Article Per Year (5 Year)
p-Index From 2020 - 2025
4.589
P-Index
This Author published in this journals
All Journal Dinamik Agrikultura Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal Jurnal Pilar Nusa Mandiri JOURNAL OF APPLIED INFORMATICS AND COMPUTING J-SAKTI (Jurnal Sains Komputer dan Informatika) JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY JATI (Jurnal Mahasiswa Teknik Informatika) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Teknologi Sistem Informasi Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Informatika dan Rekayasa Komputer
Umaidah, Yuyun
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Industrial & Manufacturing Engineering Mechanical Engineering

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
PENERAPAN ALGORITMA ARTIFICIAL NEURAL NETWORK DALAM PREDIKSI HARGA SAHAM LQ45 PT. BANK RAKYAT INDONESIA, TBK Umaidah, Yuyun
Jurnal Gerbang STMIK Bani Saleh Vol 8 No 1 (2018): Informatics, Science and Technologies Journal
Publisher : LIPI

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

Abstract

Seiring perkembangan ekonomi Indonesia yang melemah pada tahun-tahun terakhir ini, mengakibatkan pergerakan indeks saham yang tercatat di BEI terutama LQ45 juga mengalamikenaikan dan penurunan, sehingga perlu dilakukan analisis pergerakan harga saham agar hasil analisis bisa digunakan oleh para investor untuk pengambilan keputusan dalam berinvestasi.Pada penelitian ini akan menerapkan algoritma Artificial Neural Network untuk memprediksi harga saham LQ45 dengan studi kasus Bank BRI. Dengan menggunakan empat atribut yaitu nilai open, high, low sebagai predictor dan close sebagai class, penelitian ini berfokus pada penentuan nilai akurasi, Root Mean Squared Error (RMSE) dan Normalized Mean Absolute Error (NMAE), dengan mengoptimalkan nilai-nilai parameter. Hasil Optimasi Parameter tersebut akan diujikan, dengan pemilihan ukuran hidden layer ( 3, 9, 15 neuron) pada algoritma Artificial Neural Network. Dengan mengoptimalkan nilai-nilai parameter dan pemilihan ukuran hidden layer memberikan hasil yang lebih baik, terbukti dengan hasil akurasi, RMSE dan NMAE masing-masing sebagai berikut : 81.80%, 22.042, dan 0.028.
Analisis Sentimen Menggunakan Metode Naive Bayes Terhadap Childfree Agustin, Amellia Veronica; Sa'adah, Fitria Nur; Umaidah, Yuyun
Dinamik Vol 29 No 1 (2024)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v29i1.9455

Abstract

Childfree terjadi pada individu atau pasangan yang secara sukarela memilih untuk tidak memiliki anak. Fenomena Childfree semakin menarik perhatian masyarakat modern dan mempengaruhi keputusan hidup banyak individu. Data yang digunakan diperoleh dengan melakukan crawling data pada sosial media twitter. Dalam analisis sentimen kali ini menggunakan metode naïve bayes, data akan diflasifikasikan menjadi dua hasil, yaitu sentimen negatif dan positif. Setelah itu, data tersebut akan dinilai menggunakan pengujian dengan confusion matrix untuk mengukur akurasi, recall, dan precision. Hasil pengujian dengan Rapidminer menunjukan tingkat akurasi naive bayes yang tinggi sebesar 96%, untuk sentimen positif menghasilkan nilai precision 84,13%, dan nilai recall 100%. Sedangkan untuk sentimen negatif menunjukkan nilai precision 94,92%, dan recall 100%. Hasil klasifikasi tersebut menghasilkan 254 tweet negatif, dan 74 tweet positif. Analisis sentimen menggunakan metode Naïve Bayes dapat memberikan wawasan yang berharga tentang pandangan dan sentimen masyarakat terhadap Childfree. Hasil penelitian ini penting untuk memahami dan menghargai keragaman pandangan terkait topik ini. Implikasi penelitian ini dapat digunakan untuk pengambilan keputusan yang lebih baik dalam konteks sosial, budaya, dan kebijakan yang berkaitan dengan keputusan Childfree.
PENERAPAN ALGORITMA GAUSSIAN NAIVE BAYES DALAM PENENTUAN PRIORITAS REHABILITASI DAERAH ALIRAN SUNGAI BERDASARKAN PARAMETER LAHAN KRITIS Destiana, Tiara; Umaidah, Yuyun; Enri, Ultach
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.6501

