Article Per Year (5 Year)
p-Index From 2020 - 2025
2.619
P-Index
This Author published in this journals
All Journal POSITIF Jurnal Edik Informatika : Penelitian Bidang Komputer Sains dan Pendidikan Informatika Jurnal Nasional Komputasi dan Teknologi Informasi Journal of Electronics, Electromedical Engineering, and Medical Informatics Jumat Informatika: Jurnal Pengabdian Masyarakat Majalah Ilmiah UPI YPTK Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Innovative: Journal Of Social Science Research Majalah Cendekia Mengabdi
Prastya, Septyan Eka
Unknown Affiliation
Aerospace Engineering Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Neuroscience Public Health Social Sciences Transportation Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Implementasi Machine Learning untuk Meningkatkan Penjualan di Pasar Digital Melalui Strategi Point Of Purchase Risma, Risma; Prastya, Septyan Eka; Nurhaeni, Nurhaeni; Ansari, Rudy
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 5 (2024): Oktober 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i5.8004

Abstract

Abstrak - Pasar digital berkembang pesat dengan meningkatnya akses internet, menjadikannya pusat aktivitas ekonomi yang signifikan. Dalam persaingan yang ketat, inovasi seperti Point of Purchase (PoP) menjadi krusial untuk menarik perhatian konsumen dan mempengaruhi keputusan pembelian mereka. Penelitian ini bertujuan untuk meningkatkan efektivitas penjualan di pasar digital dengan menggunakan Machine Learning, khususnya melalui algoritma K-Means Clustering. Algoritma ini digunakan untuk mengelompokkan konsumen berdasarkan pola perilaku yang serupa, membantu perusahaan memahami preferensi dan kebiasaan konsumen secara lebih mendalam. Metode penelitian mencakup pengumpulan dan preprocessing data penjualan, serta penerapan K-Means Clustering untuk membentuk cluster penjualan. Hasilnya menunjukkan peningkatan efektivitas penjualan dan pemahaman yang lebih baik mengenai preferensi konsumen. Pengelompokan data ini dapat mengidentifikasi pola perilaku konsumen yang membantu menyusun strategi pemasaran yang lebih fokus di titik-titik kunci PoP.Kata kunci: k-means clustering, machine learning, point of purchase, pasar digital, strategi pemasaran. Abstract - The digital marketplace has rapidly expanded with the increasing access to the internet, making it a significant hub of economic activity. In a highly competitive environment, innovations such as Point of Purchase (PoP) are crucial for capturing consumer attention and influencing their purchasing decisions. This research aims to enhance sales effectiveness in the digital marketplace by utilizing Machine Learning, specifically through the K-Means Clustering algorithm. This algorithm is employed to segment consumers based on similar behavioral patterns, helping companies gain a deeper understanding of consumer preferences and habits. The research methodology includes data collection and preprocessing of sales data, followed by the application of K-Means Clustering to form sales clusters. The results indicate an increase in sales effectiveness and a better understanding of consumer preferences. This data segmentation can identify consumer behavior patterns that assist in developing more targeted marketing strategies at key PoP points.Keywords: digital marketplace, k-means clustering, machine learning, marketing strategy, point of purchase.
Aplikasi Perhitungan Pendapatan dan Gaji Berbasis Web pada Destinasi Kelotok : Studi Kasus Siring Banjarmasin Rafi'i, Rafi'i; Nugraha, Bayu; Prastya, Septyan Eka; Cipta, Subhan Panji; Mambang, Mambang
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 4 (2024): Agustus 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i4.7885

