Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Yeremia Agung Chandra
Universitas Multi Data Palembang
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Sentimen menggunakan Algoritma Machine Learning terhadap Isu Gencatan Senjata Iran-Trump di YouTube Yeremia Agung Chandra; Jeremy Allegrato Hartono; Hafiz Irsyad
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.9042

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik di platform YouTube terkait isu gencatan senjata antara Iran dan mantan Presiden Amerika Serikat, Donald Trump. Dataset yang diambil dari komentar YouTube berjumlah 2000 dianalisis dan menghasilkan 576 data uji dengan distribusi sentimen yang tidak seimbang, pelabelan dataset menggunakan RoBERTa dengan 2 (dua) kelas, yaitu 428 label negatif, 114 netral, dan 34 positif. Ekstraksi fitur menggunakan pendekatan Bag-of-Words kombinasi unigram dan bigram untuk melatih algoritma machine learning, dengan fokus pada komparasi Support Vector Machine (SVM) dan Naïve Bayes. Hasil pengujian secara numerik menunjukkan bahwa Naïve Bayes memperoleh akurasi lebih tinggi sebesar 78.6% dengan skor macro F1 sebesar 0.503 akibat bias pada kelas mayoritas, sedangkan untuk SVM menghasilkan akurasi sebesar 74% dengan macro F1 mencapai 0.539. Penelitian ini berhasil mengimplementasikan model dengan baik meskipun Naïve Bayes unggul dalam akurasi umum karena dominasi data bersentimen negatif, SVM terbukti lebih seimbang dalam memetakan polarisasi sentimen publik yang kompleks di media sosial.
Optimasi Strategi Repeat Buyer pada E-commerce Indonesia Melalui Pendekatan Dynamic Programming untuk Bundling Product Multi-Kategori Siti Fatimah Az Zahrah; Yeremia Agung Chandra; Yohannes Yohannes
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8956

Abstract

Penelitian ini bertujuan untuk mengoptimalkan strategi peningkatan repeat buyer pada e-commerce di Indonesia melalui penyusunan rekomendasi bundling product multi-kategori berbasis pendekatan komputasional. Pendekatan yang digunakan adalah Dynamic Programming melalui model optimasi Knapsack yang dikombinasikan dengan analisis Threshold Standard Deviation untuk menyaring kategori produk berdasarkan kedekatan demografis pelanggan. Proses penelitian meliputi tahap preprocessing data, pemodelan parameter bobot dan profit, optimasi kombinatorial, serta penentuan prioritas rekomendasi berbasis customer profiling. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi bundling yang relevan dan terpersonalisasi berdasarkan usia dan riwayat transaksi pelanggan. Dynamic Programming menunjukkan performa yang lebih stabil dan efisien pada kompleksitas data yang lebih tinggi, meskipun pada dataset kecil Brute Force memiliki waktu eksekusi lebih cepat. Secara keseluruhan, pendekatan yang diusulkan dinilai mampu meningkatkan akurasi rekomendasi serta mendukung strategi pemasaran untuk mendorong loyalitas pelanggan.
Sistem Absensi Karyawan Berbasis Mobile Menggunakan Validasi Lokasi dan Pengenalan Wajah Yeremia Agung Chandra; Jeremy Allegrato Hartono; Novan Wijaya
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8164

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi berbasis mobile yang mampu meningkatkan efektivitas, efisiensi, serta akurasi dalam pencatatan kehadiran. Sistem absensi konvensional yang masih mengandalkan pencatatan manual memiliki berbagai kelemahan, antara lain potensi terjadinya kecurangan, kesalahan pencatatan data, keterlambatan rekapitulasi, serta keterbatasan dalam pengelolaan dan penyimpanan data kehadiran. Oleh karena itu, diperlukan sebuah sistem absensi berbasis teknologi mobile yang dapat mengatasi permasalahan tersebut. Metode penelitian yang digunakan adalah metode rekayasa perangkat lunak dengan pendekatan waterfall, yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian sistem. Sistem dikembangkan pada platform mobile dengan dukungan basis data terpusat yang memungkinkan penyimpanan dan pengolahan data kehadiran secara real-time. Hasil penelitian menunjukkan bahwa sistem absensi berbasis mobile ini mampu mempermudah proses absensi bagi pengguna, mempercepat pengolahan data, serta menghasilkan laporan kehadiran yang lebih akurat dan terstruktur. Berdasarkan hasil pengujian, seluruh fungsi utama sistem berjalan dengan baik dan sesuai dengan kebutuhan pengguna. Dengan demikian, sistem absensi berbasis mobile ini dapat dijadikan sebagai solusi alternatif yang efektif dan efisien dalam pengelolaan absensi.
Co-Authors Hafiz Irsyad Jeremy Allegrato Hartono Novan Wijaya Siti Fatimah Az Zahrah Yohannes, Yohannes