Abstract

Berkurangnya sumber air, lapisan tanah yang subur mengalami erosi, longsor, dimana hal ini berdampak pada perubahan lahan kritis, yang menyebabkan penurunan kualitas Daerah Aliran Sungai (DAS). DAS Pemali Jratun memiliki lahan kritis seluas 559.492.530 hektar. Pendekatan klasifikasi dapat digunakan untuk mengidentifikasi wilayah yang memiliki lahan kritis dengan menggunakan algoritma Gaussian Naive Bayes selama proses data mining, dengan metodologi yang digunakan dalam penelitian ini adalah KDD. Skenario pembagian dataset terbagi menjadi 3 yaitu data 70:30, 80:20, dan 90:10, penelitian ini akan dibagi menjadi 5 klasifikasi, yaitu Sangat Kritis, Kritis, Agak Kritis, Kritis Potensial, dan Tidak Kritis. Hasil pengujian dari 3 skenario yang dibuat, pemodelan dari rasio 70:30, memiliki akurasi yang unggul. Nilai F1-Score 0,61, Precision 0,56, Recall 0,71, dan Accuracy 71%. Berdasarkan kesimpulan akhir klasifikasi, terdapat dua kelas lahan kritis penting yaitu kelas 1 dengan tingkat kekritisan lahan berpotensi kritis dan kelas 2 dengan tingkat kekritisan lahan agak kritis.
Clustering Film Populer pada Aplikasi Netflix dengan Menggunakan Algoritma K-Means dan Metode CRISP-DM Fitrianti, Ika; Voutama, Apriade; Umaidah, Yuyun
Jurnal Teknologi Sistem Informasi Vol 4 No 2 (2023): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

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

Abstract

Netflix adalah platform video streaming yang paling banyak digunakan diseluruh dunia dan mulai mengadopsi teknologi analisis data dan machine learning untuk meingkatkan layanan pengguna. Netflix menggunakan data analisis untuk memahami perilaku pengguna sehingga pengguna dapat memberikan rekomendasi yang relevan. Pada penelitian ini dilakukan analisis cluster pada dataset yang berjumlah 7.637 data film Netflix yang sudah difilter menggunakan operator Rapidminer dan metode clustering. Pada penelitian ini menggunakan metode CRISP-DM dan algoritma K-Means dalam proses eksekusi di rapidminer. Dataset yang telah berhasil difilter terdapat 3 atribut yang digunakan dari 9 atribut dataset yang telah dikumpulkan yaitu durasi, rating, dan votes. Dari hasil pemodelan clustering, menunjukkan 3 cluster yang memiliki nilai rata-rata centroid yang berbeda. Dari ketiga kluster tersebut, cluster 1 menjadi cluster yang ciri-ciri ideal dalam mengelompokkan film popular di Netflix yaitu dengan nilai rata-rata pada atribut rating sebesar 8.180, atribut durasi sebesar 60.704, dan atribut votes sebesar 2602,684. Dari hasil peneltian tersebut diharapkan dapat membantu pengguna dalam menemukan film-film yang sesuai dengan minat dan preferensi pengguna.
ANALYSIS OF KARAWANG ONLINE SALES CUSTOMER SATISFACTION USING CUSTOMER SATISFACTION INDEX (CSI) METHOD Hannie, Hannie; Enri, Ultach; Umaidah, Yuyun
Jurnal Pilar Nusa Mandiri Vol 16 No 1 (2020): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1038.308 KB) | DOI: 10.33480/pilar.v16i1.1111

Abstract

Karawang is one of the industrial cities. Most industry players look at Karawang as a strategic city to run a business. Many products have been produced from Karawang. However, there are lack in promoting, marketing the product and expanding the marketing area. The analysis of consumer satisfaction in Karawang is to determine the satisfaction of Karawang consumers to the prospects of promising online sales. Service attributes can be included in increasing online sales at Karawang using the Customer Satisfaction Index (CSI) method. The result of the Customer Satisfaction Index (CSI) is 78.43% which means that overall consumers who live in Karawang and have been shopped online are satisfied with the development of online shopping. This research was conducted in Karawang. The data used are primary data and secondary data. The sampling method is a non-probability sampling method, while the non-probability sampling method used sampling purposes.
PREDICTION OF PUBLIC SERVICE SATISFACTION USING C4.5 AND NAÏVE BAYES ALGORITHM Umaidah, Yuyun; Enri, Ultach
Jurnal Pilar Nusa Mandiri Vol 17 No 2 (2021): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v17i2.2403

