Article Per Year (5 Year)
p-Index From 2021 - 2026
5.193
P-Index
This Author published in this journals
All Journal Teknika PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Sistemasi: Jurnal Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science Jurnal Sains dan Teknologi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Community Engagement and Emergence Journal (CEEJ) Jurnal Ilmiah Wahana Pendidikan International Journal for Applied Information Management AJAD : Jurnal Pengabdian kepada Masyarakat International Journal Software Engineering and Computer Science (IJSECS) Indonesian Journal of Multidisciplinary Science Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Artificial Intelligence and Digital Business Jurnal Indonesia : Manajemen Informatika dan Komunikasi Journal Innovations Computer Science JAMARI : Jurnal Pengabdian Masyarakat Mandiri JAMARI : Jurnal Pengabdian Masyarakat Mandiri
Setiawan, Kiki
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
Prototype Alat Pendeteksi Kebocoran Gas Dan Api Dengan Media Telegram Berbasis Internet of Things Nauvalsalam, Nauvalsalam; Setiawan, Kiki
INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 1 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i1.14486

Abstract

Kemajuan teknologi yang terjadi saat inisangatlah pesat perkembangannya, dimulai dari keinginan manusia terhadap adanya alat yang bisa meringankan perkerjaan manusia. Hal itu juga semakin mengingatkan manusia akan hal begitu pentingnya pencegahan bahaya terutama yaitu Kebocoran Gas dan Api, suatu pemasalahan klasik yang tetap terbukti berbahaya, terlebih di jaman seperti sekarang ini dimana tingkat kepadatan manusia permeter kubiknya sangat tinggi. Kebocoran Gas dan Api merupakan salah satu bencana yang dapat mengakibatkan kerugian material dan kehilangan nyawa yang signifikan. Dengan meningkatnya kepadatan populasi dan perkembangan urbanisasi,risiko Kebocoran Gas dan Api semakin tinggi Kinerja sistem pendeteksi Kebocoran Gas dan Api berbasis IoT sangat dipengaruhi oleh beberapa faktor, Maka diperlukan suatu alat pendeteksi Kebocoran Gas danApi yang dapat digunakan untuk mendeteksi adanya Kebocoran Gas dan Api serta dapat mengurangi efek yang ditimbulkan dari Kebocoran Gas dan Api tersebut, oleh karena itu kita membutuhkan teknologi yang dapat berinovasi dengan segala hal contohnya Kebocoran Gas dan Api, disini Penulis akan membuat Prototype Alat Pendeteksi Kebocoran Gas danApi dengan Media Telegram berbasis Internet of Things.
Implementasi Media Interaktif Dalam Pembelajaran Bahasa Inggris Di PAUD BKB Harapan Mulya Wulandari, Putri; Rahmawati, Dwita; Qibthiyah, Mariyatul; Setiawan, Kiki
INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 2 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i2.14497

Abstract

Penelitian ini bertujuan untuk menerapkan media interaktif dalam pembelajaran bahasa Inggris di PAUD BKB Harapan Mulya. Dengan semakin berkembangnya teknologi, pendekatan pembelajaran konvensional seperti ceramah dan media cetak dinilai kurang menarik minat belajar anak. Untuk mengatasi masalah tersebut, penelitian ini menggunakan Adobe Flash CS6 untuk membuat media pembelajaran yang interaktif, menarik, dan tepat untuk anak usia dini. Penelitian ini dilakukan melalui pendekatan deskriptif kualitatif. Wawancara, observasi, dan analisis dokumen terkait digunakan untuk memperoleh data. Hasil penelitian menunjukkan bahwa penggunaan media interaktif dapat membuat siswa lebih termotivasi dan terlibat dalam pembelajaran bahasa Inggris. Dibandingkan dengan metode pembelajaran konvensional, siswa lebih antusias dan aktif dalam pembelajaran bila menggunakan media interaktif. Selain itu, penelitian ini juga menemukan beberapa permasalahan yang dihadapi dalam penggunaan media interaktif, seperti terbatasnya akses terhadap teknologi dan kurangnya instruksi bagi guru. Rekomendasi untuk perbaikan di masa depan mencakup peningkatan instruksi bagi guru dan pengadaan perangkat yang lebih mendukung pembelajaran interaktif. Dengan demikian, kualitas pendidikan di PAUD BKB Harapan Mulya diharapkan meningkat melalui penggunaan media interaktif.
Implementasi IDS pada Jaringan Komputer Menggunakan Snort Berbasis Chatbot Telegram: Implementation of IDS on Computer Networks Using Snort Based on Telegram Chatbot Ardiyansyah, Ferry; Setiawan, Kiki; Sutisna, Nandang
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1561