Abstract

Abstrak - Banjarmasin adalah kota yang terkenal karena memiliki seribu sungai. Salah satu destinasi wisata di kota ini adalah menyusuri sungai dengan perahu yang disebut kelotok. CV siring Kota Banjarmasin belum memiliki aplikasi berbasis web untuk perhitungan pendapatan dan gaji dan mereka melakukan perhitungan pendapatan dan gaji masih manual. dalam penelitian ini adalah bagaimana membuat rancangan prototipe dan membuat aplikasi perhitungan pendapatan dan gaji berbasis web pada CV siring Kota Banjarmasin. tujuan penelitian untuk membuat aplikasi berbasis web yang dapat menghitung pendapatan bulanan dan gaji karyawan dari penjualan tiket. Model sistem yang digunakan adalah model air terjun Waterfall. Sistem yang dihasilkan dapat mempermudah user dalam pembokingan tiket dan  admin untuk mempermudah proses pendataan pendapatann dan gaji sebagai wadah bagi CV siring kota Banjarmasin, secara umum pemodelan sistem ini meliputi user yaitu sebagai pengguna dan admin pengelola, Setelah itu data tersimpan di dalam database sebagai tempat penyimpanan data. Berdasarkan hasil dan pembahasan dalam penelitian ini, dapat disimpulkan bahwa aplikasi perhitungan pendapatan dan gaji berbasis web yang dikembangkan berhasil mencapai tujuan yang ditetapkan dan memberikan solusi yang efektif untuk perhitungan pendapatan gaji dalam pembokingan tiket, Yang lebih efisien dan akurat. dalam pengujian aplikasi web pada CV siring Kota Banjarmasin, menunjukkan Aplikasi web mampu membuat peningkatan pendapatan dan penjualan tiket dari data wawancara pada bulan maret dan april. Kata kunci: Aplikasi Web, Perhitungan Pendapatan dan Gaji, Destinasi Kelotok Abstract - Banjarmasin is a city famous for having a thousand rivers. One of the tourist destinations in this city is down the river by boat called kelotok. CV siring Banjarmasin City does not yet have a web-based application for the calculation of income and salaries and they do the calculation of income and salaries manually. in this study is how to make a prototype design and create a web-based income and salary calculation application at CV siring Banjarmasin City. the research objective is to create a web-based application that can calculate monthly income and employee salaries from ticket sales. The system model used is the Waterfall model. The resulting system can make it easier for users to book tickets and admins to facilitate the process of recording income and salaries as a forum for CV siring Banjarmasin city, in general, the modeling of this system includes the user as a user and admin manager, after that the data is stored in the database as a data storage area. Based on the results and discussion in this study, it can be concluded that the web-based revenue and salary calculation application developed successfully achieved the objectives set and provided an effective solution for the calculation of salary income in ticket bookings, which is more efficient and accurate. in testing web applications at CV siring Banjarmasin City, shows that web applications are able to make an increase in revenue and ticket sales from interview data in March and April.Keywords: Web Application, Income and Salary Calculation, Kelotok Destination
Analisis Penerapan Teknik Search Engine Optimization (SEO) pada Website Universitas Sari Mulia untuk Meningkatkan Indikator Visibility Webometrics Tiara, Astia Rahma; Nurhaeni, Nurhaeni; Mambang, Mambang; Prastya, Septyan Eka; Marleny, Finki Dona
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 4 (2024): Agustus 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i4.7779

Abstract

Abstrak - Universitas Sari Mulia mempunyai website sebagai wadah promosi serta membantu memperkenalkan dan mempromosikan kampus Universitas Sari Mulia agar lebih dikenal ketika pengguna internet mencari kata kunci ”Universitas Sari Mulia” dengan nama domain unism.ac.id. Pencarian website yang terdapat di internet diperlukan sebuah mesin pencari atau search engine salah satunya ialah google. Namun, tidak semua website dapat muncul pada halaman pertama dari sebuah mesin pencari, maka perlu adanya penerapan teknik search engine optimization (SEO) dengan tujuan untuk meningkatkan indikator visibility webometrics agar website bisa optimal berada pada halaman pertama atau baris pertama saat melakukan pencarian dengan kata kunci ”Universitas Sari Mulia”. Metode yang digunakan yaitu menerapkan teknik search engine optimization (SEO) dengan hasil penelitian website unism.ac.id ketika menerapkan teknik search engine optimization (SEO) mampu mengoptimalkan website berada pada halaman pertama dan traffic website unism.ac.id mendapati peringkat Indonesia pada urutan 323. Penerapan ini juga meningkatkan indikator visibility website dengan angka 9041 pada webometrics pemeringkatan Perguruan TinggiKata kunci: Universitas Sari Mulia, search engine optimization, website,visibility, webometrics Abstract - Sari Mulia University has a website as a promotional forum and helps introduce and promote the Sari Mulia University campus so that it is better known when internet users search for the keyword "Sari Mulia University" with the domain name unism.ac.id. Searching for websites on the internet requires a search engine, one of which is Google. However, not all websites can appear on the first page of a search engine, so it is necessary to apply search engine optimization (SEO) techniques with the aim of increasing webometrics visibility indicators so that websites can optimally be on the first page or first line when searching with keywords. "Sari Mulia University". The method used is applying search engine optimization (SEO) techniques with the results of research on the unism.ac.id website. When applying search engine optimization (SEO) techniques it is able to optimize the website to be on the first page and unism.ac.id website traffic finds Indonesia's ranking in the order of 323. This implementation also increases the website visibility indicator with the number 9041 in the University ranking webometrics.Keywords: Sari Mulia University, search engine optimization, website, visibility,webometrics
Analisis Sentimen Pengaruh Digitalisasi Terhadap Penjualan UMKM di Kota Banjarmasin Menggunakan Metode SVM Kartika, Kartika; Cipta, Subhan Panji; Zulfadhilah, Muhammad; Prastya, Septyan Eka
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 5 (2024): Oktober 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i5.8006

