Garuda - Garba Rujukan Digital

Analisis Kualitas Layanan Pegadaian Application Support System Integrated Online (PASSION) Menggunakan Metode Service Quality (Servqual) Atika Arpan; Rusmala Santi; Evi Fadilah
JUSIFO : Jurnal Sistem Informasi Vol 3 No 2 (2017): JUSIFO (Jurnal Sistem Informasi)
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v3i2.3864

Kualitas Layanan Pegadaian Application Support System Integrated Online (PASSION) perlu dilakukan evaluasi untuk mengukur dan meningkatkan kualitas layanan dengan mengunakan metode Service Quality (Servqual) yang berfokus pada lima variabel yaitu : Tangibles, Reliability, Responsiveness, Assurance, dan Emphaty, serta menghitung nilai dari persepsi dan harapan dari layanan. Hasil penelitian ini menghasilkan nilai persepsi kualitas layanan PASSION sebesar 5,938 sedangkan nilai harapan pengguna layanan PASSION sebesar 6,386 yang artinya kualitas layanan PASSION belum memenuhi harapan dari pengguna layanan. Dari hasil penelitian ini sebagai masukan bagi penyedia layanan dan pihak pengembang layanan PASSION untuk lebih meningkatkan layanan PASSION dari segi fasilitas hingga keamanan dalam menggunakan layanan PASSION agar dapat meningkatkan kualitas layanan kedepannya dan dapat memberikan layanan yang memuaskan kepada pengguna layanan PASSION.

IMPLEMENTASI PATH SMOOTHING MENGGUNAKAN ALGORITMA GRADIENT DESCENT MENGGUNAKAN SIMULASI V-REP Jayadi, Akhmad; Handoko, Dwi; Permata, Rizka; Arpan, Atika; Meilantika, Dian
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p107-115

Perkembangan teknologi robot mobile telah mengubah berbagai sektor industri, dan salah satu tantangan utama dalam pengoperasian robot mobile adalah perencanaan jalur (path planning). Jalur yang direncanakan sering kali tidak mempertimbangkan gerakan robot, terutama saat menghadapi belokan tajam yang dapat menyebabkan inefisiensi gerak robot, untuk mengatasi hal ini, teknik path smoothing digunakan untuk mereduksi ketajaman belokan, memungkinkan robot bergerak lebih lancar dan efisien. Salah satu algoritma yang digunakan dalam path smoothing adalah Gradient Descent, yang secara iteratif memperbaiki jalur dengan meminimalkan jarak antara titik-titik. Simulasi menggunakan platform V-REP sangat berguna untuk menguji efektivitas algoritma, dengan harapan dapat meningkatkan kinerja navigasi robot dan berkontribusi pada pengembangan robot mobile yang lebih efisien dan aman. Setelah jalur optimal ditentukan, langkah selanjutnya adalah memperlancar lintasan menggunakan path smoothing. Proses ini mengoptimalkan koordinat yang dihaluskan untuk mengurangi jarak antara jalur asli dan jalur yang dihaluskan dengan persamaan Pembaruan pertama memindahkan y untuk meminimalkan jarak antara koordinat asli dan yang dihaluskan, sedangkan pembaruan kedua mengurangi penyimpangan antara koordinat yang berdekatan, dengan parameter beta yang mengontrol pembaruan tersebut. Hasilnya, jalur menjadi lebih mulus dan efisien untuk dilalui robot. Hasil dari penelitian yang telah dilakukan menunjukan algoritma yang diterapkan telah mampu membuat jalur yang lebih halus dari sebelum diterapkannya algoritma ini. The development of mobile robot technology has transformed various industrial sectors, with one of the main challenges in mobile robot operation being path planning. Planned paths often do not take into account the robot's movement, especially when facing sharp turns that can cause inefficiencies in the robot's motion. To address this, path smoothing techniques are used to reduce the sharpness of turns, allowing the robot to move more smoothly and efficiently. One algorithm used in path smoothing is Gradient Descent, which iteratively refines the path by minimizing the distance between points. Simulations using the V-REP platform are very useful for testing the effectiveness of the algorithm, with the aim of improving robot navigation performance and contributing to the development of more efficient and safer mobile robots. After the optimal path is determined, the next step is to smooth the trajectory using path smoothing. This process optimizes the smoothed coordinates to reduce the distance between the original path and the smoothed path using the equation . The first update moves y to minimize the distance between the original and smoothed coordinates, while the second update reduces deviations between adjacent coordinates, with the beta parameter controlling the update. As a result, the path becomes smoother and more efficient for the robot to follow. The results of the research indicate that the applied algorithm has successfully created a smoother path compared to the original path before the algorithm was applied.

