Claim Missing Document
Check
Articles

ANALISIS ULASAN SENTIMEN APLIKASI MOBILE JKN DENGAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION Maulida, Nida; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9105

Abstract

Inovasi elektronik dalam layanan jaminan kesehatan pemerintah dikenal sebagai aplikasi Mobile JKN yang memudahkan peserta Jaminan Kesehatan Nasional-Kartu Indonesia Sehat (JKN-KIS) untuk mendapatkan layanan dan informasi. Dengan inovasi ini, ada banyak pro dan kontra sehingga banyak komentar muncul di kolom review Google Play Store. Kecenderungan respon pengguna dalam menggunakan aplikasi Mobile JKN dapat diketahui dengan analisis sentimen. Analisis sentimen adalah sistem untuk mengenali dan mengekstraksi review dalam bentuk teks. Penelitian ini bertujuan untuk mengukur tingkat akurasi, presisi, recall dan Area Under Curve (AUC) yang dihasilkan dari algoritma Support Vector Machine (SVM) berbasis Particel Swarm Optimization (PSO) terhadap aplikasi Mobile JKN di Google Play Store. Penelitian dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Penelitian ini melibatkan berbagai tahapan preprocessing, seperti cleaning, case folding, tokenizing, dan filtering (stop-word removal). Hasil penelitian yang menggunakan 10 k-fold Cross Validation pada algoritma Support Vector Machine (SVM) yang menggunakan seleksi fitur Particle Swarm Optimization (PSO) menunjukkan hasil akurasi, presisi, recall dan Area Under Curve (AUC) secara berurutan sebesar 89,53%, 88,17%, 45,96% dan 0,869 dengan kategori (Good Classification).
ANALISIS SENTIMEN GENERASI Z TERHADAP PENGETAHUAN TENTANG KEHIDUPAN GAY MENGGUNAKAN ALGORITMA NAÏVE BAYES Peni, Peni; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9579

Abstract

Dalam perkembangan zaman dan semakin majunya teknologi informasi yang berkembang setiap saat memudahkan generasi z untuk mendapatkan berbagai kemudahan khususnya pada penggunaan media sosial seperti twitter, permasalahan pada penelitian ini untuk mengetahui Berapa nilai akurasi, presisi, dan recall pada analisis sentimen pada kehidupan gay berupa ciri gay, Metode yang digunakan dalam penelitian ini menggunakan metode alur penelitian Knowledge Discover in Database atau (KDD). pada penelitian ini peneliti melakukan pengumpulan data pengguna media sosial twitter melalui proses scraping data pada twitter pada akun @masndutx tentang ciri gay., Data yang didapatkan pada penelitian ini sebanyak 600 data namun setelah dilakuan pelabelan data dan proses cleansing data yang digunakan sebanyak 525 dan mendapatkan sempel 505 data teks. Bahwa didapatkan hasil prediksi klasifikasi sentimen positif sebanyak 344 atau 68,11% dan sentimen negatif sebanyak 161 atau 31,88% data teks, artinya generasi z yang mengetahui tentang ciri gay dan apa itu gay pada akun twitter @masndutx setuju dengan opini tentang topik gay dan ciri gay pada akun @masndutx, namun tidak sedikit juga generasi z yang memberikan opininya tidak setuju dengan ciri-ciri gay yang ada pada akun twitter @masndutx, Dan hasil klasifikasi menggunakan metode Algoritma naïve bayes didapatkan accuracy sebesar 50,69 Precision 71,49% dan Recall sebesar 45,93%.
ANALISIS KEPUTUSAN PEMBELIAN PRODUK TERHADAP PROMOSI DAN VIRAL MARKETING DI TIKTOK SHOP MENGGUNAKAN ALGORITMA C4.5: STUDI KASUS (KUESIONER MAHASISWA STMIK IKMI CIREBON) Nurliana, Nicky; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9583