Abstract

Abstrak – Digitalisasi telah menjadi faktor penting dalam meningkatkan efisiensi dan jangkauan pasar UMKM. Di Kota Banjarmasin, adopsi digitalisasi berpotensi mempengaruhi sentimen masyarakat terhadap produk-produk UMKM. Penelitian ini menganalisis sentimen untuk memahami dampak digitalisasi terhadap penjualan UMKM di kota ini. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi sentimen terhadap produk UMKM setelah adopsi digitalisasi di Kota Banjarmasin. Selain itu, penelitian ini juga mengevaluasi efektivitas metode Support Vector Machine (SVM) dalam menganalisis sentimen tersebut. Data dikumpulkan melalui Lembar observasi Google Form yang disebarkan kepada 211 responden, dengan 205 data yang valid digunakan dalam analisis. Data dilakukan proses preprocessing dan pelabelan dengan kamus Lexicon . Metode SVM dengan kernel linear digunakan untuk mengklasifikasikan sentimen, dan model dievaluasi berdasarkan metrik akurasi, precision, recall, dan f1-score. Penelitian menunjukkan bahwa metode SVM dengan kernel linear mencapai akurasi sebesar 85,7% dalam mengklasifikasikan sentimen. Model menunjukkan kinerja yang baik dalam mengenali sentimen positif dengan precision 75% dan recall 86%. Namun, kinerja untuk kelas negatif masih rendah dengan recall 43% dan f1-score 0.55, mengindikasikan tantangan dalam mengidentifikasi sentimen negatif secara akurat.Digitalisasi memiliki pengaruh signifikan terhadap sentimen positif UMKM di Kota Banjarmasin. SVM menunjukkan kinerja yang baik untuk sentimen positif, terdapat tantangan dalam mengenali sentimen negatif yang perlu diatasi. Hasil penelitian ini memberikan wawasan penting untuk strategi digitalisasi yang lebih efektif bagi UMKM di masa mendatang.Kata kunci: Analisis Sentimen, Usaha Mikro Kecil dan Menengah (UMKM), Support Vector Machine (SVM)  Abstract – Digitalization has become an important factor in increasing the efficiency and reach of the MSME market. In Banjarmasin City, the adoption of digitalization has the potential to affect public sentiment towards MSME products. This study analyzes sentiment to understand the impact of digitalization on MSME sales in this city. This study aims to identify factors that influence sentiment towards MSME products after the adoption of digitalization in Banjarmasin City. In addition, this study also evaluates the effectiveness of the Support Vector Machine (SVM) method in analyzing these sentiments. Data were collected through Google Form observation sheets distributed to 211 respondents, with 205 valid data used in the analysis. The data were preprocessed and labeled with the Lexicon dictionary. The SVM method with a linear kernel was used to classify sentiment, and the model was evaluated based on accuracy, precision, recall, and f1-score metrics. The study shows that the SVM method with a linear kernel achieves an accuracy of 85.7% in classifying sentiment. The model performs well in recognizing positive sentiment with a precision of 75% and a recall of 86%. However, the performance for the negative class is still low with a recall of 43% and an f1-score of 0.55, indicating challenges in accurately identifying negative sentiment.Digitalization has a significant influence on positive sentiment of MSMEs in Banjarmasin City. SVM shows good performance for positive sentiment, there are challenges in recognizing negative sentiment that need to be addressed. The results of this study provide important insights for a more effective digitalization strategy for MSMEs in the future.Keywords: Sentiment Analysis, Micro, Small and Medium Enterprises (MSMEs), Support Vector Machine (SVM)
Movie Genre Product Convolutional Neural Network Impact For Gen Z Susanto, Jessika Kindly; Nugraha, Bayu; Hidayat, Ahmad; Prastya, Septyan Eka
Innovative: Journal Of Social Science Research Vol. 4 No. 6 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i6.16848

Abstract

Latar Belakang: Dalam beberapa tahun terakhir, perkembangan teknologi kecerdasan buatan dan pembelajaran mendalam telah memberikan dampak signifikan pada berbagai bidang, termasuk industri perfilman. Salah satu tantangan dalam industri ini adalah mengklasifikasikan genre film secara otomatis berdasarkan konten visualnya. Apalagi penonton film lebih banyak gen z yang menggunakannya. Tujuan: Penelitian ini bertujuan untuk mengetahui preferensi film kepada gen z dikota Banjarmasin Metode: Menggunakan metode convolutional neural network (CNN). Hasil: Hasil penelitian menunjukkan bahwa preferensi genre film gen z lebih banyak yang paling banyak minat yaitu genre comedy dengan 32,1% (18 responden gen z yang memilih dari 53 responden), kemudian disusul dengan genre action 32% (17 responden gen z yang memilih dari 53 responden), dan genre horor 18,9% (10 responden gen z yang memilih dari 53 responden). Dan yang terakhir genre romance 17% (8 responden gen z yang memilih dari 53 responden). Simpulan: Dengan sistem google form 53 data responden dari hasil mengambil sampel 12 poster film dari ratting film tertinggi, dan pada CNN dapat terpredict melalui salah satu poster film tersebut . Sistem preferensi film ini memudahkan gen z dalam memilih film dengan ratting usia dan ratting film tersebut. Penelitian ini memberikan kontribusi dalam memahami penerapan teknologi informasi untuk meningkatkan layanan industri perfilman.
Analisis Sentimen Masyarakat Terhadap Kesehatan Mental Pada Media Sosial Twitter Dengan Menggunakan Machine Learning Aulia, Hudatul; Zulfadhilah, Muhammad; Prastya, Septyan Eka; Pebriadi, Muhammad Syahid
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 10 No 2 (2024): Positif : Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v10i2.2545

