Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Ade Eviyanti
Informatika, Universitas Muhammadiyah Sidoarjo
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
EKSTRAKSI INFORMASI DARI DOKUMEN CV MENGGUNAKAN PENDEKATAN HYBRID NATURAL LANGUAGE PROCESSING DAN RULE-BASED Syahfrizka Dyah Nazwa Umbara; Ade Eviyanti; Hindarto Hindarto; Sumarno Sumarno
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17224

Abstract

Transformasi digital dalam rekrutmen menuntut adopsi Applicant Tracking System (ATS) untuk efisiensi pengelolaan pelamar. Namun, tantangan utama pengembangan ATS terletak pada tingginya variabilitas format Curriculum Vitae (CV) tidak terstruktur, yang sulit diproses oleh metode berbasis aturan karena sifatnya yang kaku, maupun Deep Learning yang membebani sumber daya komputasi. Penelitian ini bertujuan mengembangkan sistem ekstraksi informasi CV yang menyeimbangkan akurasi tinggi dan efisiensi komputasi. Melalui pendekatan hibrida (Hybrid Approach), penelitian ini mengintegrasikan algoritma Rule-Based (Regular Expressions) untuk ekstraksi entitas faktual dan Natural Language Processing (NLP) menggunakan pustaka spaCy serta PhraseMatcher untuk analisis kontekstual pada kompetensi dan pengalaman kerja. Hasil pengujian empiris menunjukkan kinerja sistem yang unggul dengan nilai Precision 91.3%, Recall 87.5%, dan F1-Score 89.4%. Secara keseluruhan, sistem mencapai akurasi 80.8% dengan waktu pemrosesan rata-rata di bawah 2 detik per dokumen. Temuan ini membuktikan bahwa integrasi metode hibrida efektif menangani kompleksitas format CV dengan kebutuhan komputasi yang efisien.
SISTEM INFORMASI MANAJEMEN ASET BERBASIS WEB DI PERUSAHAAN MANUFAKTUR ALAT KESEHATAN Rizky Rahmahdian Sandy; Ade Eviyanti; Azmuri Wahyu Azinar; Hamzah Setiawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17225

Abstract

Manajemen aset yang efisien merupakan aspek krusial bagi industri manufaktur untuk menjaga kualitas produk dan akurasi operasional. Namun, sebuah perusahaan manufaktur alat kesehatan di Jawa Timur masih menggunakan metode manual berbasis buku log dan spreadsheet dalam pengelolaan aset perusahaan, yang memicu terjadinya ketidakteraturan data serta keterlambatan pemeliharaan. Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Manajemen Aset berbasis web guna mendigitalisasi pelacakan dan pengelolaan aset secara terintegrasi. Metode pengembangan sistem yang digunakan adalah model Waterfall, mencakup tahap analisis kebutuhan, desain, implementasi, hingga pengujian. Sistem dibangun menggunakan framework CodeIgniter 4, MySQL sebagai basis data, dan Bootstrap untuk antarmuka yang responsif. Fitur unggulan sistem meliputi teknologi QR Code untuk identifikasi aset secara real-time, modul stock opname digital, serta perhitungan otomatis depresiasi aset menggunakan metode garis lurus. Hasil pengujian dengan metode Black Box Testing menunjukkan bahwa seluruh fitur fungsional sistem berjalan dengan valid dan sesuai harapan. Implementasi sistem ini berhasil meningkatkan transparansi operasional melalui fitur audit trail serta mempercepat proses pemantauan aset, sehingga memberikan solusi yang lebih akurat dibandingkan metode pencatatan manual sebelumnya.
IMPLEMENTASI MODEL FACEBOOK PROPHET DALAM MERAMALKAN JUMLAH PENGUNJUNG WISATA EDUKASI Ananda Firly Amelia; Ade Eviyanti; Ika Ratna Indra Astutik; Hindarto Hindarto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17721

Abstract

Wisata edukasi Kampung Lali Gadget (KLG) menghadapi tantangan operasional akibat fluktuasi jumlah pengunjung yang sangat ekstrem, mencapai 98% antara bulan terendah dan tertinggi. Ketidakpastian ini menjadi kendala bagi pihak pengelola dalam perencanaan kurikulum permainan, bahan ajar, serta alokasi sumber daya manusia. Penelitian ini bertujuan untuk mengimplementasikan model Facebook Prophet guna menghasilkan peramalan jumlah pengunjung yang akurat sebagai panduan operasional. Metode yang digunakan adalah analisis deret waktu menggunakan algoritma Prophet yang dioptimalkan dengan penambahan extra regressor berupa hari libur nasional, libur akademik, dan event lokal KLG. Untuk mendapatkan model dengan nilai optimum, dilakukan tahapan hyperparameter tuning menggunakan metode Grid Search pada parameter prior scale yang dilanjutkan dengan manual fine-tuning untuk menghindari overfitting. Hasil penelitian menunjukkan bahwa Model Prophet 3 memberikan akurasi terbaik dengan nilai MAPE sebesar 20,93% (kategori baik). Hasil peramalan selama enam bulan ke depan memprediksi puncak kunjungan pada Januari 2026 sebanyak 1.940 pengunjung dan titik terendah pada April 2026 sebanyak 36 pengunjung. Hasil ini memberikan dasar strategis bagi pengelola dalam pengaturan jadwal relawan dan pemeliharaan fasilitas.
ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP KEBIJAKAN DEDI MULYADI DENGAN METODE MACHINE LEARNING: Rizky Budi Aprianto; Ade Eviyanti; Hamzah Setiawan; Ika Ratna Indra Astutik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17890

Abstract

Kenakalan remaja merupakan isu sosial yang memunculkan kebijakan kontroversial berupa pengiriman anak bermasalah ke barak militer oleh Dedi Mulyadi. Kebijakan tersebut menimbulkan beragam tanggapan masyarakat di platform YouTube yang mencerminkan dinamika opini publik. Permasalahan dalam penelitian ini adalah bagaimana mengklasifikasikan sentimen komentar masyarakat secara akurat serta mengevaluasi performa metode ensemble machine learning dibandingkan algoritma tunggal. Penelitian ini bertujuan menganalisis kecenderungan opini publik dan mengukur kinerja algoritma klasifikasi dalam memetakan sentimen komentar YouTube. Metode yang digunakan meliputi pengumpulan 7.875 komentar melalui YouTube Data API, pelabelan otomatis menggunakan InSet Lexicon, preprocessing teks, serta pembobotan fitur dengan TF-IDF. Model klasifikasi yang diterapkan adalah Naïve Bayes, K-Nearest Neighbor (KNN), dan Logistic Regression, yang kemudian dikombinasikan menggunakan teknik Ensemble Majority Voting. Hasil penelitian menunjukkan bahwa sentimen publik didominasi oleh kelas positif (52,4%) dibandingkan negatif (47,6%). Logistic Regression memperoleh akurasi tertinggi sebesar 0,84, sedangkan model ensemble menunjukkan performa stabil dengan akurasi sekitar 0,82. Temuan ini menunjukkan bahwa pendekatan ensemble mampu meningkatkan stabilitas klasifikasi sentimen pada isu kebijakan publik di media sosial.
Co-Authors Ananda Firly Amelia Azmuri Wahyu Azinar Hamzah Setiawan Hindarto Hindarto Ika Ratna Indra Astutik Rizky Budi Aprianto Rizky Rahmahdian Sandy Sumarno Sumarno Syahfrizka Dyah Nazwa Umbara