Article Per Year (5 Year)
p-Index From 2021 - 2026
3.654
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Computatio : Journal of Computer Science and Information Systems Indonesian Journal on Software Engineering (IJSE) JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Teknoinfo EVOLUSI : Jurnal Sains dan Manajemen Tematik : Jurnal Teknologi Informasi Komunikasi Computer Science (CO-SCIENCE) Jurnal Sistem Informasi Akuntansi Conten : Computer and Network Technology Informatics and Computer Engineering Journal
Dany Pratmanto
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Engineering

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Analisis Sentimen Terhadap Aplikasi Canva Menggunakan Algoritma Naive Bayes Dan K-Nearest Neighbors Dany Pratmanto; Fabriyan Fandi Dwi Imaniawan
Computer Science (CO-SCIENCE) Vol. 3 No. 2 (2023): Juli 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v3i2.1917

Abstract

The sentiment analysis used in the Canva application involves collecting user reviews or feedback. Then, a sentiment analysis algorithm is applied to classify the reviews as positive or negative. Sentiment analysis can help the company understand user opinions about the Canva application and how the application can meet user needs. The process of sentiment analysis in the Canva application involves collecting user reviews or feedback, which are then classified using a sentiment analysis algorithm. The research results show that the KNN algorithm has an accuracy rate of 83.92%, while Naive Bayes only has an accuracy rate of 77.41%. The KNN algorithm also has higher recall and precision values than Naive Bayes, namely 83.66% and 84.49%, respectively. In addition, the AUC value generated by the KNN algorithm is also higher than Naive Bayes, namely 95.00% compared to 94.50%. Therefore, it can be concluded that the KNN algorithm is more suitable for data classification in this research. This research can contribute to the development of the Canva application and improve the quality of service for its users.
Pengembangan Sistem Informasi Anggaran Desa Berbasis Cloud Computing untuk Meningkatkan Transparansi dan Akuntabilitas Pengelolaan Keuangan Desa Bumiharja Aji, Sopian; Pratmanto, Dany; Rousyati, Rousyati; Melly Agustin; Tasya Desti Setiawan; Afida Nurul Yasmin; Andri Miftahul Akhyar
TEMATIK Vol. 10 No. 2 (2023): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2023
Publisher : LPPM POLITEKNIK LP3I BANDUNG

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

Abstract

Development of a Cloud Computing-Based Village Budget Information System to Increase Transparency and Accountability in Bumiharja Village Financial Management. The Village Budget Information System has become a key component in efforts to increase efficiency and transparency in village financial management. This article discusses cloud computing-based developments, with a focus on Bumiharja Village. The use of cloud computing technology allows easier and safer access to village budget data, integrating all aspects of village financial management into one connected platform. With this system, stakeholders, including village residents, village government, and auditors, can monitor village budgets in real-time. This contributes to a high level of transparency because budget and expenditure data can be accessed publicly. In addition, this system helps increase accountability in village financial management. With proper and structured recording, errors and misuse of funds can be more easily detected. By providing accurate data, village governments can plan budgets more wisely, and village residents can have a better understanding of fund allocation. The development of a cloud-based computing system is a progressive step in creating an efficient, transparent, and accountable village financial management system. This means that this is a breakthrough that has the potential to have a positive impact on development and economic growth in Bumiharja Village.
Sistem Informasi Absensi Pegawai Miemie Brownie “Simiemie” Pratmanto, Dany; Liesnaningsih, Liesnaningsih; Subkhan, Wimas Mutas; Azhar, Haikal Akhalul; Ichsani, Annisa
Jurnal Sistem Informasi Akuntansi (JASIKA) Vol. 4 No. 01 (2024): Mei 2024
Publisher : LPPM UBSI Kampus Kota Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jasika.v4i01.3571