Abstract

Mental health affects lives globally, with around 300 million people experiencing depression in 2019, including 15.6 million in Indonesia. The Covid-19 pandemic increased cases of anxiety and depression, and by 2022, WHO reported 23 million people suffering from psychiatric disorders. In Indonesia, adolescent mental health issues are also high, with excessive social media use linked to an increase in emotional disorders. Twitter, with its real-time data, is becoming an important tool for analyzing public sentiment and understanding opinions through analytics and machine learning techniques. This study aims to determine public sentiment towards mental health in Indonesia through Twitter social media and test the effectiveness of using machine learning in sentiment analysis. The results show that the Naive Bayes and Decision Tree methods are effective in analyzing sentiment, with an accuracy of 91% and 89% respectively. The average result of cross validation shows a value of 73.21% for Naive Bayes and 67.02% for Decision Tree. In this study, positive sentiment is more dominant with a percentage value of 78.7%, while negative sentiment is only 21.3%. The findings indicate that Indonesians' awareness of the importance of mental health is increasing, and they increasingly understand the importance of maintaining mental health
Penerapan Naïve Bayes dalam Analisis Sentimen untuk Evaluasi Kinerja Pengajaran Dosen Fatmawati, Samsinah; Prasetya, M. Riko Anshori; Prastya, Septyan Eka; Cipta, Subhan Panji
Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Vol 15 No 1 (2025): Maret 2025
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/saintekom.v15i1.765

Abstract

Lecturer performance in the learning process directly affects student competence. Evaluating lecturers is essential to ensure optimal teaching and produce graduates ready for the job market. One way to assess teaching effectiveness is through sentiment analysis of student opinions. However, due to the large amount of data still processed manually, a more efficient approach is needed, namely AI-based sentiment analysis. This study implements the Naïve Bayes method to classify student sentiments as positive or negative and evaluate lecturer performance based on classification results. The process includes preprocessing and labeling. The Naïve Bayes algorithm is then applied for sentiment classification and evaluated using a confusion matrix. The results show that Naïve Bayes is highly effective, achieving 94% accuracy, 94% precision, 96% recall, and a 95% F1-score. Of the total data, 231 comments were positive, while 174 were negative. These findings confirm that sentiment analysis can be an efficient tool for assessing lecturers and improving teaching quality at universities.
Co-Authors Ahmad Hidayat Ahmad Riki Renaldy Aulia, Hudatul Bayu Nugraha Bima Wicaksono Cipta, Subhan Panji Ekawati, Norliana Fatma Indriani Fatmawati, Samsinah Fauzie Rahman Fawwaz, Nur Aisha Fawwaz, Nur Aisya Finki Dona Marleny Friska Abadi Haniffah Sri Rinjani Hidayaturrahman, Muhammad Hudatul Aulia Indah Wulandari Irwan Budiman Izhariaqi, Mahwa Kartika Kartika Kartika Kartika Mahmudah Mahmudah Mambang Maria Ulfah Maulida, Nur Meilianti Melda Melda Muhammad Khairul Akbar Muhammad Reza Faisal, Muhammad Reza Muhammad Riduan Syafi’i Muhammad Satrio Ayuba Muhammad Zaini Bakri Muhammad Zulfadhilah Muliadi Nur Meilianti Maulida Nurhaeni Nurhaeni Nurhaeni Nurhaeni NURUL HIDAYAH Pebriadi, Muhammad Syahid Prasetya, M. Riko Anshori Pratama, Ramadhani Noor Putri Putri Putri Putri, Putri Putria, Evita Panca Rafi'i, Rafi'i Rahmini Rahmini Risma Maulida Risma Risma Risma Risma, Risma Rismawati Rismawati rizhariaqi, Mahwa Rizkian Muhammad Fikri Ropikah Ropikah Rudy Ansari, Rudy Sandro Nesta Pembriano Subhan Panji Cipta Susanto, Jessika Kindly Tiara, Astia Rahma Yunida, Rahmi