Abstract

Pada era digital ini, keamanan informasi dan perlindungan jaringan komputer sangat penting. Penggunaan internet di Indonesia mencapai 79,50% dari populasi pada tahun 2024, disertai meningkatnya ancaman siber seperti Ping of Death (POD), Nmap scanning, dan DDoS. PT Tiga Kawan Sertifikasi menghadapi tantangan dalam mengelola keamanan jaringan. Penelitian ini bertujuan mengimplementasikan sistem deteksi serangan menggunakan Snort yang terintegrasi dengan chatbot Telegram untuk notifikasi real-time. Metode penelitian mencakup konfigurasi server Ubuntu sebagai IDS dengan Snort dan penggunaan chatbot Telegram sebagai media notifikasi. Pengujian dilakukan dengan skenario pentest menggunakan server Kali Linux. Hasil pengujian menunjukkan Snort mendeteksi serangan Ping of Death dalam 4 detik, Nmap scanning dalam 3 detik, dan DDoS dalam 2 detik. Sistem berhasil mengirimkan alert pada grup Telegram, mengoptimalkan keamanan jaringan PT Tiga Kawan Sertifikasi secara efektif dan efisien. Keseluruhan hasil menunjukkan bahwa solusi ini dapat memberikan perlindungan yang lebih baik terhadap ancaman siber dan memungkinkan respons cepat terhadap insiden keamanan. Selain itu, sistem ini mempermudah administrator jaringan dalam memantau dan menangani serangan secara real-time, meningkatkan ketahanan jaringan perusahaan
Leveraging Machine Learning to Analyze User Conversion in Mobile Pharmacy Apps Using Behavioral and Demographic Data Lestari, Sri; Setiawan, Kiki; Aula, Raisah Fajri
International Journal for Applied Information Management Vol. 4 No. 3 (2024): Regular Issue: September 2024
Publisher : Bright Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/ijaim.v4i3.86

Abstract

This study explores the use of machine learning techniques to predict user conversion in a mobile pharmacy app based on user behavior and demographic data. The analysis was conducted using two classification models: Logistic Regression and Random Forest. Key features such as time spent on the product page, adding items to the cart, and user demographics (age, gender, device type) were evaluated to determine their impact on conversion rates. Both models demonstrated strong performance, with the Logistic Regression model achieving an Area Under the Curve (AUC) of 0.88 and the Random Forest model achieving an AUC of 0.87. These results indicate that both models effectively distinguish between users who convert and those who do not, with Logistic Regression showing a slightly better overall performance. Feature importance analysis revealed that factors such as adding items to the cart and the time spent on the product page are the most significant predictors of conversion. Furthermore, demographic features like age group and device type also contributed to the model’s predictive power, although they had a smaller impact compared to user engagement features. The findings suggest that machine learning models, particularly Logistic Regression, can be utilized to predict user behavior and optimize user engagement strategies in mobile apps. The study also highlights the importance of user engagement in driving conversions and the potential for targeted marketing based on demographic data. Future work should focus on hyperparameter tuning, exploring additional algorithms, and incorporating real-time data to further enhance model accuracy and adaptability.
Pengembangan Model Analisis Sentimen Berbasis Naïve Bayes Terhadap Isu Kepemimpinan Presiden Prabowo Di Tiktok Setiawan, Kiki; Apriyanto, Kevin Jonathan
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 4 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/9dycmf54

Abstract

Penelitian ini dilatarbelakangi oleh meningkatnya intensitas diskusi publik di media sosial, khususnya TikTok, mengenai kepemimpinan Presiden terpilih Prabowo Subianto pasca Pemilu 2024. Isu-isu politik yang berkembang menimbulkan beragam opini dan sentimen masyarakat yang tersebar dalam bentuk komentar video. Penelitian ini bertujuan mengembangkan model analisis sentimen berbasis algoritma Naïve Bayes untuk mengkaji persepsi publik terhadap kepemimpinan Presiden Prabowo melalui komentar di TikTok. Obyek penelitian adalah data komentar pengguna TikTok yang diperoleh melalui metode scraping menggunakan bahasa pemrograman Python, dengan kata kunci yang relevan terhadap isu kepemimpinan Prabowo. Data kemudian diolah melalui tahapan pre-processing seperti Case Folding, tokenisasi, stopword removal, dan Stemming. Proses klasifikasi dilakukan dengan algoritma Naïve Bayes dan evaluasi performa model dilakukan menggunakan Confusion Matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan tingkat akurasi mencapai 54%, dengan sentimen negatif mendominasi sebesar 46,3%, sedangkan sentimen positif sebesar 32,1% serta sentimen netral sebesar 21,6%. Kesimpulan dari penelitian ini menunjukkan bahwa isu kepemimpinan Presiden Prabowo di TikTok cenderung memperoleh respons negatif dari publik. Implikasi dari hasil ini menunjukkan pentingnya pemantauan opini publik di media sosial sebagai alat ukur persepsi masyarakat. Penelitian ini merekomendasikan pengembangan model lanjutan dengan algoritma pembelajaran mesin lain seperti SVM atau Random Forest untuk peningkatan akurasi.
ANALISIS ESTETIKA DAN FUNGSIONALITAS UI BCA MOBILE BERDASARKAN DATA PERSEPSI PENGGUNA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Alifia, Tiara Ratu; Setiawan, Kiki; Rodhiyah, Rodhiyah
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 4 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/571h0x28