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem informasi absensi pegawai berbasis web untuk Miemie Brownie, sebuah perusahaan di bawah PT Nibras Berkah Mulia yang bergerak di sektor makanan dan minuman. Sistem absensi manual saat ini, yang menggunakan pengenalan sidik jari, terbukti tidak efisien, terutama ketika sidik jari basah atau kotor, sehingga memerlukan pemrosesan data yang memakan waktu. Sistem baru ini bertujuan untuk meningkatkan produktivitas dan efisiensi dengan menyediakan platform yang mudah digunakan untuk pelacakan dan pelaporan absensi. Dengan mengimplementasikan sistem berbasis web ini, karyawan dapat mencatat absensi secara jarak jauh, memfasilitasi akurasi data yang lebih baik dan pelaporan yang tepat waktu. Penelitian ini menggunakan model Waterfall untuk pengembangan sistem, memastikan pendekatan terstruktur dari analisis kebutuhan hingga implementasi dan pemeliharaan. Hasilnya menunjukkan peningkatan signifikan dalam penanganan data, pengurangan kesalahan, dan peningkatan efisiensi operasional, menyoroti pentingnya integrasi teknologi dalam sistem manajemen pegawai.
Sentiment Analysis on Fuel Purchase Policy Through MyPertamina Application Using NB and SVM Methods Optimized by PSO as Weight Optimation Rousyati, Rousyati; Pratmanto, Dany; Ardiansyah, Angga; Aji, Sopian
Journal of Applied Informatics and Computing Vol. 7 No. 2 (2023): December 2023
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v7i2.5131

Abstract

Sentiment analysis on the MyPertamina application can serve as a means to extract customer opinions about the application. This method involves collecting reviews from users who have utilized the MyPertamina application and classifying these reviews as positive or negative using sentiment analysis algorithms. After the reviews are classified, themes discussed in positive and negative reviews can be extracted, such as ease of use, payment speed, or technical issues. This provides a general overview of user expectations for the MyPertamina application and areas that may need improvement. Sentiment analysis of MyPertamina application comments using Naïve Bayes (NB) and Support Vector Machine (SVM) methods is a process to evaluate whether user comments on the MyPertamina application are positive or negative. NB and SVM are machine learning methods used to predict the category of an input based on given training data. In this study, user comments on the MyPertamina application are used as input and classified as positive, negative, or neutral based on previous training data. The goal of this sentiment analysis is to understand user perceptions of the MyPertamina application and enhance its quality. The research concludes that the implementation of data mining can assist in categorizing sentiments of MyPertamina reviews. The NB algorithm with the addition of Particle Swarm Optimization (PSO) proves to be the most effective method in this study compared to NB alone, SVM, and SVM + PSO. The NB algorithm with PSO optimization yields an accuracy of 79.49%, the highest precision of 79.57%, recall of 79.38%, and the highest AUC of 95.30%, falling into the category of excellent classification.
Pengembangan Sistem Informasi Anggaran Desa Berbasis Cloud untuk Meningkatkan Transparansi dan Partisipasi Masyarakat dalam Pengelolaan Keuangan Desa Pratmanto, Dany; Aji, Sopian; Tazali, Imam; Hasani, Maghfur; Pratama L, Yansen
Indonesian Journal on Software Engineering Vol 10, No 2 (2024): IJSE 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v10i2.24500

Abstract

Penelitian ini mengembangkan Sistem Informasi Anggaran Desa Berbasis Cloud untuk meningkatkan transparansi dan akuntabilitas pengelolaan keuangan desa, dengan studi kasus di Desa Brekat. Sistem ini bertujuan untuk memudahkan masyarakat dalam mengakses informasi Anggaran Pendapatan dan Belanja Desa (APBDes) secara online dan real-time, sehingga meningkatkan partisipasi dalam pengawasan keuangan desa. Metodologi pengembangan menggunakan pendekatan Agile yang memungkinkan pembaruan berkelanjutan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa penerapan sistem berbasis cloud ini meningkatkan aksesibilitas dan efektivitas pengelolaan APBDes di Desa Brekat. Sistem ini terbukti mampu memperkuat transparansi dan mendorong keterlibatan masyarakat dalam proses pengambilan keputusan keuangan desa, sekaligus mengoptimalkan efisiensi dalam operasional keuangan desa. Dengan demikian, sistem ini berpotensi menjadi solusi berkelanjutan bagi desa dalam mengelola anggaran secara transparan dan partisipatif.
Analisa Sentimen Persepsi Masyarakat Terhadap Aplikasi Bea Cukai Mobile Menggunakan Algoritma Naive Bayes Dan K-Nearest Neighbors Rousyati, Rousyati; Pratmanto, Dany; Widodo, Andrian Eko; Fatmawati, Kulum; Saputra, Rangga Diva
Evolusi : Jurnal Sains dan Manajemen Vol 12, No 2 (2024): Jurnal Evolusi 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/evolusi.v12i2.23576

