Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI International Journal Multidisciplinary Science
Tubagus Maulana Kusuma
Unknown Affiliation
Humanities Computer Science & IT Education Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGEMBANGAN ARSITEKTUR TRANSAKSI TARIK TUNAI TANPA KARTU UNTUK ANGGOTA KOPERASI PADA JARINGAN ATM PERBANKAN M Teguh Erianto; Tubagus Maulana Kusuma; Dina Anggraini
Jurnal Ilmiah KOMPUTASI Vol 19, No 2 (2020): Juni
Publisher : STMIK JAKARTA STI&K

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

Abstract

Kecepatan dalam pencairan dana merupakan keunggulan Koperasi Simpan Pinjam. Dalam mewujudkan hal tersebut Koperasi menjalin kerjasama dengan perbankan agar Anggotanya dapat mencairkan dana pinjaman kapanpun dan dimanapun. Kerjasama yang terjalin sesuai dengan tujuan perbankan untuk menyalurkan dana kepada masyarakat dan salah satu upaya dalam meningkatkan keuntungan Fee Based Income (FBI). System yang dapat melakukan pencairan dana kapanpun dan dimanapun adalah mesin ATM. Penggunaan ATM saat ini diawali dengan memasukkan kartu ke ATM. Penggunaan kartu ATM menjadi permasalahan karena tidak semua Anggota koperasi memiliki kartu ATM. Anggota yang tidak memiliki kartu ATM tidak dapat menggunakan ATM. Selain itu penggunaan kartu ATM juga memiliki resiko tersendiri karena kartu ATM dapat hilang, digandakan (skimming) dan memiliki kadaluarsa. Agar anggota koperasi yang tidak memiliki kartu ATM dapat melakukan Tarik Tunai maka perlu ada pengembangan mesin ATM sehingga anggota koperasi dapat melakukan Tarik Tunai Tanpa Kartu (cardless) untuk mencairkan pinjaman. Otentifikasi pengguna dalam Transaksi Tarik tunai tanpa kartu saat ini dapat dilakukan dengan 2 cara yaitu melalui pencocokan biometric dan OneTimePassword. Penggunaan biometric saat ini kurang tepat dikarenakan ATM yang beredar saat ini belum terintegrasi dengan pembaca biometric, sehingga penggunaan OTP merupakan metode yang digunakan untuk otentifikasi anggota. Pada penelitian ini dilakukan pengembangan pada arsitektur transaksi dan konfigurasi mesin dengan menggunakan 10 tahapan metode Research and Development (R&D) dan metode waterfall versi sommerville. Hasil dari pengujian blackbox Uji Lapangan Terbatas (piloting) sukses dengan tingkat keberhasilan 90%. Berdasarkan hasil Uji Piloting, membuktikan bahwa pengembangan transaksi Tarik tunai tanpa kartu untuk anggota Koperasi di mesin ATM perbankan telah berhasil dilakukan. Untuk melakukan transaksi Anggota koperasi hanya perlu menekan sebuah tombol di layar ATM lalu memasukkan kode OTP dan memasukkan Kode Virtual Account yang di dapat dari Applikasi Koperasi yang sudah tersedia.
Performance Comparison of Support Vector Machine and Deep Neural Network for Sentiment Classification in Digital Tourism Anisa Lora; Tubagus Maulana Kusuma
International Journal Multidisciplinary Science Vol. 4 No. 2 (2025): June: International Journal Multidiciplinary Science
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/ijml.v4i2.2233

Abstract

This study aims to classify public sentiment on SNS Instagram @indtravel content using Machine Learning techniques with Support Vector Machine (SVM) and Deep Neural Network (DNN) Modeling. From the results of this analysis, it can be seen whether the tourism promotion strategy by the Indonesian Ministry of Tourism through SNS Instagram tends to be positive or negative towards the push and pull factors for someone to take a tour. In addition, this study also aims to compare the performance ​​of Accuracy, Precision, Recall, F1-Measure, ErrorRate, and the AUC-ROC Curve of the SVM and DNN models. The dataset used in this study was obtained from SNS Instagram @indtravel comments using scraping techniques. The results of the evaluation in this study indicate that the public sentiment towards the content of SNS Instagram @indtravel tends to be positive towards the push and pull factors for someone to take a tour. Based on the results of the performance comparison between the SVM and DNN model, it is proven DNN model has a higher level of performance in Accuracy (89,37%), Precision (93,79%), F1-Measure (93,79%), ErrorRate (10,63%), were the SVM model only higher in Precision rate with a difference of 5,43%. This indicates that the DNN model has a very good performance in classifying public sentiment on SNS media compared to the SVM model
Co-Authors Anisa Lora Dina Anggraini M Teguh Erianto