Evaluasi Kinerja Algoritma Naïve Sylvia, Sylvia; Purnomo, Hendri; Arifin, Oki; Arpan, Atika; Permata, Rizka; Handoko, Dwi; Fitriyah, Fitriyah
Jusikom : Jurnal Sistem Komputer Musirawas Vol 9 No 2 (2024): Jusikom : Jurnal Sistem Komputer Musirawas DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusikom.v9i2.2447

Social media sentiment analysis has become increasingly important with the rise of platforms like Twitter and Facebook as sources of public opinion. This study evaluates the performance of three machine learning algorithms—Naïve Bayes, k-Nearest Neighbors (KNN), and Support Vector Machines (SVM)—in classifying sentiment from social media data. Using a dataset in Indonesian, we apply cross-validation techniques to measure accuracy, precision, recall, F1-score, and computation time for each algorithm. The results show that SVM achieves the highest accuracy and F1-score, while Naïve Bayes offers better computational speed. KNN demonstrates the lowest performance in terms of accuracy and efficiency. These findings provide guidance for practitioners and researchers in selecting the appropriate algorithm for sentiment analysis based on their specific needs.

OPTIMALISASI DATA PENGABDIAN KEPADA MASYARAKAT DOSEN JURUSAN TEKNOLOGI INFORMASI DI POLITEKNIK NEGERI LAMPUNG MENGGUNAKAN LOOKER STUDIO arpan, atika
Journal of Software Engineering and Technology. Vol 5, No 2 (2025): SEAT: Journal Of Software Engineering and Technology
Publisher : Institut Teknologi dan Bisnis Diniyyah Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69769/seat.v5i2.256

Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan visualisasi data kegiatan Pengabdian kepada Masyarakat (PKM) dosen di Jurusan Teknologi Informasi Politeknik Negeri Lampung dengan memanfaatkan platform Looker Studio yang terintegrasi dengan Google Sheets sebagai basis data. Tujuan dari visualisasi ini adalah untuk menyajikan informasi yang komprehensif, akurat, dan mudah dipahami guna mendukung proses pengambilan keputusan yang berbasis data. Visualisasi yang dikembangkan mencakup beberapa aspek penting, antara lain jumlah kegiatan PKM per dosen, distribusi rumpun ilmu PKM seperti informatika, perikanan, kewirausahaan, elektronika, peternakan, serta kolaborasi antar disiplin ilmu; persentase pelaksanaan PKM pada masing-masing program studi; dan klasifikasi jenis PKM berdasarkan lingkup pelaksanaannya (lokal, nasional, dan internasional). Hasil implementasi menunjukkan bahwa visualisasi ini mampu memberikan gambaran menyeluruh terhadap keterlibatan dosen dalam kegiatan PKM, serta membantu pihak manajemen dalam melakukan evaluasi, perencanaan, dan pengembangan program pengabdian kepada masyarakat secara lebih efektif dan terarah.

