Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal JURNAL ILMIAH INFORMATIKA Journal of Big Data Analytic and Artificial Intelligence
Evi Dianti Bintari
Unknown Affiliation
Computer Science & IT

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
ANALISIS KUALITAS PELAYANAN MAHASISWA MENGGUNAKAN MODIFIED IMPORTANCE PERFORMANCE ANALYSIS Fitria Fitria; Evi Dianti Bintari
JURNAL ILMIAH INFORMATIKA Vol 8 No 02 (2020): Jurnal Ilmiah Informatika (JIF)
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v8i02.2378

Abstract

Nowadays, the development of technology is very influential to all aspects of community life, one of them is in education. Universities have a very important role in the world of education, with the technology then the work will be more effective and efficient. To improve the quality of service on education supported by human resources that work, in this study will be measured in the academic section and in the financial section through a questionnaire given to students who have received service from the section. In this research, the methods used to measure the performance of these parts are the modified importance performance analysis (MIPA) method. MIPA can measure the value of comparison between the level of importance of service quality and service performance level from the performance of academic part with the financial part as comparator. Data collection is obtained from the dissemination questionnaire to students STMIK PPKIA Tarakan, as many as 100 questionnaires. The results of this research, based on mapping the quality of MIPA services obtained attribute results of the existence of friendly employees in the top priorities are quadrant I, employees know the needs of students and the appearance of employees when serving students entered in Quadrant II, understanding employees in understanding the students ' problems and obtaining a fast solution, the speed of employees in serving students, Ministry of students regardless of social status , and those entered in Quadrant IV are attributes of employee existence during working hours, employee ability in responding to student complaints.
Rekayasa Aplikasi Tata Letak Barang Menggunakan Algoritma Apriori Jumisah; Evi Dianti Bintari; Dikky Praseptian M.
Journal of Big Data Analytic and Artificial Intelligence Vol 3 No 1 (2017): JBIDAI Juni 2017
Publisher : STMIK PPKIA Tarakanita Rahmawati

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

Abstract

Toko adalah sebagai bagian dari bisnis, pemiliknya mengalami kesulitan dalam meletakkan barang berdasarkan frekuensi pembeli sehingga diperlukan sebuah sistem untuk mempermudah pemilik dalam meletakkan barang, sehingga pembeli dapat dengan mudah menemukan barang yang memiliki ketergantungan yang tinggi. Algoritma apriori adalah salah satu teknik dalam data mining yang dapat digunakan untuk menganalisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then yang bertujuan untuk menemukan frequent item sets pada sekumpulan data. Hasil yang didapat dari pengolahan data menggunakan algoritma apriori berupa itemset dengan nilai asoosiasi berupa nilai support dan confidence. Dengan menggunakan output dari program ini, yaitu berupa assosiasi rule maka dapat diketahui tingkat asosiasi antar item yang berguna untuk membantu pihak pengambil keputusan dalam menentukan kebijakan pemasaran. Dari hasil pengujian, dapat disimpulkan bahwa semakin kecil minimum support dan confidence yang ditentukan, semakin banyak rule yang dapat dihasilkan dan waktu yang diperlukan semakin banyak. Selain itu, semakin tinggi jumlah kombinasi yang dicari maka semakin sedikit waktu yang dibutuhkan.
Analisis Sentimen Layanan Provider Telepon Seluler pada Twitter menggunakan Metode Naïve Bayesian Classification Ronny Julianto; Evi Dianti Bintari; Indrianti
Journal of Big Data Analytic and Artificial Intelligence Vol 3 No 1 (2017): JBIDAI Juni 2017
Publisher : STMIK PPKIA Tarakanita Rahmawati

