Garuda - Garba Rujukan Digital

Komparasi Algoritma Logistic Regression dan Random Forest pada Prediksi Cacat Software Prasetyo, Rizal; Nawawi, Imam; Fauzi, Ahmad; Ginabila
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 2 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i2.1522

Testing becomes the standard in producing quality software, testing can be assessed through certain measures and methods, one of the benchmarks for software quality is ISO, which was made by the International Organization for Standardization (ISO) and the International Electrotechnical Commission (IEC) , In the prediction of software defects software defect prediction error is a very bad thing, the prediction results can have an effect on the software itself. This study compares the results of the Logistic Regression Algorithm and Random Forest before and after the resampling method is applied, the test results show that Random Forest with resampling produces a higher level of accuracy. From the test results above, it can be concluded that the Random Forest with resampling method is more effective in predicting software defects

Klasifikasi Human Stress Menggunakan Adagrad Optimization untuk Arsitektur Deep Neural Network Azis, Mochammad Abdul; Fauzi, Ahmad; Ginabila; Nawawi, Imam
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 7 No. 1 : Tahun 2022
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v7i1.1916

According to the World Health Organization, stress is a type of mental illness that affects human health and there is no one in this world who does not suffer from stress or depression. Stress is a term that is often used synonymously with negative life experiences or life events. . Analysis of data that has an unbalanced class results in inaccuracies in predicting human stress. This study shows that using the Deep Neural Network (DNN) Architecture model by optimizing several parameters, namely the optimizer, Learning rate and epoch. The best DNN Architect results are obtained with 4 Hidden Layers, Adagard Optimization, Learning rate 0.01 and the number of epochs 100. Accuracy, precision, recall and f-measure scores get 98.25%, 83.00%, 98.25%, 91.00%, respectively.

Information Retrieval & Perhitungan Kemiripan Dokumen pada Indonesian Heritage Library Menggunakan Vector Space Model Ginabila, Ginabila
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 5 No. 2 : Tahun 2020
Publisher : LPPM UNIKA Santo Thomas

Kebutuhan user untuk mencari suatu kumpulan atau pangkalan informasi secara otomatis saat ini sudah menjadi hal yang sering dilakukan, untuk memenuhi kebutuhan user menemukan kembali informasi-informasi yang dibutuhkan tersebut maka information retrieval system digunakan. Pencarian dokumen yang dilakukan oleh user pada sebuah database dengan cara menginputkan nama dokumen, maka semua dokumen dengan judul yang hampir mendekati dokumen yang user maksud akan ditampilkan. Hal ini dikarenakan dalam sistem pencarian tersebut, sistem belum dapat mengukur mana dokumen yang paling sesuai yang harus ditampilkan dan yang dimaksud oleh user. Maka dengan masalah seperti ini penulis menggunakan information retrieval. Dalam penelitian ini akan dilakukan perhitungan kemiripan dokumen menggunakan metode Vector Space Model. Dalam metode ini data akan melalui proses token dan indexing sehingga tingkat ketepatan dokumen yang dimaksud oleh user untuk temu kembali informasi akan lebih sesuai.

Komparasi Algoritma Logistic Regression dan Random Forest pada Prediksi Cacat Software Prasetyo, Rizal; Nawawi, Imam; Fauzi, Ahmad; Ginabila
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 2 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Testing becomes the standard in producing quality software, testing can be assessed through certain measures and methods, one of the benchmarks for software quality is ISO, which was made by the International Organization for Standardization (ISO) and the International Electrotechnical Commission (IEC) , In the prediction of software defects software defect prediction error is a very bad thing, the prediction results can have an effect on the software itself. This study compares the results of the Logistic Regression Algorithm and Random Forest before and after the resampling method is applied, the test results show that Random Forest with resampling produces a higher level of accuracy. From the test results above, it can be concluded that the Random Forest with resampling method is more effective in predicting software defects

Klasifikasi Human Stress Menggunakan Adagrad Optimization untuk Arsitektur Deep Neural Network Azis, Mochammad Abdul; Fauzi, Ahmad; Ginabila; Nawawi, Imam
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 7 No. 1 : Tahun 2022
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v7i1.1916

According to the World Health Organization, stress is a type of mental illness that affects human health and there is no one in this world who does not suffer from stress or depression. Stress is a term that is often used synonymously with negative life experiences or life events. . Analysis of data that has an unbalanced class results in inaccuracies in predicting human stress. This study shows that using the Deep Neural Network (DNN) Architecture model by optimizing several parameters, namely the optimizer, Learning rate and epoch. The best DNN Architect results are obtained with 4 Hidden Layers, Adagard Optimization, Learning rate 0.01 and the number of epochs 100. Accuracy, precision, recall and f-measure scores get 98.25%, 83.00%, 98.25%, 91.00%, respectively.