Abstract

One of the things that has often been questioned lately is in the field of public services, especially in terms of the quality or service quality of government agencies to the community, the Manpower and Transmigration Office of Kab. Karawang is a government agency in charge of public services. where one of the tasks is to make an AK.1 card (yellow card), based on this problem the Manpower and Transmigration Office of Kab. Karawang Regency. Karawang seeks to improve service quality in order to satisfy consumers by distributing questionnaires to every consumer who is making an AK card.1. In this study, we will apply the C4.5 and Naïve Bayes algorithms to predict the satisfaction of public services with the nominal type of dataset used. The evaluation is done based on a comparison of the level of accuracy, precision, recall, and F-Measure using a confusion matrix. From the research that has been carried out, the Naïve Bayes algorithm with 70% training data distribution and 30% testing is able to provide better predictive results than the C4.5 algorithm as evidenced by the accuracy value = 96.89%, precision = 95.50%, recall = 95.00% and f-measure = 94.60%.
ANALISIS SENTIMEN PADA PENGGUNA TWITTER TERHADAP PROGRAM KAMPUS MERDEKA MENGGUNAKAN NAÏVE BAYES Nursidik Dinar, Ahmad; Susilo Yuda Irawan, Agung; Umaidah, Yuyun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6552

Abstract

Pembuatan berbagai jenis program Kampus Merdeka ramai saat ini, hal ini menyebabkan munculnya banyak masalah yang menyertainya. dalam tiga tahun pelaksanaannya, banyak kesalahan yang terus berulang, seperti keterlambatan pencairan uang saku untuk biaya hidup mahasiswa selama menjalankan program. Masalah ini bahkan menyebabkan mahasiswa membuat petisi untuk menuntut pencairan yang lebih cepat, namun hal tersebut tidak memberikan dampak yang signifikan karena masalah keterlambatan pencairan uang saku terulang kembali. Namun, tweet yang diposting oleh peserta di Twitter dapat dijadikan sumber informasi yang penting dan bermanfaat. Oleh karena itu, analisis sentimen dapat digunakan sebagai solusi untuk mengolah suara tersebut dengan menggunakan algoritma Naïve Bayes Classifier. Tujuan dari penelitian ini adalah untuk mengevaluasi program Kampus Merdeka agar dapat menghindari mengulangi kesalahan yang sama di masa depan, dengan mengklasifikasikan pendapat tentang program Kampus Merdeka berdasarkan kelas positif dan negatif. Pengujian dilakukan dengan menggunakan empat skenario, yang berarti data dibagi menjadi dua bagian dengan perbandingan 90:10, 80:20, 70:30 dan 60:40 untuk data training dan data testing. Hasil evaluasi menunjukkan bahwa pembagian dataset 90:10 adalah yang terbaik dengan menghasilkan akurasi yang terbaik baik yaitu 97,92%.
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI PENYAKIT PARU-PARU MENGGUNAKAN RAPIDMINER Meila Azzahra Sofyan, Fazrin; Voutama, Apriade; Umaidah, Yuyun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6810

Abstract

Paru-paru adalah sistem pernapasan yang menjadi tempat bertukarnya oksigen dan karbon dioksida. Namun, bukan hal yang mustahil jika paru-paru dapat mengalami ganguan sehingga dapat menyebabkan penyakit paru-paru. Merokok menjadi penyebab utama penyakit paru-paru, data dari World Health Organization menunjukan 40% kematian akibat merokok dan setidaknya 8 juta orang terbunuh setiap tahunnya. Menurut Lung Foundation Australia, penyakit paru-paru dapat menyerang siapa saja entah itu perokok pasif atau aktif, pria, wanita dan anak-anak. Penelitian ini menggunakan metode KDD (Knowledge Discovery in Database) yang memiliki lima tahap yaitu selection, preprocessing, transformation, data mining dan evaluation serta menggunakan algoritma C4.5 untuk mendapatkan model prediksi yang dapat memprediksi data pasien penyakit paru-paru. Penelitian ini bertujuan untuk mendapatkan nilai akurasi, recall dan precision dengan menggunakan algoritma C4.5. Adapun data yang digunakan pada penelitian ini diperoleh dari Kaggle yang berisi 30.000 data dengan 11 atribut di dalamnya. RapidMiner digunakan sebagai tools untuk menguji dataset pasien yang digunakan sehingga menghasilkan sebuah pohon keputusan (decision tree) dengan nilai akurasi sebesar 89.77%, recall sebesar 78.61%, dan precision sebesar 100% yang diperoleh dari split data 90% (data training) – 10% (data testing).
IMPLEMENTASI DATA MINING CLUSTERING K-MEANS DALAM MENGGOLONGKAN BERAGAM MEREK LAPTOP Putri Riyandoro, Affani; Voutama, Apriade; Umaidah, Yuyun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6816