Abstract

AbstractThis study analyzes user sentiment towards the Bea Cukai Mobile application using Naive Bayes and K-Nearest Neighbors (KNN) algorithms. Data was collected from 600 reviews on Google Play Store, equally divided between positive and negative sentiments. After preprocessing, the data was analyzed using both algorithms. Results show that Naive Bayes outperformed with 79.96% accuracy, 87.76% recall, and 96.40% AUC, compared to KNN's 78.34% accuracy, 75.32% recall, and 92.20% AUC. However, KNN excelled in precision with 81.06% versus Naive Bayes' 77.21%. The study concludes that Naive Bayes is more effective in providing accurate classification and distinguishing between positive and negative classes, while KNN is more precise in predicting positive classes. These findings offer valuable insights into user perceptions of the Bea Cukai Mobile application and the effectiveness of algorithms in sentiment analysis.Keywords: Sentiment analysis, Bea Cukai Mobile application, Naive Bayes, K-Nearest Neighbors, Google Play Store, User reviewsAbstrakPenelitian ini menganalisis sentimen pengguna terhadap aplikasi Bea Cukai Mobile menggunakan algoritma Naive Bayes dan K-Nearest Neighbors (KNN). Data diperoleh dari 600 ulasan di Google Play Store, terbagi sama rata antara sentimen positif dan negatif. Setelah melalui tahap preprocessing, data dianalisis menggunakan kedua algoritma tersebut. Hasil menunjukkan bahwa Naive Bayes memiliki performa lebih baik dengan akurasi 79,96%, recall 87,76%, dan nilai AUC 96,40%, dibandingkan KNN dengan akurasi 78,34%, recall 75,32%, dan AUC 92,20%. Namun, KNN unggul dalam hal presisi dengan 81,06% dibanding Naive Bayes 77,21%. Penelitian ini menyimpulkan bahwa Naive Bayes lebih efektif dalam memberikan klasifikasi akurat dan membedakan kelas positif dan negatif, sementara KNN lebih tepat dalam memprediksi kelas positif. Hasil ini memberikan wawasan berharga tentang persepsi pengguna terhadap aplikasi Bea Cukai Mobile dan efektivitas algoritma dalam analisis sentimen.Kata kunci: Analisis sentimen, Aplikasi Bea Cukai Mobile, Naive Bayes, K-Nearest Neighbors, Google Play Store, Ulasan pengguna
ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI VIDIO DI GOOGLE PLAY STORE Pratmanto, Dany; Widayanto, Aprih; Kristania, Yustina Meisella; Ubaidillah , Ubaidillah; Wijianto, Ragil
CONTEN : Computer and Network Technology Vol. 4 No. 2 (2024): Desember 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v4i2.6891

Abstract

Penelitian ini mengkaji efektivitas algoritma Naive Bayes (NB) dan K-Nearest Neighbors (KNN) dalam analisis sentimen ulasan pengguna aplikasi Vidio di Google Play Store. Evaluasi kinerja kedua model dilakukan menggunakan berbagai metrik, termasuk akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa KNN mengungguli Naive Bayes dalam beberapa aspek penting. KNN mencapai akurasi 74.92% dibandingkan dengan Naive Bayes sebesar 71.32%. Dalam hal precision, KNN juga menunjukkan performa yang lebih baik dengan nilai 76.52%, sementara Naive Bayes mencapai 71.61%. Meskipun demikian, kedua model menunjukkan kinerja yang sebanding dalam hal recall, dengan KNN mencapai 72.54% dan Naive Bayes 71.46%. Yang menarik, kedua model memiliki nilai AUC yang sangat tinggi dan hampir setara, yaitu 90.10% untuk KNN dan 90.00% untuk Naive Bayes, menunjukkan kemampuan yang sangat baik dalam membedakan sentimen positif dan negatif. Berdasarkan hasil evaluasi secara keseluruhan, algoritma KNN lebih direkomendasikan untuk implementasi analisis sentimen pada ulasan pengguna aplikasi Vidio.
Evaluasi Kinerja Naive Bayes dan K-Nearest Neighbors pada Analisis Sentimen Ulasan Aplikasi SnackVideo Pratmanto, Dany; Fandhilah, Fandhilah; Rousyati, Rousyati; Aji, Sopian
Indonesian Journal on Software Engineering Vol 11, No 1 (2025): IJSE 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v11i1.26165