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

Abstract

Pengguna twitter saat ini banyak menulis tentang opini-opini yang mengandung sifat positif, negatif, maupun netral terhadap suatu produk ataupun layanan jasa dengan menggunakan singkatan kata dan ejaan kata yang singkat serta tidak tepat sehingga menimbulkan salah penafsiran pendapat yang akan disampaikan. Oleh sebab itu, penelitian ini mencoba menganalisis tweet pada layanan provider telepon seluler sehingga dapat mempercepat proses klasifikasi dan mendapatkan kategori sentimen yang sesuai. Analisis dilakukan dengan mengklasifikasikan tweet yang berisi sentimen masyarakat terhadap layanan provider telepon seluler tertentu. Analisis ini melewati tahap text preprocessing yang terdiri dari case folding, normalisasi fitur, convert emoticon, tokenizing, normalisasi kata, stopword removal dan stemming. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naive Bayesian Classification. Naive Bayes Classification digabungkan dengan fitur untuk dapat convert emoticon, serta mengubah kata gaul menjadi kata baku dan menghitung akurasi menggunakan confusion matrix. Tahapan klasifikasi tweet berdasarkan data pelatihan yang telah diketahui kategorinya dan proses klasifikasi dokumen yang belum diketahui kategorinya. Penulis menggunakan 600 data tweet berkaitan dengan sentimen provider telepon seluler. Dari uji coba analisis sentimen serta klasifikasi yang dilakukan terhadap beberapa data tweet provider telepon seluler, akurasi yang dihasilkan mencapai 74%.
Desain Aplikasi Klasifikasi Kelulusan Mahasiswa Menggunakan Metode Naive Bayes dan Algoritma C4.5 Suriana; Evi Dianti Bintari
Journal of Big Data Analytic and Artificial Intelligence Vol 3 No 1 (2017): JBIDAI Juni 2017
Publisher : STMIK PPKIA Tarakanita Rahmawati

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

Abstract

Kelulusan merupakan permasalahan umum bagi pihak universitas dan mahasiswa, karena kedua pihak tersebut sama-sama tidak dapat memprediksi atau mengelompokkan waktu kelulusan mahasiswa. Dengan adanya masalah ini, perlu untuk menciptakan sistem yang dapat memprediksi atau mengklasifikasikan kelulusan mahasiswa. Pada penelitian ini penulis menggunakan metode Naive Bayes Classifier dan Algoritma C4.5. Penulis menggunakan bahasa pemrograman PHP (Personal Home Page) serta MySql sebagai databasenya. Penelitian ini menggunakan beberapa parameter atau kriteria, yaitu IPK (Indeks Prestasi Kumulatif), SKS (Satuan Kredit Semester), Status Sipil, Status Pekerjaan, Waktu Kuliah, dan Pernah Cuti atau Tidaknya mahasiswa. Penelitian ini menggunakan 150 data sebagai Data Latih (Data Training) dan dilakukan klasifikasi terhadap Data Uji (Data Testing). Hasil dari penelitian ini akan terbagi menjadi 3 kelas klasifikasi kelulusan, yaitu: LULUS CEPAT, TEPAT WAKTU dan TERLAMBAT. Dilakukan uji akurasi sebanyak 5 kali untuk masing-masing metode dan diperoleh rata-rata akurasi untuk metode Naïve Bayes Classifier sebesar 69.9 % dan rata-rata akurasi untuk metode Algoritma C4.5 sebesar 70.6 %.
Analisis Sentimen pada Hasil Angket Penilaian Sarana dan Prasarana Laboratorium Menggunakan Metode Holistic Lexicon Based Yunus Langan; Evi Dianti Bintari; Gusmana, Roman
Journal of Big Data Analytic and Artificial Intelligence Vol 5 No 1 (2019): JBIDAI Juni 2019
Publisher : STMIK PPKIA Tarakanita Rahmawati

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

Abstract

This study aims to classify sentiments from the laboratory facilities and infrastructure assessment questionnaire into three main categories, namely positive, negative, and neutral sentiments. The data used comes from a questionnaire containing opinions, comments, and suggestions about laboratory conditions. The method applied is Holistic Lexicon Based, which conducts sentiment analysis based on a sentiment dictionary to determine the orientation of each opinion word. Before the classification process, data from the questionnaire is processed through a preprocessing stage to improve the quality of the analysis results. After that, sentiment classification is carried out by assessing the orientation of the words in the opinion. The test results show that the Holistic Lexicon Based method is able to identify opinion sentences and classify sentiments with an average accuracy of 81.18%. This level of accuracy is influenced by the number of opinion sentences identified and the suitability of the sentiment dictionary used in the analysis process. This study is expected to help organizations in making decisions based on the results of sentiment analysis from the questionnaire that has been processed.
Co-Authors Deby Kurniawan Dikky Praseptian M Dikky Praseptian M. Fitria Fitria Gusmana, Roman Indrianti Indrianti Indrianti Jumisah Jumisah Jumisah Rofiah Rofiah Ronny Julianto Suriana Suriana Suriana Yunus Langan