Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Ilmiah Teknologi dan Rekayasa UG Journal Bulletin of Electrical Engineering and Informatics ILKOM Jurnal Ilmiah Jurnal Pengabdian Kepada Masyarakat Darma Saskara
Patriya, Eka
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
IMPLEMENTASI LEXICON BASED DAN NAIVE BAYES PADA ANALISIS SENTIMEN PENGGUNA TWITTER TOPIK PEMILIHAN PRESIDEN 2019 Aulia, Gusti Nur; Patriya, Eka
Jurnal Ilmiah Informatika Komputer Vol 24, No 2 (2019)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2019.v24i2.2369

Abstract

Pilpres saat ini cukup menyita perhatian, karena berbagai rumor yang beredar. Masyarakat juga menjadi sasaran elit politik, dimana suara mereka merupakan penentu keberlangsungan arah politik untuk lima tahun kedepan. Opini-opini positif, netral maupun negatif dapat menimbulkan ancaman munculnya berita bohong (hoax). Salah satu sarana yang digunakan masyarakat dalam mengekspresikan pilihan politiknya adalah melalui media sosial salah satunya twitter. Data seperti opini publik dapat diolah menjadi sebuah informasi yang bermanfaat, salah satunya melalui analisis sentimen. Pada penelitian ini, akan dilakukan analisis sentimen pada Twitter tentang pemilihan presiden 2019. Tahapan analisis sentimen pada penelitian ini terdiri dari akuisisi data, pre-processing, klasifikasi data, evaluasi data dan visualisasi data. Preprocessing dilakukan dengan case folding, normalisasi data, filtering, ubah kata baku, stopword dan stemming. Penelitian ini melakukan 2 metode yaitu dengan metode Lexicon Based dan Naïve Bayes Classifier. Hasil akhir dari analisis kemudian dihitung nilai akurasi menggunakan confusion matrix dan di visualisasikan menggunakan web server. Penentuan sentimen prediksi dilakukan menggunakan metode Lexicon Based dan Labelisasi dengan perhitungan secara manual. Data latih dan data uji akan digunakan dalam proses pelatihan dan pengujian menggunakan Naive Bayes Classifier. Hasil klasifikasi yang dilakukan oleh metode Naive Bayes Classifier disebut sentimen aktual. Perhitungan tingkat keakurasian antara sentimen prediksi terhadap sentimen aktual menggunakan pengujian confusion matrix. Hasil yang didapatkan adalah tingkat akurasi antara sentimen prediksi dan sentimen aktual dengan Lexicon Based sebesar 64,49% pada data uji dan pada data latih sebanyak 94,2% serta dengan menggunakan Labelisasi dan Naive Bayes Classifier sebesar 86,53% pada data uji dan data latih sebesar 94,08%. Hasil penelitian ini diharapkan dapat membantu melakukan riset atas opini masyarakat pada Twitter mengenai Pilpres 2019 yang mengandung sentimen positif, negatif atau netral.
IMPLEMENTASI SUPPORT VECTOR MACHINE PADA PREDIKSI HARGA SAHAM GABUNGAN (IHSG) Patriya, Eka
Jurnal Ilmiah Teknologi dan Rekayasa Vol 25, No 1 (2020)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2020.v25i1.2571