Abstract

Banyak layanan e- commerce yang menawarkan berbagai promosi yang menarik agar konsumen semakin tertarik untuk menggunakan layanannya, salah satunya ialah TikTok Shop. Masalah dari penelitian ini yaitu ingin mengetahui apakah promosi dan viral marketing sangat berpengaruh terhadap keputusan pembelian suatu produk di TikTok Shop. Tujuan penelitian ini yaitu untuk menganalisis keputusan pembelian produk di platform e-commerce TikTok dan dampaknya terhadap strategi promosi dan pemasaran viral. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan pendekatan survey. Metode penelitian yang digunakan yaitu data mining dengan alg oritma C4.5. Adapun langkah-langkah dalam metode ini yaitu mengikuti alur KDD (Knowledge Discovery in Databases) diawali dengan pengumpulan data hasil survey, pembersihan data, penerapan algoritma C4.5 hingga nantinya membuat pohon keputusan (Decision Tree). Dalam penelitian ini untuk pengumpulan data yang digunakan yaitu dengan penyebaran kuesioner melalui google form. Hasil dari penelitian ini yaitu algoritma C4.5 dapat mengidentifikasi keputusan pembeli dengan nilai akurasi yang diperoleh yaitu sebesar 91.73% nilai recall sebesar 69.13% dan nilai presesi sebesar 69.05%. Dengan demikian dapat disimpulkan bahwa persepsi dari tingkat keputusan pembeli produk di TikTok Shop terhadap promosi dan viral marketing mendapatkan hasil “Ya”.
PENERAPAN NATURAL LANGUAGE PROCESSING PADA ANALISIS SENTIMEN JUDI ONLINE DI MEDIA SOSIAL TWITTER Julianti, Okta Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9613

Abstract

Judi online telah menjadi aktivitas yang populer di kalangan masyarakat terutama dalam era digital ini. Namun tidak sedikit yang mengkritik aktivitas ini karena aspek negatifnya. Permasalahan pada penelitian ini yaitu untuk mengetahui nilai akurasi, recall, serta presisi yang dihasilkan melalui algoritma naïve bayes pada sentiment judi online di media sosial twitter. Metode yang digunakan dalam penelitian ini yaitu Natural Language Processing melalui KDD (Knowledge Discovery in Database) dan Naïve Bayes. Dalam penelitian ini pengumpulan data dilakukan dengan teknik scraping melalui google colab. Data yang diambil merupakan data dari twitter menggunakan kata kunci “judi online” dan “dampak judi online”. Data yang berhasil diambil menggunakan scraping sebanyak 5.500, namun setelah dilakukan pembersihan hanya menyisakan 952 data. Data mentah yang sudah siap diolah kemudian dilakukan pre-processing, pelabelan sentiment, proses TF-IDF serta penentuan nilai akurasi, presisi, dan recall. Penelitian ini menghasilkan nilai akurasi 76%, 58% nilai presisi dan 76% untuk nilai recall pada data uji sebanyak 666 dan data latih sebanyak 286.
PENGELOMPOKKAN LAGU TRADISIONAL DI MEDIA SOSIAL TIKTOK MENGGUNAKAN ALGORITMA K-MEANS Kusmawanti, Nisa; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9615

