Article Per Year (5 Year)
p-Index From 2021 - 2026
5.504
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Prosiding SNATIKA Vol 01 (2011) Jurnal Teknologi dan Sistem Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Digital Zone: Jurnal Teknologi Informasi dan Komunikasi J-SAKTI (Jurnal Sains Komputer dan Informatika) Building of Informatics, Technology and Science E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Infotech: Journal of Technology Information Jurnal Teknologi Informatika dan Komputer Jurnal Teknik Informatika (JUTIF) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Abdimas Indonesia Journal Of Artificial Intelligence And Software Engineering Journal of Computer Science and Information Technology Masyarakat Mandiri: Jurnal Pengabdian Dan Pembangunan Lokal Jurnal Sistem Informasi dan Teknologi Informasi
Andrianingsih
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : journal of computer science and information technology

 1 
ANALISIS SENTIMEN PELANGGAN TERHADAP APLIKASI WONDR BY BNI MENGGUNAKAN NAIVE BAYES, SUPPORT VECTOR MACHINE (SVM), DAN K-NEAREST NEIGHBOR (KNN) Irzan Busrayan; Andrianingsih, Andrianingsih
Journal of Computer Science and Information Technology Vol. 2 No. 2 (2025): Maret
Publisher : Yayasan Nuraini Ibrahim Mandiri

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

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Wondr by BNI berdasarkan ulasan yang diperoleh dari Google Play Store. Pengumpulan data dilakukan melalui teknik web scraping menggunakan library google-play-scraper dengan parameter tertentu untuk memastikan relevansi dan kesesuaian data dalam konteks lokal. Data yang diperoleh kemudian diproses melalui tahapan preprocessing, yang mencakup case folding, cleansing, normalisasi, tokenisasi, dan penghapusan stopwords guna meningkatkan kualitas analisis. Selanjutnya, data direpresentasikan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengukur bobot kata dalam ulasan. Analisis sentimen dilakukan dengan menerapkan tiga algoritma pembelajaran mesin, yaitu Naïve Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN), guna mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa metode preprocessing yang diterapkan mampu meningkatkan kualitas data untuk analisis sentimen. Algoritma SVM memberikan akurasi tertinggi dibandingkan dengan Naïve Bayes dan KNN dalam mengklasifikasikan sentimen pengguna. Temuan ini dapat dimanfaatkan oleh pengembang aplikasi dalam meningkatkan layanan dan pengalaman pengguna berdasarkan umpan balik yang telah dianalisis. Kata Kunci: Analisis Sentimen, Machine Learning, TF-IDF, Wondr By BNI, Google Play Store
KLASTERISASI DATA PENYAKIT JANTUNG MENGGUNAKAN K-MEANS DALAM SISTEM INFORMASI KESEHATAN Adinda, Saskia; Andrianingsih, Andrianingsih
Journal of Computer Science and Information Technology Vol. 2 No. 3 (2025): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i3.2021

Abstract

Penyakit jantung merupakan salah satu isu kesehatan utama yang memerlukan perhatian serius dalam pengelolaannya, terutama dalam menentukan skala prioritas penanganan pasien. Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering dalam analisis data pasien penyakit jantung menggunakan Heart Disease UCI Dataset dari Kaggle, yang mencakup berbagai atribut medis seperti usia, jenis kelamin, tekanan darah, kadar kolesterol, dan jumlah pembuluh darah yang terdeteksi. Tahapan penelitian mencakup pembersihan data, normalisasi, seleksi fitur, serta penerapan algoritma K-Means untuk mengelompokkan pasien berdasarkan kemiripan karakteristik medis mereka. Hasil klasterisasi ini bertujuan untuk membantu tenaga medis dalam menentukan prioritas penanganan pasien berdasarkan tingkat risiko penyakit jantung. Evaluasi menunjukkan bahwa metode K-Means Clustering mampu mengelompokkan pasien dengan baik dan dapat diintegrasikan ke dalam sistem informasi kesehatan rumah sakit untuk meningkatkan efisiensi pengelolaan data serta mempercepat pengambilan keputusan medis. Dengan demikian, penelitian ini berkontribusi dalam pemanfaatan teknologi analitik guna meningkatkan kualitas layanan kesehatan dalam menangani pasien penyakit jantung.
OPTIMALISASI PRIME TIME IKLAN RADIO DENGAN ALGORITMA C4.5 DALAM DATA MINING Sakti Ade Prastyo, Anggoro Bimma; Andrianingsih, Andrianingsih
Journal of Computer Science and Information Technology Vol. 2 No. 3 (2025): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i3.2038

Abstract

Penelitian ini bertujuan untuk mengoptimalkan waktu prime time dalam pemasangan iklan radio menggunakan algoritma C4.5 dalam teknik data mining. Dengan meningkatnya persaingan media digital, radio perlu mengembangkan strategi pemasangan iklan yang lebih efektif. Metode yang digunakan melibatkan pengumpulan dan analisis data pendengar radio untuk menentukan pola prime time yang optimal. Hasil penelitian menunjukkan bahwa waktu 06:00 - 09:00 pagi merupakan slot waktu yang paling efektif berdasarkan pola perilaku pendengar. Dengan pemanfaatan algoritma C4.5, penelitian ini berhasil meningkatkan efektivitas pemasangan iklan dan memberikan rekomendasi strategis bagi pengiklan dan stasiun radio.
Co-Authors Adinda, Saskia Agung Triayudi Ahmad Taufik Aldisa, Rima Tamara Aldjawad, Mohamad Alhadi, Alhadi Alhakim, Rahmat Ambi Muhammad Dzuhri, Ambi Muhammad Annisa Annisa Asrul Sani Buhori, Kiki Burhani, Hanif Rahman Candra, Hansen Chafidin, Afiyan Nur Dhieka Avrilia Lantana Elok Ainur Latif Endah Tri Esti Handayani Erlinda, Mely Erliza Hambali Fakrurrozi, Fakrurrozi Fauziah Fauziah Firzatullah, Raden Muhamad Hindarto, Djarot Hutagalung, Pancar Hizkia Ina Agustina Indra Lukmana Irzan Busrayan Iskandar Fitri, Iskandar Kaeren, Kaeren Kusuma, Rega Andhika Maharani, Anggita Putri Mochamad Hariadi Muhammad Nurdin Muhammad Taufiq Muhammad, Taufik Mutia Pamikatsih Nur Hayati oktaviana, nanda Pratama, Wildan Ikbar Putra, Gifari Yudiya Ramadhan, Jonathan Aditya Ratih Titi Komalasari Riyantoro Riyantoro Sakti Ade Prastyo, Anggoro Bimma Sari Ningsih Savira, Aura Septi Andryana setiawan, Danis Shalihati, Ira Diana Siti Aisyah Soepriyono, Gatot Subkhi, Akhmad Yunus Suparman, Kodim Susanto, Arman Rama Syaiful Syaiful Wahyuddin, M Iwan Wahyuddin, Mohammad Iwan WIJANARKO, SIGIT Wiratama Putra, Tobby Zuraidah, Arika