PERBANDINGAN ALGORITMA MACHINE LEARNING DALAM PREDIKSI TINGKAT BURNOUT PADA DATASET KESEHATAN PEKERJA REMOTE Pratiwi, Risca Lusiana; Alfianti, Zulia Imami; Yulianto, Eko; Fauzi, Ahmad; Ginabila, Ginabila
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 3 (2025): EDISI 25
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i3.6160

Burnout merupakan kondisi kelelahan fisik dan emosional yang disebabkan oleh stres kerja berkepanjangan dan berulang, terutama dialami oleh pekerja dengan sistem kerja remote. Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning, yaitu Naive Bayes dan Neural Network, dalam memprediksi tingkat burnout berdasarkan data kesehatan pekerja remote. Data yang digunakan bersumber dari situs Kaggle dan terdiri dari 1.114 entri dengan 10 atribut yang mencakup usia, jenis kelamin, pengaturan kerja, jam kerja per minggu, status kesehatan mental, hingga tingkat burnout. Data diuji menggunakan proses klasifikasi setelah melalui tahapan preprocessing, seperti pembersihan data, penanganan nilai hilang, transformasi kategori ke numerik, dan pembagian data menjadi training dan testing dengan rasio 70:30. Hasil evaluasi menunjukkan bahwa algoritma Neural Network unggul secara signifikan dengan akurasi mencapai 98,34%, precision dan recall di atas 98% untuk semua kelas, serta F1-score yang sangat tinggi dan seimbang. Sementara itu, Naive Bayes hanya menghasilkan akurasi sebesar 45,84% dan menunjukkan kinerja yang tidak stabil antar kelas. Temuan ini menunjukkan bahwa Neural Network lebih tepat digunakan dalam pemodelan prediksi burnout yang melibatkan data dengan hubungan non-linear dan kompleks. Penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem deteksi dini burnout berbasis kecerdasan buatan untuk mendukung kesehatan mental pekerja remote.

Penerapan Algoritma Naive Bayes dan SVM untuk Analisis Sentimen terhadap Penggunaan True Wireless Stereo (TWS) Risca Lusiana Pratiwi; Zulia Imami Alfianti; Ahmad Fauzi; Ginabila Ginabila
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 8 No 2 (2025): Jurnal SKANIKA Juli 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v8i2.3535

The use of wireless audio devices such as True Wireless Stereo (TWS) has become increasingly popular among Indonesian society as a solution to the limitations of wired earphones. As TWS usage continues to grow, understanding public sentiment toward these devices becomes essential to support product development and assist consumers in making informed purchasing decisions. This study aims to analyze user sentiment toward TWS on the social media platform X using the Naive Bayes and Support Vector Machine (SVM) algorithms. To improve classification performance, the Synthetic Minority Oversampling Technique (SMOTE) is applied to handle imbalanced data, while Particle Swarm Optimization (PSO) is used to optimize the model. The results show that the SVM algorithm outperforms Naive Bayes, achieving an accuracy of 80.46% and an AUC score of 0.854, with more balanced precision and recall values across both classes. Meanwhile, Naive Bayes demonstrated strength in detecting negative sentiment but with a lower accuracy of 78.00% and an AUC of 0.780

Transformasi Sistem Electronic Assessment Management Menggunakan Metode RAD Pada Direktorat Peningkatan Mutu Tenaga Kesehatan Dany, Rahmad; Sriyadi, Sriyadi; Ginabila, Ginabila
Jurnal INSAN Journal of Information System Management Innovation Vol. 4 No. 1 (2024): Juni 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jinsan.v4i1.3613

