Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Jatmiko, Singgih
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Optimalisasi Value Streams IT4IT untuk Digitalisasi Layanan IT pada Perusahaan Multifinance Ardisurya, Reza; Jatmiko, Singgih
Jurnal Ilmiah Komputasi Vol. 24 No. 2 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 2, Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.2.3792

Abstract

PMF Multifinance menghadapi tantangan menuju proses digitalisasi dan untuk bisa pulih setelah serangan siber. Penelitian yang dilakukan menemukan tidak adanya Standard Operating Procedure (SOP) dan tenaga kerja yang tidak kompeten di Departemen IT. PMF Multifinance menggunakan kerangka kerja Information Technology for IT (IT4IT) sebagai kerangka kerja utama untuk melengkapi kerangka kerja Information Technology Infrastructure Library (ITIL) dan Control Objectives for Information and Related Technology (COBIT) yang sudah berjalan tetapi belum maksimal di bagian IT Operation. IT4IT menawarkan pendekatan terstruktur melalui empat value streams utama. Strategy to Portfolio (S2P) memastikan bahwa strategi bisnis selaras dengan investasi IT. Requirement to Deploy (R2D) mempercepat pengembangan solusi dengan proses yang lebih terorganisir. Request to Fulfill (R2F) memastikan pemenuhan permintaan pelanggan secara lebih efisien. Detect to Correct (D2C) memperkuat kemampuan deteksi penyelesaian masalah dan menjaga stabilitas operasional. Melalui implementasi IT4IT, perusahaan diharapkan dapat mengatasi masalah tata kelola IT untuk meningkatkan daya saing dalam industri multifinance. Kata kunci: Transformasi Digital IT, SOP, IT4IT, ITIL, COBIT.
KLASIFIKASI PEMILIHAN PRODUK PERBANKAN DENGAN ALGORITMA DECISION TREE ID3 DAN C4.5 Anggita Kristanti, Putri; Jatmiko, Singgih
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13907

Abstract

Seiring meningkatnya kebutuhan nasabah, bank berusaha menarik nasabah dengan menawarkan produk yang paling sesuai. Produk merupakan faktor dalam mempengaruhi keputusan nasabah dalam memilih layanan yang tepat. Penelitian ini bertujuan untuk melakukan klasifikasi produk bank dengan membandingkan pengukuran akurasi, presisi dan recall algoritma decision tree ID3 dan C4.5 menggunakan tools RapidMiner. Dalam penelitian ini dataset tersedia dengan jumlah 16.848 terdiri dari 13 atribut, 12 atribut prediksi antara lain age, gender, religion, ntb, household, education, salary, realiation, potential, response_status, status_nasabah, jenis_produk dan 1 atribut tujuan yaitu nama_produk. Atribut jenis_produk merupakan node pertama dan yang paling berpengaruh. Penelitian ini menggunakan metode CRISP-DM yang terdiri dari tahap business understanding, data understanding, data preparation, modelling dan evaluation. Hasil penelitian menunjukan algoritma ID3 memiliki rata-rata akurasi 79,09%, presisi 77,56%, dan recall 79,07%. Sementara itu, untuk algoritma C4.5, memiliki rata-rata akurasi 80,03%, presisi 78,26%, dan recall 80,03%. Algoritma C4.5 unggul dalam nilai akurasi, presisi, dan recall daripada algoritma ID3, menurut hasil implementasi secara keseluruhan. Dengan demikian, dapat dikatakan bahwa algoritma C4.5 adalah algoritma yang paling efektif untuk klasifikasi pemilihan produk perbankan.
Analisis Sentimen Ulasan Google Play Store: Studi Komparatif Algoritma SVM, Naïve Bayes, dan Logistic Regression Jatmiko, Singgih; Dometian, Charles
JURNAL FASILKOM Vol. 15 No. 3 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i3.10016

Abstract

This research aims to compare Support Vector Machine (SVM), Naïve Bayes, and Logistic Regression methods in sentiment analysis of app reviews on Google Play Store to identify the best method based on accuracy, precision, recall, and F1-Score using 2000 GoPay and LinkAja reviews from Google Play Store respectively. The methodology consists of six stages, namely, data collection, labeling method evaluation, preprocessing evaluation, SMOTE testing to overcome imbalanced data, hyperparameter tuning optimization, and consistency validation with a combination of TF-IDF and three classification methods. The data were split using an 80:20 ratio, with 80% of the data used for training and 20% for testing. Experimental results show SVM gives the best performance with 93% accuracy, 92% precision, 93% recall, and 92% F1-Score on the GoPay dataset due to its ability to find the optimal hyperplane, followed by Logistic Regression with 92% accuracy and the third Naïve Bayes despite identical accuracy but showing greater bias towards the majority class. Validation using the LinkAja dataset proves SVM still maintains the best performance with 95% accuracy, so the research concludes SVM is the best method for sentiment analysis of app reviews on the Google Play Store which is proven to provide optimal and consistent performance
Co-Authors Anggita Kristanti, Putri Ardisurya, Reza Dometian, Charles