Abstract

Saham adalah instrumen pasar keuangan yang banyak dipilih oleh investor sebagai alternatif sumber keuangan, akan tetapi saham yang diperjual belikan di pasar keuangan sering mengalami fluktuasi harga (naik dan turun) yang tinggi. Para investor berpeluang tidak hanya mendapat keuntungan, tetapi juga dapat mengalami kerugian di masa mendatang. Salah satu indikator yang perlu diperhatikan oleh investor dalam berinvestasi saham adalah pergerakan Indeks Harga Saham Gabungan (IHSG). Tindakan dalam menganalisa IHSG merupakan hal yang penting dilakukan oleh investor dengan tujuan untuk menemukan suatu trend atau pola yang mungkin berulang dari pergerakan harga saham masa lalu, sehingga dapat digunakan untuk memprediksi pergerakan harga saham di masa mendatang. Salah satu metode yang dapat digunakan untuk memprediksi pergerakan harga saham secara akurat adalah machine learning. Pada penelitian ini dibuat sebuah model prediksi harga penutupan IHSG menggunakan algoritma Support Vector Regression (SVR) yang menghasilkan kemampuan prediksi dan generalisasi yang baik dengan nilai RMSE training dan testing sebesar 14.334 dan 20.281, serta MAPE training dan testing sebesar 0.211% dan 0.251%. Hasil penelitian ini diharapkan dapat membantu para investor dalam mengambil keputusan untuk menyusun strategi investasi saham.
PENGARUH CELEBRITY ENDORSER, KEPERCAYAAN, DAN KUA LITAS INFORMASI TERHADAP KEPUTUSAN PEMBELIAN SECARA ONLINE PADA E-MARKETPLACE Patriya, Eka
UG Journal Vol 14, No 6 (2020)
Publisher : Universitas Gunadarma

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

Abstract

Perkembangan teknologi informasi dan komunikasi memengaruhi hampir seluruh sektor dalam kehidupan manusia, baik dalam kehidupan sosial maupun politik dimana teknologi tidak pernah terlepas dari kehidupan. Kegiatan belanja online merupakan salah satu bentuk komunikasi baru yang tidak memerlukan komunikasi tatap muka secara langsung. Penelitian ini bertujuan untuk mengetahui bagaimana pengaruh celebrity endorser, kepercayaan, dan kualitas informasi terhadap keputusan pembelian secara online pada e-marketplace. Pengambilan data menggunakan kuesioner dengan teknik purposive random sampling pada konsumen yang pernah melakukan pembelanjaan secara online. Analisis data dilakukan dengan menggunakan regresi linear berganda. Hasil penelitian ini menyatak an bahwa terdapat pengaruh celebrity endorser, kepercayaan, dan kualitas informasi terhadap keputusan pembelian secara online pada e-marketplace.
The Implementation of Artificial Neural Network (ANN) on Offline Cursive Handwriting Image Recognition Fitrianingsih, Fitrianingsih; Susetianingtias, Diana Tri; Pernadi, Dody; Patriya, Eka; Arianty, Rini
ILKOM Jurnal Ilmiah Vol 14, No 1 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i1.1113.63-73

Abstract

Identifying a writing is an easy thing to do for human, but this does not apply to computers, in particular if it is handwriting. Handwriting recognition, especially cursive handwriting is a research in the area of image processing and pattern matching that is challenging to complete, following the different characteristics of each person's cursive handwriting style. In this study, the use of the ANN model will be implemented in performing offline handwriting image recognition. The cursive handwriting image that has been obtained is then preprocessed and segmented using bounding box rectangle and contour techniques. Evaluation of system performance using global performance metrics in this study resulted in a percentage of 93% where the bounding box and contour succeeded in determining the segmentation point correctly, so that the ANN model worked optimally.
Program Pendidikan Ilmu Ekonomi “Pemasaran Online” Untuk Peserta Didik Divisi Pendidikan Publik Lembaga AgenKultur Kp Babakan Ds Binong, Karawaci, Tangerang, Banten Kusumawati, Reni Diah; Purwaningrum, Supiningtyas; Patriya, Eka; Nuryanto, Guyub; Handayani; Wulandari, Ch. Dewi; Harmadi, Ashur; Permanasari, Astried; Latif, Andriansyah; Kuswandi, Dadi
Jurnal Pengabdian Kepada Masyarakat Darma Saskara Vol. 5 No. 2 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/abdimasug.2025.v5i2.213