Abstract

Dengan adanya kemajuan ilmu pengetahuan dan teknologi modern yang semua bisa dilakukan secara instan dan praktis, serba mekanik dan otomatis sehingga membuat banyak perubahan zaman menjadi modern. Media sosial Tiktok merupakan salah satu aplikasi yang baru diluncurkan beberapa tahun terakhir ini dan telah menarik perhatian besar dari semua kalangan baik yang muda, orangtua, lansia. Permasalahan yang terjadi saat ini menurunnya minat terhadap lagu tradisional dikalangan masyarakat. Pada penelitian ini dilakukan pembahasan tentang clustering pada data kuesioner dengan menganalisis lagu tradisional jawa barat sunda dengan media sosial tiktok menggunakan algoritma K-means.. Metode ini menggunakan KDD (Knowledge Discovery in Database) dan software yang digunakan adalah Rapidminer. Data ini dikumpulkan menggunakan kuesioner dengan jumlah data yang dikumpulkan sebanyak 258 data. Hasil proses Clustering dengan K=2 Nilai Davies-Bouldin Index sebesar 0.036, menandakan bahwa hasil klaster dengan jumlah K=2 menunjukkan performa yang optimal jika dibandingkan dengan percobaan lainnya. Dalam penelitian ini yang didapatkan ada 2 cluster yaitu cluster 0 dengan jumlah 103 items yaitu jumlah yang menyukai lagu tradisional, dan cluster 1 dengan jumlah 147 items yaitu jumlah yang kurang menyukai lagu tradisional jawa barat sunda, hasil ini dikekolalah dengan software yang digunakan adalah Rapidminer dengan menggunakan atribut domisili.
ANALISIS DATA MINING PENGELOMPOKKAN UMKM MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DI PROVINSI JAWA BARAT Ameliana, Nikan; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9655

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam perekonomian Indonesia. Di Jawa Barat, terdapat banyak UMKM yang tersebar di berbagai wilayah. Mengetahui karakteristik dan persebaran UMKM menjadi penting untuk merumuskan kebijakan yang tepat dalam pengembangannya. Namun, persebaran UMKM di Jawa Barat tidak merata. Beberapa wilayah memiliki konsentrasi UMKM yang tinggi, sementara wilayah lain memiliki konsentrasi UMKM yang rendah. Penelitian ini bertujuan untuk menganalisis pengelompokan UMKM di Jawa Barat berdasarkan karakteristiknya menggunakan algoritma K-Means Clustering. Proses data mining dimulai dengan melakukan proses Knowledge Discovery in Database (KDD). Hasil penelitian menunjukkan nilai yang baik dalam Davies Bouldin Index adalah semakin kecil atau mendekati nol, terdapat jumlah Cluster yang memiliki nilai DBI terbaik adalah Cluster 2 yang terbaik, dengan nilai DBI mendekati nol yaitu 0.527. Hasil pengujian menghasilkan 10 anggota Cluster, yaitu Cluster 0 dengan hasil berjumlah 104 items, Cluster 1 dengan hasil berjumlah 24 item, Cluster 2 dengan hasil berjumlah 45 items, Cluster 3 dengan hasil berjumlah 302 items, Cluster 4 dengan hasil berjumlah 1 items, Cluster 5 dengan hasil berjumlah 50 Items, Cluster 6 dengan hasil berjumlah 282 items, Cluster 7 dengan hasil berjumlah 7 items, Cluster 8 dengan hasil berjumlah 304 items, Cluster 9 dengan hasil berjumlah 96 items.
OPTIMASI PENJUALAN AYAM BROILER MENGGUNAKAN METODE ALGORITMA K-MEANS Ayuni, Putri; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9771

