimalisasi Bantuan Kredit Menggunakan Algoritma Fuzzy C-Means

Penulis: Popon Dauni, Pratiwi, dan Rizki Tri Prasetio.
Terbit: Jurnal Responsif: Riset Sains dan Informatika, 5(1), 61–69, 27 Februari 2023.

Isi penelitian: Menggunakan clustering Fuzzy C-Means dan kerangka CRISP-DM untuk memetakan kondisi UMKM dalam konteks dampak pandemi serta kebutuhan prioritas bantuan kredit.

Temuan: Penelitian menghasilkan dua kelompok, yaitu keberlangsungan usaha kuat dan lemah, dengan Davies–Bouldin Index 0,75. Artikel membahas omzet serta keseimbangan jumlah karyawan terhadap omzet sebagai karakteristik kelompok.

Inspirasi: Contoh pengolahan data untuk memahami kelompok usaha. Nilai DBI merupakan ukuran evaluasi clustering, bukan akurasi klasifikasi. Pemetaan dapat mendukung pembahasan prioritas, tetapi tidak dengan sendirinya menentukan keputusan bantuan.

Baca artikel dan akses PDF • DOI / tautan sitasi

Contoh referensi APA

Dauni, P., Pratiwi, P., & Prasetio, R. T. (2023). Pemetaan keberlangsungan hidup UMKM guna optimalisasi bantuan kredit menggunakan algoritma Fuzzy C-Means. Jurnal Responsif: Riset Sains dan Informatika, 5(1), 61–69. https://doi.org/10.51977/jti.v5i1.1051


4. SMOTE dan Boosting untuk Customer Churn — 2021

Penanganan Ketidakseimbangan Data pada Prediksi Customer Churn Menggunakan Kombinasi SMOTE dan Boosting

Penulis: Nana Suryana, Pratiwi, dan Rizki Tri Prasetio.
Terbit: IJCIT (Indonesian Journal on Computer and Information Technology), 6(1), 31–37.

Masalah: Data pelanggan yang berhenti berlangganan dapat berjumlah lebih sedikit daripada pelanggan yang bertahan. Ketidakseimbangan kelas menjadi tantangan untuk mempelajari pola churn.

Metode: Penelitian memakai kerangka CRISP-DM, mengombinasikan SMOTE pada level data dengan Boosting pada level algoritma, dan membandingkan beberapa model klasifikasi.

Temuan: Random Forest setelah optimasi SMOTE dan Boosting dilaporkan menghasilkan akurasi terbaik pada eksperimen tersebut, sebesar 89,19%.

Inspirasi: Kualitas serta komposisi data perlu diperhatikan bersama pemilihan algoritma. Hasil ini dapat menjadi bahan diskusi tentang data tidak seimbang; jangan langsung membandingkan angkanya dengan penelitian lain tanpa memeriksa kesamaan data dan validasi.

Baca artikel dan akses PDF • DOI / tautan sitasi

Contoh referensi APA

Suryana, N., Pratiwi, P., & Prasetio, R. T. (2021). Penanganan ketidakseimbangan data pada prediksi customer churn menggunakan kombinasi SMOTE dan Boosting. IJCIT (Indonesian Journal on Computer and Information Technology), 6(1), 31–37. https://doi.org/10.31294/ijcit.v6i1.9545


5. Bagging dan Ketidakseimbangan Dataset Medis — 2015

Penerapan Teknik Bagging pada Algoritma Klasifikasi untuk Mengatasi Ketidakseimbangan Kelas Dataset Medis

Penulis: Rizki Tri Prasetio dan Pratiwi.
Terbit: Jurnal Informatika, 2(2), 395–403, September 2015.

Isi penelitian: Menguji teknik bagging pada Naïve Bayes, Decision Tree, dan k-Nearest Neighbor menggunakan lima dataset medis dari UCI, termasuk breast-cancer, liver-disorder, heart-disease, pima-diabetes, dan vertebral column.

Temuan: Paper melaporkan peningkatan yang signifikan pada Decision Tree (p = 0,0184) dan k-Nearest Neighbor (p = 0,0292), sementara peningkatan pada Naïve Bayes tidak signifikan (p = 0,9236).

Inspirasi: Teknik ensemble perlu diuji pada beberapa algoritma dan dataset; manfaatnya tidak selalu sama. Penelitian ini adalah eksperimen klasifikasi dataset, bukan bukti kesiapan alat diagnosis klinis.