Abstract

Bank Central Asia (BCA), sebagai salah satu bank terbesar di Indonesia, menyediakan aplikasi mobile banking yang dirancang untuk memberikan kemudahan dan kenyamanan bagi penggunanya. Penelitian ini bertujuan untuk menganalisis persepsi pengguna terhadap aspek estetika dan fungsionalitas antarmuka pengguna User Interface (UI) pada aplikasi BCA Mobile dengan menggunakan metode klasifikasi data berupa algoritma Support Vector Machine (SVM). Dalam era digital saat ini, aplikasi mobile banking memegang peranan penting dalam memberikan kemudahan akses layanan perbankan secara cepat dan efisien. Namun, keberhasilan sebuah aplikasi sangat bergantung pada kualitas UI dan User Experience (UX) yang dirasakan oleh pengguna. Penelitian ini menggunakan dataset ulasan pengguna yang diambil dari Kaggle, periode tahun 2022 hingga 2025, yang kemudian melewati proses pembersihan data. Algoritma SVM diterapkan untuk mengklasifikasikan sentimen pengguna ke dalam tiga kategori, yaitu positif, netral, dan negatif, sebagai representasi persepsi terhadap estetika serta fungsionalitas aplikasi. Hasil pengujian menunjukkan tingkat akurasi model sebesar 73,1%, yang menunjukkan efektivitas SVM dalam mengelompokkan sentimen berdasarkan data persepsi pengguna. Penelitian ini juga mengidentifikasi aspek-aspek inti yang mempengaruhi kepuasan pengguna, seperti kemudahan navigasi, tampilan visual yang menarik, kecepatan akses, dan keandalan fitur aplikasi. Temuan ini memberikan masukan berharga bagi pengembang BCA Mobile untuk meningkatkan kualitas UI dan UX, sehingga dapat meningkatkan kepuasan dan loyalitas pengguna.
Analisis Sentimen Masyarakat terhadap Instruksi Gubernur Jakarta tentang ASN Wajib Gunakan Transportasi Umum Menggunakan Algoritma Support Vector Machine Oktavian, Nur; Surapati, Untung; Setiawan, Kiki
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 6 No. 3 (2025): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jimik.v6i3.1614

Abstract

Social media has become the primary means for people to express their opinions on public policies. One policy that has generated mixed reactions is DKI Jakarta Governor Instruction Number 6 of 2025, which requires civil servants (ASN) to use public transportation every Wednesday. This study aims to analyze public sentiment towards this policy using the Support Vector Machine (SVM) algorithm. Data was collected from social media X using purposive sampling technique using related keywords during the period May-July 2025. Then processed through the stages of cleansing, tokenizing, stopword removal, stemming, and transformation into numerical form using TF-IDF. Of the 800 tweets collected, 600 positive opinions and 200 negative opinions were obtained. Then, the data was classified using the Support Vector Machine algorithm. Thus, the research that has been conducted obtained an accuracy of 76.00%, and an AUC of 0.725. These findings are expected to not only provide accurate sentiment classification, but also provide practical input for the government to evaluate the effectiveness of policies, improve socialization strategies, and measure the level of public acceptance of ASN transportation policies.
Analisis Sentimen Komentar TikTok terhadap Kebijakan Larangan Wisuda Sekolah oleh Gubernur Jawa Barat Menggunakan Algoritma Naive Bayes Setiawan, Kiki; Alafia, Evi
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 6 No. 3 (2025): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jimik.v6i3.1615

Abstract

This research focuses on analyzing public sentiment regarding the policy banning school graduation ceremonies in West Java, which aims to adapt the tradition to socio-economic conditions. This research is expected to provide insights for the formulation of more inclusive and equitable education policies, as well as offer alternative, more friendly graduation practices. The research object includes public opinions and comments on the social media app TikTok regarding this policy. The method used is sentiment analysis with the Naive Bayes algorithm, with data collected over two months following the policy's announcement. The results show that the majority of respondents support the ban, driven by reasons of reducing the burden on parents' costs and minimizing social jealousy. The conclusion can be drawn that this policy has received a positive response from the public. These findings can serve as a reference for policymakers in developing a more equitable education system. It is recommended that the government continue to involve the public in the policy-making process and seek alternative methods for celebrating graduations that are more economical and equitable.
Optimization of Classification Models for Customer Sentiment on Train Suite Class Compartments Using SMOTE and Particle Swarm Optimization Setiawan, Kiki; Miswanto, Miswanto; Zakaria, Aditya
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 13 No. 2 (2025): September 2025
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v13i2.11617