Abstract

Industri unggas, terutama dalam aspek penjualan ayam potong broiler, telah berkembang secara signifikan dalam beberapa tahun terakhir karena meningkatnya permintaan dari konsumen terhadap produk unggas. Dalam upaya untuk mengoptimalkan penjualan dan mendapatkan pemahaman yang lebih mendalam mengenai preferensi konsumen, Masalah yang ada di ayam potong broiler nasir ialah penjual kurang mengetahui tingkat penjualan ayam yang banyak terjual dan yang sedikit terjual sehingga untuk menyuplai ayam potong tidak terlalu banyak.tujuan penelitian ini untuk mengoptimalkan penjualan ayam potong broiler di toko nasir ini dan meningkatkan penjualan.metode yang digunakan adalah algoritma K-Means, yang merupakan salah satu metode pengelompokan populer yang banyak digunakan dalam bidang data mining. Kumpulan data yang digunakan dalam analisis melibatkan data transaksi penjualan, seperti stok ayam broiler , jumlah ayam yang tersedia dan jumlah ayam yang terjual . Data ini memungkinkan penulis untuk mengungkapkan pola-pola yang signifikan. Hasil dari penelitian ini memberikan wawasan yang berharga bagi Broiler Nasir dan perusahaan sejenis dalam industri unggas. Dengan pemahaman yang lebih baik tentang pelanggan. Hasil dari clustering yang dilakukan penulis adalah pada cluster 0 dengan jumlah 9 items tingkat penjualan paling sedikit terjual, cluster 1 dengan jumlah 5 items menjadi penjualan tingkat tinggi dan cluster 2 dengan jumlah 18 items penjualan konsisten
OPTIMASI MODEL KLASIFIKASI CITRA SAMPAH DAUR ULANG DENGAN ALGORITMA YOLO11 Aprilla, Anggita; Prihartono, Willy; Rohmat, Cep Lukman
Jurnal Khatulistiwa Informatika Vol 12, No 2 (2024): Periode Desember 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v12i2.24646

Abstract

Masalah pengelolaan limbah, terutama sampah anorganik seperti plastik, kaca, kardus, dan logam, menjadi tantangan signifikan dalam mewujudkan keberlanjutan lingkungan. Penelitian ini bertujuan meningkatkan akurasi klasifikasi sampah daur ulang berbasis citra dengan memanfaatkan algoritma YOLO11 yang telah dioptimalkan. Dataset penelitian terdiri dari 400 gambar sampah yang dikumpulkan melalui observasi lapangan, menggunakan latar belakang putih untuk mempertegas kontras objek. Proses penelitian mencakup tahap preprocessing data (meliputi resizing dan pembagian data), pelatihan model dengan rasio data 80:20, serta evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan F1-score. Model dilatih selama lima epoch menggunakan bobot awal pada algoritma YOLO11. Hasil penelitian menunjukkan model mampu mencapai akurasi keseluruhan sebesar 98,7%, dengan precision 98,8%, recall 98,7%, dan F1-score 98,7%. Pengujian pada data eksternal juga membuktikan kemampuan model dalam menggeneralisasi, meskipun terdapat beberapa kendala pada pencahayaan dan sudut pandang tertentu. Temuan ini menggarisbawahi potensi besar algoritma YOLO11 untuk mendukung otomatisasi pengelolaan sampah daur ulang, seperti dalam pemisahan material di fasilitas daur ulang atau aplikasi berbasis edukasi mobile. Untuk pengembangan lebih lanjut, disarankan memperluas variasi dataset dan mengeksplorasi algoritma lain guna mendukung pengelolaan sampah yang lebih optimal dan berkelanjutan.
IMPLEMENTASI NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN TERHADAP PERILAKU PENGGUNA DAN KUALITAS LAYANAN DIGITAL RADIO Laksamana, Patria Gita; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5847

Abstract

Penelitian ini bertujuan untuk mengkaji sentimen pengguna terkait perilaku dan kualitas layanan aplikasi radio digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis mencakup 450 ulasan pengguna yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Proses analisis melibatkan pelabelan data secara manual, pra-pemrosesan teks melalui langkah-langkah seperti pembersihan data, stemming, dan penghapusan kata-kata umum (stopword), serta transformasi data dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, diterapkan teknik SMOTE sehingga data menjadi lebih seimbang. Model Naïve Bayes yang dikembangkan menghasilkan akurasi sebesar 84% dengan kinerja yang baik berdasarkan evaluasi menggunakan confusion matrix dan cross-validation. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes efektif untuk analisis sentimen dan memberikan wawasan penting mengenai pola perilaku konsumen terhadap layanan radio digital. Penelitian ini menyimpulkan pentingnya inovasi yang berkelanjutan dalam meningkatkan pengalaman pengguna dan daya saing di era digital.
CLUSTERING PENERIMA BANTUAN PANGAN BERBASIS ALGORITMA K-MEANS UNTUK MENINGKATKAN EFEKTIVITAS PROGRAM SOSIAL DI KOTA/KABUPATEN CIREBON HIDAYATULLAH, NAUFAL ARIF; Prihartono, Willy; rohman, Fathur
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5692

