Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal Antivirus : Jurnal Ilmiah Teknik Informatika Jurnal Sains Informatika Terapan (JSIT) Jurnal Komputer dan Teknologi (JUKOMTEK)
Sumanto
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Perbandingan Algoritma Naive bayes dan KNN dalam analisis sentimen Twitter tentang Depresi di Indonesia Micho Respati Putra; Wina Ningsih; Juanny Cheristy Souisa; Muhammad Rifqi Asy'ari; Sumanto; Ade Surya Budiman
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.666

Abstract

Depresi merupakan gangguan mental yang menjadi perhatian global, dengan prevalensi tinggi khususnya di kalangan usia muda. Media sosial seperti Twitter menjadi ruang ekspresi yang potensial dalam mencerminkan kondisi psikologis masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen publik terkait isu depresi di Indonesia melalui data Twitter menggunakan dua algoritma pembelajaran mesin, yakni Naïve Bayes dan k-Nearest Neighbours (kNN). Data dikumpulkan melalui proses web scraping terhadap 1.342 tweet, yang kemudian disaring menjadi 873 tweet relevan berbahasa Indonesia. Tahapan analisis meliputi praproses teks, ekstraksi fitur, dan klasifikasi sentimen menjadi tiga kategori: positif, negatif, dan netral. Evaluasi kinerja model dilakukan dengan metrik AUC, akurasi, presisi, recall, F1-score, dan Matthews Correlation Coefficient (MCC). Hasil menunjukkan bahwa algoritma kNN memiliki kinerja unggul dengan akurasi 96,4% dan MCC 0,645, sementara Naïve Bayes mencatatkan AUC tertinggi sebesar 0,985. Distribusi data memperlihatkan dominasi sentimen negatif, mengindikasikan bahwa Twitter kerap digunakan sebagai wadah pelampiasan emosi negatif terkait depresi, terutama di kalangan usia produktif. Temuan ini menegaskan bahwa media sosial berpotensi digunakan sebagai alat skrining awal untuk memantau kesehatan mental masyarakat secara dinamis dan real-time. Implikasi dari studi ini membuka peluang pengembangan sistem pemantauan berbasis kecerdasan buatan untuk mendukung intervensi dini dalam penanganan isu depresi di Indonesia.
Analisis Prediksi Kualitas Udara dengan Metode Random Forest Berdasarkan Data Cuaca Ryan Dwi Aprilyanto; Riansyah Gustian; Muhammad Hendra Hernawan; Ade Surya Budiman; Sumanto
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.670

Abstract

Penelitian ini bertujuan untuk memprediksi suhu rata-rata harian (TAVG) di Kota Jakarta menggunakan algoritma Machine Learning Random Forest. Data yang digunakan berasal dari Stasiun Meteorologi Kemayoran dengan periode pengamatan 1 Januari 2024 hingga 30 Mei 2025 dan mencakup tujuh atribut cuaca seperti suhu, kelembapan, curah hujan, dan kecepatan angin. Proses penelitian melibatkan tahapan pengumpulan data, persiapan, pemodelan, dan evaluasi menggunakan metrik regresi seperti Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai MSE sebesar 0.398, RMSE 0.631, MAE 0.488, MAPE 1.7%, dan R² sebesar 0.653. Visualisasi distribusi data menunjukkan kecocokan antara prediksi dan data aktual, yang menandakan model mampu menangkap pola cuaca secara akurat. Dengan demikian, model Random Forest dinilai efektif dan andal untuk digunakan dalam prediksi cuaca serta memiliki potensi untuk dikembangkan lebih lanjut dalam mendukung pengambilan keputusan di berbagai sektor.
Penerapan Naive Bayes Untuk Analisis Opini Publik Indonesia Terhadap Gencatan Senjata Di Palestina Dwiki Gilang Ramadhani; Herdinan Tito; Sumanto; Ade Surya Budiman
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.672