Baca artikel dan akses PDF • DOI / tautan sitasi

Contoh referensi APA

Prasetio, R. T., & Pratiwi, P. (2015). Penerapan teknik bagging pada algoritma klasifikasi untuk mengatasi ketidakseimbangan kelas dataset medis. Jurnal Informatika, 2(2), 395–403. https://doi.org/10.31294/ji.v2i2.118


6. Analisis dan Desain Sistem Koperasi — Edisi 2015

Analisis dan Desain Sistem Informasi Simpan Pinjam pada Koperasi Sejahtera Bersama Bandung

Penulis: Pratiwi dan Asti Herliana.
Terbit: Jurnal Informatika, 2(1), 222–230, edisi April 2015.

Masalah: Proses simpan pinjam yang masih menggabungkan pencatatan manual membutuhkan waktu transaksi yang panjang.

Pendekatan: Merancang sistem dengan metode waterfall, diagram HIPO, Use Case, Activity, dan Class Diagram, serta relasi basis data. Teknologi yang digunakan adalah Microsoft Access 2007 dan Visual Basic 6.0.

Kontribusi: Rancangan diarahkan untuk mendukung operasional koperasi yang lebih efektif. Ringkasan abstrak menyatakan tujuan perbaikan layanan, tanpa memberikan angka peningkatan waktu transaksi.

Inspirasi: Dasar belajar analisis kebutuhan, pemodelan proses, dan perancangan data sebelum membuat aplikasi.

Baca artikel dan akses PDF • DOI / tautan sitasi

Contoh referensi APA berdasarkan edisi jurnal

Pratiwi, P., & Herliana, A. (2015). Analisis dan desain sistem informasi simpan pinjam pada Koperasi Sejahtera Bersama Bandung. Jurnal Informatika, 2(1), 222–230. https://doi.org/10.31294/ji.v2i1.71

Catatan metadata: Google Scholar menampilkan tahun 2016 dan nama jurnal berbeda untuk karya ini. Edisi serta PDF penerbit mencantumkan Jurnal Informatika 2(1), April 2015. Entri di atas mengikuti edisi naskah; periksa kembali metadata ekspor ketika menyusun referensi.

Cara membaca dan menyitasi

  1. Pilih topik, lalu buka tautan artikel jurnal untuk membaca abstrak dan naskah lengkap.

  2. Gunakan DOI sebagai tautan tetap dalam daftar pustaka. Cantumkan semua penulis sesuai urutan publikasi.

  3. Pada artikel Pedagogia, gunakan menu How to Cite / More Citation Formats atau unduh RIS/BibTeX untuk aplikasi referensi.

  4. Untuk karya di Google Scholar, buka judul artikel dan pilih fitur Cite bila tersedia. Cocokkan hasilnya dengan PDF atau metadata penerbit.

  5. Gunakan gaya sitasi yang diminta institusi. Contoh APA di halaman ini dapat dijadikan awal; periksa kapitalisasi, nama penulis, tahun, halaman, dan DOI sebelum digunakan.

Contoh sitasi dalam teks: (Al Husaeni et al., 2026), (Prasetio et al., 2025), (Dauni et al., 2023), (Suryana et al., 2021), (Prasetio & Pratiwi, 2015), dan (Pratiwi & Herliana, 2015).

Penelitian sebagai ruang inspirasi

Saya berharap kumpulan karya ini menjadi pintu masuk untuk belajar bersama: dari memahami kebutuhan pengguna, menguji model pengolahan data, hingga memperbaiki pengalaman belajar siswa. Setiap penelitian memiliki konteks dan batasnya. Membaca karya asli membantu kita memahami metode serta menempatkan hasilnya secara tepat.

Koleksi ditinjau pada 12 Oktober 2026. Lima karya ditemukan pada profil Google Scholar yang saya bagikan; artikel Pedagogia ditambahkan dari laman penerbit. Penjelasan merupakan ringkasan untuk pembaca umum, dengan sumber asli tersedia pada setiap bagian.

#publikasi ilmiah#penelitian#Pratiwi#data science#pembelajaran vokasi#sitasi

Tanggapan (0)

Belum ada tanggapan. Jadilah yang pertama menulis.

Tulis Tanggapan

Tanggapan Anda akan ditinjau oleh guru sebelum tampil publik.