Abstract

Pelaksanaan Pengabdian kepada Masyarakat merupakan salah satu bentuk nyata dari penerapan Tri Darma Perguruan Tinggi. Dalam kegiatan ini, Universitas Gunadarma menjalin kerja sama dengan Yayasan AgenKultur, sebuah lembaga independen yang bergerak di bidang sosial, budaya, dan pendidikan, di mana PKBM Tan Malaka menjadi divisi yang berfokus pada layanan pendidikan. Kolaborasi tersebut diwujudkan melalui pemberian pelatihan komputer dan ekonomi kepada peserta didik program Paket B dan C di yayasan tersebut. Mengingat pentingnya penguasaan teknologi informasi pada masa sekarang, materi pelatihan yang diberikan diarahkan pada pengenalan dan pemanfaatan internet untuk kegiatan pemasaran digital. Selain pelatihan teknis, Universitas Gunadarma juga menyelenggarakan Kuliah Umum secara daring untuk menambah wawasan para siswa mengenai perkembangan teknologi informasi, khususnya dalam bidang ilmu komputer dan penerapannya di bidang ekonomi. Seluruh kegiatan ini bertujuan untuk meningkatkan pengetahuan dan keterampilan digital para siswa di PKBM Tan Malaka sehingga mereka memiliki bekal yang lebih baik dalam menghadapi kebutuhan pembelajaran dan dunia kerja. One of the ways to actualize the Tri Darma of Higher Education is through community service activities, and this initiative is reflected in the collaboration between Gunadarma University and the AgenKultur Foundation, an independent organization focusing on social, cultural, and educational development. Within this foundation, PKBM Tan Malaka serves as the main educational unit. Through this partnership, training sessions in computer science and basic economics were provided for students enrolled in Package B and C programs. Given the increasing reliance on digital technology today, the training modules emphasized the introduction and practical use of the internet as a tool for digital marketing. In addition to technical training, Gunadarma University also offered an online Public Lecture designed to give students insight into the latest trends in information technology, particularly within computer science and its relevance to economic activities. The overall goal of this community service program was to enhance the digital literacy and practical IT skills of students at the AgenKultur Foundation.
Deep learning based identification of Crocidolomia pavonana larvae on mustard plants using Grad-CAM Susetianingtias, Diana Tri; Madenda, Sarifuddin; Risnawati, Risnawati; Maukar, Maukar; Patriya, Eka; Rodiah, Rodiah
Bulletin of Electrical Engineering and Informatics Vol 15, No 3: June 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v15i3.11343

Abstract

Mustard greens are an important vegetable commodity, but their production is often affected by pest attacks, especially the cabbage worm Crocidolomia pavonana (C. pavonana). The larvae damage leaf tissues and cause significant yield losses, while chemical control is often ineffective due to differences in insecticide sensitivity across larval instars. This study proposes a deep learning based classification approach combined with gradient weighted class activation mapping (Grad-CAM) to identify larval instars of C. pavonana on mustard plants. A dataset of 684 images covering instars 1 to 4 was collected from laboratory rearing and field observations, then processed using resizing and augmentation techniques and divided into training, validation, and testing sets with an 8 to 1 to 1 ratio. Two convolutional neural network (CNN) models, visual geometry group 19 (VGG19), and Xception, were implemented with additional fully connected layers. The VGG19 model achieved 94.20% accuracy and outperformed Xception. Grad-CAM successfully highlighted larval regions and supported visual interpretation. The results show that the proposed method can improve pest identification accuracy and support more effective pest management.
Co-Authors Aulia, Gusti Nur Dody Pernadi Dody Pernadi Fitrianingsih Fitrianingsih Guyub Nuryanto HANDAYANI Harmadi, Ashur Kuswandi, Dadi Latif, Andriansyah Maukar Maukar Permanasari, Astried Purwaningrum, Supiningtyas Reni Diah Kusumawati Rini Arianty Risnawati Risnawati Rodiah Rodiah Sarifuddin Madenda Susetianingtias, Diana Tri Wulandari, Ch. Dewi