Training Needs Assessment merupakan suatu proses yang dilakukan dalam penilaian kebutuhan pelatihan pada Direktorat Peningkatan Mutu Tenaga Kesehatan. Proses ini terkait dengan pengembangan sumber daya manusia yang ada di lingkungan Kementerian Kesehatan RI. Pada proses pengumpulan data dan penilaian TNA, ditmutunakes sering kali menghadapi sejumlah tantangan, seperti proses yang masih manual, ketidaksesuaian peserta, kurangnya data yang akurat, sulitnya mengidentifikasi prioritas kebutuhan pelatihan, serta kurangnya pemahaman admin dalam pengolahan data. Untuk itu, perancangan aplikasi ESEMA berbasis web menjadi solusi yang diusulkan. Aplikasi ini ditujukan guna memfasilitasi proses TNA tenaga kesehatan dengan lebih efektif dan efisien, sehingga dapat mengidentifikasi kebutuhan pelatihan yang diharapkan. Dalam prosesnya, Rapid Application Development menjadi metode pengembangan sistem yang digunakan dan dikombinasikan dengan bahasa pemrograman PHP. Dari transformasi sistem yang dilakukan, hasil yang diperoleh menyatakan bahwa aplikasi ESEMA sangat efektif dan mampu mengidentifikasi kebutuhan pelatihan, sehingga gap atau kesenjangan yang ada dapat dianalisa dengan baik.

Application of the Deep Neural Networks Model in Analyzing ChatGPT Application Sentiment Fauzi, Ahmad; Chaidir, Indra; Iqbal, Muhammad; Ginabila, Ginabila
Sistemasi: Jurnal Sistem Informasi Vol 13, No 1 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i1.3432

AI has been able to intelligently mimic human behavior and has been applied in various contexts, including healthcare for more efficient patient care. One of the prominent trends in AI is advanced language models such as ChatGPT developed by OpenAI. The effectiveness of ChatGPT in finding and fixing bugs in computer code is a subject of debate, depending on the task, training data, and system design. The popularity of social media platforms, particularly Twitter, as a data source for text analysis has increased interest in sentiment analysis. This study explores sentiment towards the ChatGPT application using a dataset of 50,000 tweets. Sentiment analysis is performed using a deep neural network (DNNs) approach to achieve optimal accuracy. Deep learning models are known to have high predictivity and efficient training time. Through this experiment, we aim to gain insight into how the public views ChatGPT in three sentiment categories: positive, negative, and neutral. DNN (Deep Neural Network) is proposed because of its good performance and can shorten the amount of training time. The results with the model used in this study, namely CNN and LSTM both achieve an accuracy value of more than 90%: Where CNN obtains an accuracy value of 91.12% and LSTM obtains an accuracy of 90.84%.

Penerapan Sistem Point Of Sales (POS) Berbasis Web Dalam Pengelolan Penjualan Pada CV Fadhel Teknik Hafidinulloh Fitrohan; Angga Kusuma; Rayhan Dharmawan; Ginabila Ginabila; Isroni Isroni
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.4053

Penelitian ini bertujuan mengembangkan sistem Point of Sales (POS) berbasis web pada CV Fadhel Teknik guna menggantikan pencatatan transaksi manual yang kurang efisien dan rentan kesalahan. Sistem dibangun menggunakan Laravel, Vue.js, dan MySQL dengan pendekatan user-centric sesuai kebutuhan admin dan kasir. Data yang dikelola meliputi produk, transaksi penjualan, retur, inventaris, serta pelanggan. Fitur utama sistem mencakup pencatatan transaksi otomatis, manajemen stok, serta penyimpanan data terstruktur yang dapat diakses secara real-time.Sistem juga menghasilkan laporan penjualan dan keuntungan dalam bentuk web, PDF, dan Excel sehingga memudahkan analisis performa bisnis dan pengambilan keputusan manajerial. Implementasi menunjukkan bahwa sistem POS mampu meningkatkan akurasi pencatatan, mempercepat proses transaksi, serta menyederhanakan pelaporan. Dengan demikian, aplikasi POS tidak hanya berfungsi sebagai alat bantu transaksi, tetapi juga sebagai langkah awal transformasi digital perusahaan dalam membangun sistem informasi manajemen yang modern dan terintegrasi.

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search