Article Per Year (5 Year)
p-Index From 2021 - 2026
2.735
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Diklat Review : Jurnal manajemen pendidikan dan pelatihan Innovation in Research of Informatics (INNOVATICS) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Mejuajua J-COSCIS : Journal of Computer Science Community Service Technologica The Indonesian Journal of Computer Science
Toresa, Dafwen
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Technologica

 1 
Optimasi Parameter Support Vector Machine Dengan Particle Swarm Optimization Untuk Prediksi Tunggakan Iuran Sekolah Syahril, Syahril; Medikawati Taufiq, Reny; Taslim, Taslim; Toresa, Dafwen; Fajrizal, Fajrizal; Handayani, Susi
Technologica Vol. 3 No. 2 (2024): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v3i2.162

Abstract

Penelitian ini berfokus pada pengembangan model prediktif untuk mengidentifikasi tunggakan iuran siswa di Sekolah Madrasah Ibtidaiyah Muhammadiyah Pekanbaru. Model ini memanfaatkan metode Support Vector Machine (SVM) dengan optimasi parameter menggunakan algoritma Particle Swarm Optimization (PSO) untuk mencapai akurasi prediksi yang tinggi. Data iuran siswa tahun 2022 digunakan sebagai sumber data, dan proses pra-pemrosesan data dilakukan untuk membersihkan noise dan outlier serta mengatasi ketidakseimbangan kelas dengan teknik SMOTE. Model yang diusulkan menggabungkan SVM dengan PSO untuk mencari nilai C dan gamma yang optimal pada model SVM. Hasil penelitian menunjukkan bahwa SVM dengan kernel radial dan 80% data latih mencapai akurasi sebesar 86,39%. Pengujian SVM+PSO dilakukan dengan dua ukuran populasi (10 dan 15) dan 1000 generasi evolusi. Penggunaan 10 populasi menghasilkan akurasi sebesar 89,20%, sedangkan 15 populasi mencapai akurasi 90,64% dengan nilai optimal C=1,4 dan gamma=2,6. Penelitian ini menekankan pentingnya penyesuaian parameter dan strategi evolusi seperti PSO dalam meningkatkan kinerja model SVM untuk tugas mengklasifikasikan tunggakan iuran siswa. Hasil ini menunjukkan bahwa model yang diusulkan mampu memberikan prediksi yang lebih akurat dibandingkan SVM standar, sehingga memberikan kontribusi penting dalam identifikasi dan pengambilan keputusan terkait tunggakan iuran siswa di sekolah
Analisis Sentimen Terhadap Ulasan Penggunaan Dompet Digital Dana Mengunakan Metode Klasifikasi Support Vector Machine Toresa, Dafwen; Rico Francsisco Sitorus, Shimphony; Muzdalifah, Indah; Wiza, Fana; Syelly, Rosda
Technologica Vol. 3 No. 2 (2024): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v3i2.163

Abstract

Dompet digital telah menjadi integral dalam transaksi keuangan sehari-hari, memberikan kenyamanan melalui aplikasi mobile. Dana merupakan salah satu aplikasi dompet digital mobile yang populer dan telah menarik perhatian pengguna dengan layanan yang sangat luas setelah Gopay dan OVO. Namun walaupun banyak digunakan sering sekali timbul beberapa masalah yang dialami pengguna. Seperti, gagalnya transfer dan terpendingnya transfer. Ketika terjadinya masalah tersebut pada pengguna aplikasi dompet digital Dana, sering sekali pengguna merasa bingung ingin menghubungi pihak Dana melalui apa dan bagimana. Dikarenakan terbatasnya komunikasi antar pihak Dana dan pengguna. Keterlambatan dalam penanganan masalah yang dihadapi pengguna dapat mengakibatkan kurangnya dukungan layanan sehingga mendorong pengguna untuk memberikan ulasan positive, negative, dan netral pada komentar aplikasi Dana di Google Play Store. Maka dari itu perlu dilakukan suatu analisis sentimen pada kolom komentar aplikasi Dana yang berupaya untuk mengetahui sentimen dari setiap komentar. Untuk mengetahui setiap sentimen komentar menggunakan fitur Term Frequency-Inverse Document frequency (TF-IDF) dan metode klasifikasi Support Vector Machine (SVM). Dalam pengambilan data dilakukan dengan cara scrapping/scrapper dan mengambil data komentar sebanyak 1000 data komentar. Dari hasil pengolahan dan pemrosesan data tersebut menggunakan perbandingan data latih dan data uji 80% : 20% didapatkan hasil akurasi terbaik 96,67%.
Analisis Data Penjualan Sepatu Menggunakan Algoritma Apriori Pada Sneakers PKU Toresa, Dafwen; Qadafi, Muhammad; Muzdalifah, Indah; Wiza, Fana; Syelly, Rosda
Technologica Vol. 4 No. 1 (2025): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v4i1.222

Abstract

Penelitian ini dilakukan untuk mengatasi kendala dalam pengelolaan stok barang dan analisis pola pembelian yang terjadi di Sneakers PKU. Algoritma apriori diterapkan untuk menganalisis data transaksi guna menemukan pola pembelian pelanggan dan kombinasi barang yang sering terjadi di toko. Penelitian ini menggunakan dataset dari transaksi penjualan periode bulan April 2024 sampai dengan bulan Oktober 2024 dengan total 910 data. Melalui proses analisis data mining menggunakan metoda algoritma apriori dan google colab, ditemukan aturan asosiasi utama, seperti pola bahwa pembelian sepatu merek ventela sering dikombinasikan dengan kaus kaki, dengan nilai support dan confidence sebesar 100%. Hasil penelitian ini akan dapat membantu toko dalam mengelola barang secara lebih bijak, mengurangi kelebihan persediaan, dan meningkatkan strategi penjualan. Implementasi algoritma apriori pada penelitian ini membuktikan efisiensinya dibanding dengan perhitungan manual karena lebih akurat dalam menemukan pola kombinasi barang pada transaksi yang terjadi di toko.
Co-Authors Ayoe Jumala, Tjik Bakar, Juhaida Abu Bunda, Yola Permata Deny Jollyta Des Suryani Fajrizal Fajrizal Fajrizal, Fajrizal Fana Wiza, Fana Fanawiza Harun, Nor Hazlyna Hidra Amnur Lisnawita Lisnawita Muzdalifah, Indah Pane, Eddissyah Putra Qadafi, Muhammad Reni Farwitawati, Reni Rico Francsisco Sitorus, Shimphony Rometdo Muzawi, Rometdo Rosda Syelly RR. Ella Evrita Hestiandari Sabna, Eka Shahril, Mohamad Azrul Edzwan Susi Handayani Syahril Syahril Syahril Taslim Taslim Taslim Taslim, Taslim Malano Taufiq, Reny Medikawati Unang Rio Walhidayat Walhidayat, Walhidayat Yoyon Efendi Yuhelmi Yuhelmi