Abstract

Abstrak  Penelitian ini membandingkan performa algoritma Naive Bayes (NB) dan K-Nearest Neighbors (KNN) dalam analisis sentimen review aplikasi SnackVideo. Dataset berisi 2000 ulasan dengan distribusi seimbang antara sentimen positif dan negatif. Metodologi penelitian mengikuti CRISP-DM, meliputi pengumpulan data melalui web scraping, preprocessing data (transform case, tokenization, stopword removal, dan stemming/lemmatization), pembentukan model klasifikasi dengan NB dan KNN, evaluasi model menggunakan metrik akurasi, recall, presisi, dan AUC, serta komparasi hasil. Hasil evaluasi menunjukkan NB memiliki akurasi 80,46%, recall 88,26%, presisi 77,71%, dan AUC 96,90%, sedangkan KNN memiliki akurasi 78,84%, recall 75,82%, presisi 81,56%, dan AUC 92,70%. Secara umum, NB lebih unggul dalam akurasi, recall, dan AUC, sehingga direkomendasikan sebagai algoritma yang lebih efektif dan efisien untuk analisis sentimen pada dataset besar. KNN lebih cocok untuk kasus yang membutuhkan presisi tinggi dalam prediksi positif.Kata kunci: Analisis Sentimen, Aplikasi SnackVideo, Naive Bayes, K-Nearest Neighbors, Preprocessing Data, Evaluasi Model AbstractThis study compares the performance of the Naive Bayes (NB) and K-Nearest Neighbors (KNN) algorithms in sentiment analysis of SnackVideo app reviews. The dataset consists of 2000 reviews with a balanced distribution between positive and negative sentiments. The research methodology follows CRISP-DM, including data collection via web scraping, data preprocessing (transform case, tokenization, stopword removal, and stemming/lemmatization), sentiment classification model building with NB and KNN, model evaluation using metrics such as accuracy, recall, precision, and AUC, and comparison of results. The evaluation results show that NB achieves an accuracy of 80.46%, recall of 88.26%, precision of 77.71%, and AUC of 96.90%, while KNN achieves an accuracy of 78.84%, recall of 75.82%, precision of 81.56%, and AUC of 92.70%. Overall, NB outperforms KNN in terms of accuracy, recall, and AUC, making it a more effective and efficient algorithm for sentiment analysis on large datasets. KNN is more suitable for cases requiring high precision in positive predictions.Keywords: Sentiment Analysis, SnackVideo App, Naive Bayes, K-Nearest Neighbors, Data Preprocessing, Model Evaluation
Komparasi K-Nearest Neighbors (KNN) dan Naive Bayes pada Klasifikasi Sentimen Ulasan Aplikasi Tokopedia di Google Play Store Ragil Wijianto; Pratmanto, Dany; Widayanto, Aprih; Ubaidilah
Informatics and Computer Engineering Journal Vol 5 No 2 (2025): Periode Agustus 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v5i2.8939

Abstract

Ulasan pengguna aplikasi e-commerce di platform seperti Google Play Store merupakan sumber umpan balik vital bagi pengembang, namun volumenya yang masif menyulitkan analisis manual. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan melakukan analisis sentimen otomatis pada ulasan aplikasi Tokopedia. Fokus utama adalah mengklasifikasikan sentimen ulasan ke dalam kategori positif dan negatif serta membandingkan secara empiris kinerja dua algoritma klasifikasi populer, yaitu Naive Bayes (NB) dan K-Nearest Neighbors (KNN). Metodologi penelitian mencakup tahapan pengumpulan data ulasan dari Google Play Store, pra-pemrosesan teks ekstensif (termasuk case folding, cleaning, tokenizing, stopword removal, stemming), ekstraksi fitur numerik dari teks, implementasi model NB dan KNN, serta evaluasi komparatif menggunakan metrik Akurasi, F1-Score, dan Area Under the Curve (AUC). Hasil evaluasi pada data uji menunjukkan bahwa algoritma KNN menunjukkan kinerja yang secara signifikan lebih unggul dibandingkan Naive Bayes. KNN berhasil mencapai akurasi sebesar 80.00% dengan nilai AUC 0.865, sementara Naive Bayes hanya mencapai akurasi 71.50% dengan nilai AUC 0.576 yang mengindikasikan kemampuan diskriminatif rendah. Penelitian ini menyimpulkan bahwa KNN merupakan metode yang lebih efektif dan reliabel dibandingkan NB untuk tugas klasifikasi sentimen pada dataset ulasan aplikasi Tokopedia ini, dan menawarkan potensi aplikasi praktis untuk memonitor opini pengguna secara otomatis.
Sistem Informasi Administrasi Pada ERNI Salon Berbasis Web Menggunakan Framework Codeigniter Fandhilah, Fandhilah; Ardiansyah, Angga; Aji, Sopian; Pratmanto, Dany
Jurnal Sistem Informasi Akuntansi (JASIKA) Vol. 1 No. 2 (2021): Oktober 2021
Publisher : LPPM UBSI Kampus Kota Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jasika.v1i2.679