Abstract

Dalam kehidupan sehari – hari, pemilihan dan pembelian laptop dilakukan berdasarkan merek laptop yang terkenal ataupun saran dari orang terdekat. Namun, pemilihan tersebut kurang efektif karena banyaknya pilihan laptop dan kurangnya pengetahuan pengguna tentang spesifikasi laptop. Tujuan penelitian ini adalah untuk menerapkan metode Clustering K-Means dalam menggolongkan berbagai jenis merek laptop kedalam beberapa kelompok, dengan harapan dapat membantu pengguna dalam memilih laptop dengan kualitas terbaik. Hasil penelitian yang didapat adalah merek laptop berhasil dikelompokkan menjadi tiga cluster. Cluster 0 berisi 70 data, cluster 1 berisi dari 25 data, dan cluster 2 terdiri dari 5 data. Kesimpulan yang diperoleh yaitu pengujian dengan menerapkan metode Clustering K-Means ini memberikan hasil yang positif dan sesuai dengan perhitungan yang diterapkan.
PENERAPAN NAÏVE BAYES DENGAN OPTIMASI INFORMATION GAIN DAN SMOTE UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CHATGPT Hidayatullah, Haikal; Purwantoro, Purwantoro; Umaidah, Yuyun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6887

Abstract

ChatGPT yang dikembangkan oleh OpenAI yaitu aplikasi chatbot dengan rekor pertumbuhan tercepat ketika mencapai 100 juta pengguna aktif dua bulan setelah aplikasi ini diluncurkan. Keberhasilan aplikasi ini menyebabkan timbulnya berbagai macam komentar dari penggunanya di media sosial seperti Twitter. Komentar yang diberikan pengguna dapat dimanfaatkan oleh pengembang untuk meningkatkan kualitas aplikasi sesuai dengan kebutuhan pengguna karena komentar dapat berisi ulasan atau permasalahan ketika pengguna menggunakan aplikasi. Akan tetapi, mengolah informasi dari sejumlah besar komentar secara manual tidak memungkinkan dilakukan. Oleh karena itu, penelitian ini menerapkan analisis sentimen dengan pendekatan machine learning menggunakan algoritma Naïve Bayes dengan optimasi Information Gain dan SMOTE untuk mengolah informasi dari komentar-komentar pengguna. Data yang digunakan pada penelitian ini terdiri dari 721 komentar pengguna aplikasi ChatGPT yang dikumpulkan dari media sosial Twitter selama periode bulan Maret 2023 hingga April 2023. Hasil evaluasi menunjukkan bahwa model Opt2 menjadi model terbaik dengan nilai akurasi sebesar 87.20% dan nilai F1-score sebesar 84.74%. Selain itu, hasil evaluasi menunjukkan bahwa metode optimasi Information Gain dan SMOTE mampu meningkatkan nilai akurasi, recall dan F1-score dengan rata-rata peningkatan yang didapat sebesar 6.25% untuk nilai akurasi, 23.9% untuk nilai recall, dan 25.44% untuk nilai F1-score. Temuan penelitian ini menunjukkan bahwa meskipun aplikasi ChatGPT membantu pengguna dalam menyelesaikan tugas-tugas pengguna, pengembang perlu meningkatkan kualitas respons jawaban dari aplikasi dan menangani error yang terjadi saat pengguna menggunakan ChatGPT
Co-Authors Agustin, Amellia Veronica Alexander, Hizkia Anesha Lutia, Frise Apriade Voutama Arga Adi Putra, Harvian Aries Suharso Aufarrizqi, Adrian Carudin, Carudin Destiana, Tiara Eddy Ryansyah Enri, Ultach Fadhilah, Muhammad Rizqi Fadlurrahman Muchdyansyah, Raihan Farissa, Riva Arsyad Fauzan, Muh. Yoga Fitrianti, Ika garno, Garno Hakim, Reza Hannie, Hannie Haya Amalia, Salma Hidayatullah, Haikal Iqbal Maulana Jajuli, M. Jamaludin, Asep Maemunah Maharadja, Alfanda Novebrian Mahatmayana, I Ketut Manu Mayasari, Rini Meila Azzahra Sofyan, Fazrin Muhaa, Najibah Aisyah Mulyono, Larasati Mya Nur Amalia, Indira Nursidik Dinar, Ahmad Nursyahfitri, Rika Padilah, Tesa Nur Pajri, Dicki Permana, Hendi Pramudja, Stevanus Ertito Prasetya, Muhammad Erlangga Pratama, Aditiya Yoga Pratama, Sena Purwantoro Putri Riyandoro, Affani Rusfauzi Surya, Muhammad Sa'adah, Fitria Nur Safitri, Tiara Suhaeni Suhaeni, Suhaeni Susilo Yuda Irawan, Agung Suyantoputri, Fanny Trihandoko, Kardo Vito Anggoro, Alfian