Enhancing Chronic Kidney Disease Classification Using Decision Tree And Bootstrap Aggregating: Uci Dataset Study With Improved Accuracy And Auc-Roc Zuriati, Zuriati; Meilantika, Dian; Arpan, Atika; Permata, Rizka; Sriyanto, Sriyanto; Mas'ud, Mohd. Zaki
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5271

Chronic Kidney Disease (CKD) is a progressive medical disorder that requires timely and precise identification to avoid permanent impairment of kidney function. However, Decision Tree models, although widely used in clinical applications due to their transparency, ease of implementation, and ability to handle both categorical and numerical data, are prone to overfitting and instability when applied to small or imbalanced datasets. The purpose of this study is to optimize CKD classification by integrating Bootstrap Aggregating (Bagging) with Decision Tree to enhance accuracy and robustness. The methodology involves testing two model variants a standalone Decision Tree and a Bagging-supported Decision Tree using 10-fold cross-validation and evaluating performance with accuracy, precision, recall, F1-score, and the area under the ROC curve (AUC-ROC). Findings reveal that Bagging enhances model accuracy from 0.980 to 0.987, raises precision from 0.976 to 1.000, and improves recall from 0.954 to 0.954, and increases F1-score from 0.965 to 0.976. These results demonstrate that Bagging significantly improves the reliability and generalizability of Decision Tree classifiers, making them more effective for CKD prediction.

Pelatihan Pemrograman Dasar Java untuk Siswa SMA Negeri 7 Kota Bandar Lampung Atika Arpan; Sylvia, Sylvia; Dwirgo Sahlinal
BERBAKTI: Jurnal Pengabdian Kepada Masyarakat Vol. 2 No. 01 (2025): ISSUE OKTOBER
Publisher : PT. Mifandi Mandiri Digital

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

SMA Negeri 7 Kota Bandar Lampung merupakan sekolah yang terus mendorong penguatan keterampilan siswa dalam bidang teknologi informasi. Namun, masih banyak siswa yang belum mengenal dan menguasai dasar pemrograman komputer, khususnya Java, yang merupakan bahasa pemrograman populer dalam industri perangkat lunak. Melalui kegiatan Pengabdian kepada Masyarakat (PKM), tim dosen dari Politeknik Negeri Lampung melaksanakan pelatihan dasar pemrograman Java bagi siswa. Kegiatan ini bertujuan untuk memberikan pengenalan konsep dasar pemrograman, penguasaan logika, dan praktik langsung dalam membuat program sederhana. Metode pelatihan yang digunakan meliputi penyampaian materi, praktik langsung (hands-on), dan evaluasi. Hasil kegiatan menunjukkan adanya peningkatan pemahaman siswa terhadap konsep pemrograman serta motivasi untuk mendalami bidang teknologi informasi. Diharapkan kegiatan ini dapat menjadi awal dari penguatan kompetensi digital generasi muda Indonesia.

EVALUASI KINERJA KNN DAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN KOMENTAR INSTAGRAM PEJABAT PUBLIK BERBASIS TF-IDF Permata, Rizka; Sylvia, Sylvia; Arpan, Atika
Jurnal Teknologi Informasi Mura Vol 17 No 2 (2025): Jurnal Teknologi Informasi Mura DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i2.2861

Penelitian ini bertujuan mengevaluasi kinerja algoritma K-Nearest Neighbors (KNN) dan Naïve Bayes untuk klasifikasi sentimen komentar publik pada akun Instagram pejabat publik di Indonesia. Sebanyak 137.141 komentar dikumpulkan melalui web scraping dan diproses menggunakan tahapan text preprocessing, meliputi case folding, pembersihan teks, tokenization, stopword removal, normalisasi, dan stemming. Representasi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi performa meliputi accuracy, precision, recall, F1-score, dan waktu komputasi. Hasil menunjukkan bahwa Naïve Bayes memiliki akurasi tertinggi sebesar 0,9230, sedikit lebih baik dibandingkan KNN sebesar 0,9209. Kedua model menunjukkan performa sangat tinggi pada kelas netral, namun rendah pada kelas positif dan negatif akibat ketidakseimbangan kelas. Temuan ini menegaskan bahwa kombinasi TF-IDF dan Naïve Bayes masih menjadi baseline yang efektif untuk analisis sentimen berskala besar pada teks pendek media sosial.