Abstract

Penelitian ini bertujuan untuk mengetahui seperti apa pendapat masyarakat Indonesia terhadap isu gencatan senjata di Palestina dengan menganalisis data dari media sosial X (dulu Twitter). Data dikumpulkan menggunakan teknik web scraping, kemudian dianalisis menggunakan algoritma Naive Bayes dan diproses melalui perangkat lunak Orange Data Mining.Hasil analisis menunjukkan bahwa sebagian besar masyarakat Indonesia memiliki sentimen positif terhadap gencatan senjata, yang mencerminkan dukungan terhadap perdamaian. Model Naive Bayes yang digunakan mampu mengklasifikasikan data dengan cukup baik, dengan nilai AUC sebesar 91,5%, akurasi dan F1-score sebesar 73,4%, serta MCC sebesar 60,2%.Meskipun data hanya berasal dari media sosial dan belum tentu mewakili semua lapisan masyarakat, penelitian ini memberikan gambaran awal tentang opini publik terhadap isu Palestina. Ke depannya, penelitian dapat diperluas dengan jumlah data yang lebih besar dan kata kunci yang lebih beragam agar hasilnya lebih akurat dan menyeluruh.
Analisis Pengaruh Teknologi Digital Terhadap Pelanggaran Privasi Pada Generasi Muda Qais Abdurrachman; Andriansyah Tri Laksono; Mochamad Wahyudi; Sumanto; Ade Surya Budiman
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.677

Abstract

Keberadaan manusia telah sangat dipengaruhi oleh perkembangan teknologi digital, khususnya bagi generasi muda, yang tumbuh sebagai pengguna media sosial, aplikasi berbasis data, dan layanan daring yang sering. Meskipun teknologi memudahkan banyak aspek kehidupan, teknologi juga membahayakan keamanan dan privasi data pribadi. Tujuan dari penelitian ini adalah untuk menguji sejauh mana generasi muda memandang pelanggaran privasi sebagai akibat dari teknologi digital. Sebanyak 32 responden diberikan kuesioner sebagai bagian dari pendekatan kuantitatif. Hasil analisis menunjukkan bahwa, dengan skor rata-rata 4,07, tingkat penggunaan teknologi digital masuk dalam kategori tinggi, sedangkan skor pelanggaran privasi adalah 3,64. Meskipun demikian, terdapat hubungan yang sangat lemah (r = 0,0287) antara keduanya, yang menunjukkan bahwa peningkatan penggunaan teknologi digital tidak selalu sesuai dengan peningkatan pelanggaran privasi. Penelitian ini menyiratkan bahwa tingkat pelanggaran privasi dapat dipengaruhi oleh karakteristik tambahan, seperti literasi digital dan pengetahuan tentang pengaturan privasi. Akibatnya, generasi muda harus lebih terinformasi dan lebih sadar akan privasi digital.
Implementasi Aplikasi Absen Berbasis GPS Di CV. Global Digital Solution Gilang Virgiawan; Sumanto
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem kehadiran karyawan merupakan bagian penting dalam manajemen sumber daya manusia yang berperan dalam menilai kedisiplinan dan kinerja. Namun, metode presensi manual atau menggunakan fingerprint masih memiliki keterbatasan seperti potensi kecurangan dan ketidakakuratan data. Untuk mengatasi hal tersebut, penelitian ini mengembangkan aplikasi presensi karyawan berbasis GPS dan selfie yang dibangun menggunakan framework Laravel. Tujuan dari penelitian ini adalah merancang dan mengimplementasikan sistem yang mampu mencatat kehadiran secara real-time berdasarkan lokasi dan dokumentasi visual, serta meningkatkan efisiensi operasional perusahaan. Metodologi yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD), yang memungkinkan pengembangan sistem melalui prototipe dan umpan balik pengguna secara iteratif. Hasil implementasi menunjukkan bahwa aplikasi dapat mencatat waktu kehadiran karyawan secara akurat berdasarkan lokasi GPS, serta menyimpan bukti kehadiran melalui foto selfie. Aplikasi ini juga menyediakan fitur login, pengajuan izin, riwayat presensi, serta pengelolaan data karyawan dan laporan absensi. Sistem ini diharapkan dapat menjadi solusi presensi modern yang efektif dan efisien dalam mendukung manajemen kehadiran di CV Global Digital Solution.
CLASSIFICATION OF MANGO RIPENESS LEVELS BASED ON DIGITAL IMAGES USING YOLOV8 Sopyan; Fransiscus Andre Suwarno; Rasya Abel Putra Gumulija; Sumanto; Ghofar Taufiq; Jefina Tri Kumalasari
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/4k5j3338