Abstract

Erni Salon saat  ini masih dilakukan secara konvensional, dimana pada proses pemesanan dan pencatatan administrasi  dicatat pada   buku   dan   ms.  Excel,  oleh karena itu dapat mempengaruhi dari pelayanan yang diberikan kepada konsumen membutuhkan waktu yang cukup lama. ditambah jika terjadi penumpukan pada jam-jam tertentu. Dalam penggunaan microsoft office excel ini masih bersifat manual sehingga aplikasi tersebut belum mampu untuk menyimpan data serta informasi secara terpusat pada satu database saja.  Kepuasan konsumen merupakan salah satu factor utama yang memerlukan perhatian lebih untuk jasa perawatan salon, oleh sebab itu, salon membutuhkan pekerja yang merupakan tenaga ahli atau terlatih pada bidang tersebut. Dengan adanya peningkatan jumlah konsumen serta kebutuhan masyarakat akan perawatan menjadikan penumpukan konsumen yang datang untuk mendapatkan fasilitas atau perawatan yang diberikan oleh salon tersebut. Erni Salon maka membutuhkan sistem yang mampu digunakan untuk memanage transaksi  dan keuangan yang dilakukan oleh konsumen. Erni Salon membutuhkan sistem informasi yang dapat meningkatkan pelayanan dan pencatatan administrasi menjadi lebih rapih, serta dapat lebih mudah dalam proses pengecekan data.Oleh sebab itu diperlukan sistem informasi berbasis website pada Erni Salon menggunakan framework codeigniter untuk membuat sistem informasi administrasi, dimana penggunaan framework agar mempermudah dalam proses pembangunan system informasi administrasi ini.
Co-Authors A. Fatakhudin - AMIK BSI Tegal Aep Saprul Mujahid Afida Nurul Yasmin Aji, Sopian Andri Miftahul Akhyar Andrian Eko Widodo Angga Ardiansyah Aprih Widayanto Ayu Amarcia Ananda Santoso Wijoyo Ayu Silvia Azhar, Haikal Akhalul Crisna, Aditia Dhea Savitri Evita Nur Khasanah Fabriyan Fandi Dwi Imaniawan Fakihotun Titiani Fandhilah Fandhilah Fathurrohman Al Ubaidillah Fatmawati, Kulum Fitria Tisa’ Tiffani Gata, Windu Hasani, Maghfur Husni Mubarok Ichsani, Annisa Inggit Ayu Arifiyanti Liesnaningsih Liesnaningsih Liesnaningsih, Liesnaningsih Melly Agustin Muhamad Fahrul Rozzi Nia Kusuma Wardhani, Nia Kusuma Pratama L, Yansen Ragil Wijianto Ratna Kurnia Sari Rousyati Rousyati Rousyati, Rousyati Safuan Adi Saputra Sahal Tsani Musyaffa - AMIK BSI Purwokerto Saifudin Saifudin Saputra, Rangga Diva Sopian Aji Subkhan, Wimas Mutas Suleman Suleman Tasya Desti Setiawan Tazali, Imam Teguh Rijanandi Ubaidilah Ubaidillah , Ubaidillah Vadlya Maarif Wati, Fanny Fatma Yustina Meisella Kristania - STMIK Nusa Mandiri Jakarta, Yustina Meisella Kristania