Abstract

Distribusi bantuan sosial pangan sering menghadapi tantangan berupa ketidakmerataan akibat pengelompokan penerima yang belum optimal. Penelitian ini bertujuan untuk mengelompokkan penerima bantuan sosial di Kota dan Kabupaten Cirebon menggunakan Algoritma K-Means. Variabel utama yang dianalisis meliputi kelurahan, kecamatan, jarak ke lokasi distribusi, dan usia penerima. Algoritma K-Means dipilih karena kemampuannya memproses data besar secara efisien dan menghasilkan klaster yang terpisah dengan baik. Optimalisasi jumlah klaster dilakukan menggunakan Davies-Bouldin Index (DBI) pada rentang K=2 hingga K=6. Hasil menunjukkan nilai optimal K=3 dengan DBI sebesar 0,505, menghasilkan tiga klaster. Cluster  0 memiliki rata-rata jumlah kelurahan tertinggi (188,434) dan jarak distribusi terpendek (412,873 meter), cocok untuk wilayah padat penduduk. Cluster  1 memiliki jarak distribusi terjauh (2979,891 meter) dan usia penerima rata-rata 49,217 tahun, mencakup area dengan tantangan distribusi yang lebih kompleks. Cluster  2 memiliki jarak distribusi sedang (1422,595 meter) dan usia rata-rata 51,564 tahun, mencerminkan wilayah yang luas tetapi tetap mudah dijangkau. Penelitian ini menunjukkan bahwa Algoritma K-Means mampu meningkatkan efektivitas distribusi bantuan sosial dengan memastikan alokasi yang lebih tepat berdasarkan karakteristik demografis dan geografis penerima.
Co-Authors ., Fathurrohman Agustin, Nia Aini Nurul Ainisa, Nurul Al Lutfani, Thariq Kemal Al Maeni, Nurul Amelia, Astri Ameliana, Nikan Andre Setiawan, Andre Apriliansyah, Rizal Dwi Rizki Aprilla, Anggita Arifqi, Tri Astuti , Rini Ayu Azzahra, Fadita Ayuni, Putri DAIPAH, IIP IMRON Dalifah, Nurul Dita, Fio Eka Permana, Sandy Erpian, Soni Fachry Abda El Rahman Fathur Rohman, Fathur Fathurrohman Fathurrohman Faturrohman, Faturrohman Faujia, Agnes Firmansyah, Fajar Gifthera Dwilestari Gunawan, Sepriyan Hadi Wicaksana, Arya Haikal, Harisman Hamonangan, Ryan Haryandini, Nur Anindya Putri Hayati, Umi Herdiana, Rulli Herdiana, Rully Hidayah, Nurni Hidayat, Pierre Galuh HIDAYATULLAH, NAUFAL ARIF Hoeriah, Dede Ilham Syahputra, Arief Irma Purnamasari, Ade Jannah, Nursuviyani Jihan, Aminatun Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Laksamana, Patria Gita Lita, Arlita lita Maulana, Aldi Maulida, Nida Muharromah, Oom Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nur Pangestika, Fanny Nurdin Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Odi Nurdiawan OKTAVIANI, ERNA Oktaviany, Nurul Peni Peni Permana, Sandy Eka PUJI LESTARI Putriana, Puput RAHMAWATI, RULI Ramadhan, Niko Retnasari, Peni Rini Astuti RIZKI, ALVA FAUZIR Rohmat, Cep Lukman Rosiana, Rosa Sakarias Berek, Richardus Salsabila, Fauhan saninah, annisa Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Yudhistira Arie Wijaya Zaelani, Nursehan