Abstract

Penilaian konvensional terhadap tingkat kematangan buah mangga umumnya didasarkan pada observasi visual. Pendekatan manual ini memiliki keterbatasan karena sangat bergantung pada pengalaman individu serta faktor lingkungan, menjadikannya rentan terhadap inefisiensi dan ketidakakuratan pada operasi skala besar. Untuk mengatasi hal ini, kami mengusulkan solusi otomatis berbasis deep learning melalui implementasi YOLOv8 (You Only Look Once versi 8) untuk klasifikasi kematangan buah mangga. Kami menggunakan dataset yang mencakup 2.328 citra dari Roboflow Universe, yang dikelompokkan menjadi tiga status: mentah, terlalu matang, dan matang. Model dilatih selama 50 epoch dengan resolusi 640 X 640 piksel. Hasil evaluasi menggunakan metrik Precision, Recall, mAP, dan Confusion Matrix menunjukkan kinerja yang superior. Model mencapai mAP50 sebesar 0,84497, mAP50–95 sebesar 0,86308, dan akurasi total 92,13%. Temuan ini mengindikasikan bahwa YOLOv8 merupakan metode deteksi dan klasifikasi yang stabil, cepat, dan efektif untuk pengenalan kematangan buah, sangat mendukung implementasi Smart Farming 4.0.
KOMPARASI DECISION TREE, RANDOM FOREST, DAN K-NN MEMPREDIKSI KELULUSAN SISWA MENGGUNAKAN ORANGE Rafi Rasendriya; Fahrian; Aberahamo Onoma Marundrury; Yakobus Linus Jumadi; Sumanto; Andi Diah Kuswanto
Jurnal Komputer dan Teknologi Vol 4 No 2 (2025): JUKOMTEK JULI 2025
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64626/jukomtek.v4i2.414

Abstract

Predicting student graduation is one of the challenges in the field of education that requires a data-driven approach. Not only final grades play a role, but also other factors such as attendance rate, weekly study hours, previous exam scores, and extracurricular activities. This study compares the performance of three classification algorithms—Decision Tree, Random Forest, and k-Nearest Neighbor (k-NN)—in predicting student graduation status based on the Student Performance dataset from Kaggle, which contains 708 student records. The modeling process was conducted using Orange Data Mining through a visual workflow approach. The models were evaluated using 20-fold cross-validation and assessed with performance metrics including AUC, accuracy, precision, recall, F1-score, and MCC. The results show that the Random Forest algorithm achieved the best performance, with an AUC of 97.1%, accuracy of 94.1%, F1-score of 94.2%, precision of 94.2%, recall of 94.1%, and MCC of 79.7%. While Decision Tree and k-NN also performed well, their results were still below those of Random Forest. These findings indicate that Random Forest is the most accurate and stable model for classifying student graduation and demonstrate that Orange Data Mining is an effective tool for applying data mining techniques in the educational field.
Co-Authors Aberahamo Onoma Marundrury Andi Diah Kuswanto Andriansyah Tri Laksono Budiman, Ade Surya Dwiki Gilang Ramadhani Fahrian Fransiscus Andre Suwarno Ghofar Taufiq Gilang Virgiawan Herdinan Tito Jefina Tri Kumalasari Juanny Cheristy Souisa Micho Respati Putra Mochamad Wahyudi Muhammad Hendra Hernawan Muhammad Rifqi Asy'ari Qais Abdurrachman Rafi Rasendriya Rasya Abel Putra Gumulija Riansyah Gustian Ryan Dwi Aprilyanto Sopyan Wina Ningsih Yakobus Linus Jumadi