Abstract

This study uses three algorithms, namely Naive Bayes (NB), K-Nearest Neighbour (KNN), and Support Vector Machine (SVM). Then, the three methods are supplemented with the use of SMOTE (Synthetic Minority Oversampling Technique) and Particle Swarm Optimization (PSO), which will later be compared with the three methods to obtain good accuracy results. It is hoped that the use of SMOTE in this study can be a solution in handling imbalanced data, because the influence of imbalanced data is very large on the results of the model obtained, since algorithm processing that does not take into account data imbalance will tend to be dominated by the major class and ignore the minor class. Similarly, the use of Particle Swarm Optimization is expected to increase attribute weights and improve the accuracy of an algorithm and data classification. The model that obtained the best evaluation results was the Support Vector Model using SMOTE and Particle Swarm Optimization, with an accuracy value of 81.15%.
Implementation of Naïve Bayes for Public Sentiment Analysis on QRIS and GPN Digital Dominance through Instagram Nabilah, Laila; Setiawan, Kiki
Journal Innovations Computer Science Vol. 4 No. 2 (2025): November
Publisher : Yayasan Kawanad

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56347/jics.v4i2.337

Abstract

This study examines public sentiment toward the dominance of QRIS and GPN compared to Mastercard and Visa, using data collected from Instagram comments. Employing the Knowledge Discovery in Databases (KDD) methodology and the Naïve Bayes Classifier, the research analyzed 820 comments retrieved through automated scraping and processed using text mining techniques such as case folding, tokenization, stopword removal, stemming, and TF-IDF transformation. The model achieved an accuracy of 84.27%, a precision of 86.09%, a recall of 94.7%, and an F1-score of 90.21%, indicating strong reliability in identifying sentiment polarity. The analysis revealed that 76.5% of the comments expressed positive sentiment, highlighting users’ appreciation of QRIS and GPN for their convenience, speed, and accessibility across both micro and macro-scale transactions. Negative comments, representing 23.5%, centered on concerns about connectivity, data security, and trust in financial governance. These findings suggest that while QRIS and GPN have been widely embraced as efficient digital payment solutions, there remains a need for improved infrastructure, user education, and data protection. The study demonstrates the effectiveness of the Naïve Bayes algorithm for large-scale sentiment analysis in multilingual online environments and provides empirical insights for policymakers to strengthen Indonesia’s digital payment ecosystem.
Co-Authors Abdullah Aimar, Muqorrobin Akbar, Yuma Alafia, Evi Alifia, Tiara Ratu Amelia, Ika Amini, Tasya Aisyah Apriyanto, Kevin Jonathan Ardiyansyah, Ferry Arini, Dinda Puspita Aryanti, Putri Gea Aryanto, Anton Asyrofie, Maulana Azhar Aula, Raisah Fajri Az-zahra, Haura Salsabila Azhar, Anisah Nurul Badzlin, Rosyiqoh Betty Yel, Mesra Choer, Yayan Miftahul Christina Juliane, Christina Dewi, Rosiana Eldina, Ratih Filly Pravitasari Fricco, Arjun Ghazi, Ahmad Imam Imam Jati, Gilang Kuncoro Kastum Lailany, Afyra Ar’bah Lyle, Julian Marindah, Marindah Marlia, Sari Marliani, Tiara Miswanto Miswanto Mu'asyir, Humam Mufid, Ahmad Raihan Muhammad Ridwan Mumtahaen, Ikmal Nabilah, Laila Nauvalsalam, Nauvalsalam Nila Nopianti Noor, Jalaludin Mahmud Oktavian, Nur Pratama, Muhamad Wanda Purwasih, Intan PUTRI WULANDARI Qibthiyah, Mariyatul Raharjo, Pratama Putra Rahmawati, Dwita Ramdhani, Fauzi Rayhan, Ayu Putri Regita, Anggit Nur Hannaa Rifai, Hanna Sabilla Rodhiyah Rodhiyah Ronald, Michael Rosidi, Raihan Putra Mohammad Salam, Nauval Saputra, Rizqi Kurniawan Saputry, Yulia Yanti Ayu Sarimole, Frencis Matheos Sibarani, Julvan Marzuki Putra Sodik Sri Lestari Suhartini Suhartini Surapati, Untung Sutisna Sutisna, Nandang Syaputra, Ilham Adi Tundo, Tundo Tutuarima, Chelvin Joines Yrain, Beatrice Zakaria, Aditya Zidan, Muhammad Rohyan