EVALUASI KINERJA KNN DAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN KOMENTAR INSTAGRAM PEJABAT PUBLIK BERBASIS TF-IDF Permata, Rizka; Sylvia, Sylvia; Arpan, Atika
Jurnal Teknologi Informasi Mura Vol 17 No 2 (2025): Jurnal Teknologi Informasi Mura DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i2.2861

Penelitian ini bertujuan mengevaluasi kinerja algoritma K-Nearest Neighbors (KNN) dan Naïve Bayes untuk klasifikasi sentimen komentar publik pada akun Instagram pejabat publik di Indonesia. Sebanyak 137.141 komentar dikumpulkan melalui web scraping dan diproses menggunakan tahapan text preprocessing, meliputi case folding, pembersihan teks, tokenization, stopword removal, normalisasi, dan stemming. Representasi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi performa meliputi accuracy, precision, recall, F1-score, dan waktu komputasi. Hasil menunjukkan bahwa Naïve Bayes memiliki akurasi tertinggi sebesar 0,9230, sedikit lebih baik dibandingkan KNN sebesar 0,9209. Kedua model menunjukkan performa sangat tinggi pada kelas netral, namun rendah pada kelas positif dan negatif akibat ketidakseimbangan kelas. Temuan ini menegaskan bahwa kombinasi TF-IDF dan Naïve Bayes masih menjadi baseline yang efektif untuk analisis sentimen berskala besar pada teks pendek media sosial.

EVALUASI KINERJA ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN KOMENTAR PUBLIK TERHADAP PEMERINTAHAN PRESIDEN PRABOWO ARPAN, ATIKA; Sylvia, Sylvia; Permata, Rizka
Jurnal Teknologi Informasi Mura Vol 18 No 1 (2026): Jurnal Teknologi Informasi Mura
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v18i1.2864

Penelitian ini bertujuan untuk menganalisis sentimen komentar publik terhadap pemerintahan Presiden Prabowo menggunakan algoritma Support Vector Machine (SVM). Data komentar diambil dari platform media sosial dan melalui tahapan preprocessing seperti case folding, tokenization, stopword removal, stemming, dan ekstraksi fitur menggunakan TF-IDF. Model SVM diterapkan untuk mengklasifikasikan komentar ke dalam kategori positif, negatif, dan netral. Berdasarkan hasil evaluasi, algoritma SVM menunjukkan tingkat akurasi sebesar 92%, yang menandakan efektivitasnya dalam mengidentifikasi sentimen publik. Penelitian ini diharapkan dapat berkontribusi pada pengembangan metode analisis sentimen serta meningkatkan pemahaman terhadap persepsi masyarakat mengenai kinerja pemerintahan.

EVALUASI KINERJA ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN KOMENTAR PUBLIK TERHADAP PEMERINTAHAN PRESIDEN PRABOWO ARPAN, ATIKA; Sylvia, Sylvia; Permata, Rizka
Jurnal Teknologi Informasi Mura Vol 18 No 1 (2026): Jurnal Teknologi Informasi Mura
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v18i1.2864

Penelitian ini bertujuan untuk menganalisis sentimen komentar publik terhadap pemerintahan Presiden Prabowo menggunakan algoritma Support Vector Machine (SVM). Data komentar diambil dari platform media sosial dan melalui tahapan preprocessing seperti case folding, tokenization, stopword removal, stemming, dan ekstraksi fitur menggunakan TF-IDF. Model SVM diterapkan untuk mengklasifikasikan komentar ke dalam kategori positif, negatif, dan netral. Berdasarkan hasil evaluasi, algoritma SVM menunjukkan tingkat akurasi sebesar 92%, yang menandakan efektivitasnya dalam mengidentifikasi sentimen publik. Penelitian ini diharapkan dapat berkontribusi pada pengembangan metode analisis sentimen serta meningkatkan pemahaman terhadap persepsi masyarakat mengenai kinerja pemerintahan.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search