Article Per Year (5 Year)
p-Index From 2021 - 2026
23.96
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA JURNAL SISTEM INFORMASI BISNIS Voteteknika (Vocational Teknik Elektronika dan Informatika) Elektron Jurnal Ilmiah Jurnal Sains dan Teknologi Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Prosiding Semnastek JUITA : Jurnal Informatika Jurnas Nasional Teknologi dan Sistem Informasi Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Riau Journal of Computer Science JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research RABIT: Jurnal Teknologi dan Sistem Informasi Univrab INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Information System for Educators and Professionals : Journal of Information System Jurnal Penelitian Pendidikan IPA (JPPIPA) Indonesian Journal of Artificial Intelligence and Data Mining JITK (Jurnal Ilmu Pengetahuan dan Komputer) Rang Teknik Journal Sebatik ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Journal of Information Technology and Computer Engineering Jambura Journal of Informatics ComTech: Computer, Mathematics and Engineering Applications Jusikom: Jurnal Sistem Informasi Ilmu Komputer bit-Tech International Journal of Informatics and Computation Dinasti International Journal of Education Management and Social Science Systematics Jurnal Sistem Informasi dan Informatika (SIMIKA) Jurnal Sistim Informasi dan Teknologi Jurnal Informasi dan Teknologi Jurnal Informatika Ekonomi Bisnis Journal of Robotics and Control (JRC) Journal of Applied Engineering and Technological Science (JAETS) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Manajemen Kesatuan Dinasti International Journal of Digital Business Management Indonesian Journal of Electrical Engineering and Computer Science JUKI : Jurnal Komputer dan Informatika Jurnal Perangkat Lunak Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Journal of Applied Computer Science and Technology (JACOST) Jurnal Manajemen Sains Journal of Computer Scine and Information Technology Bulletin of Computer Science Research Jurnal Penelitian Inovatif Jurnal Ipteks Terapan : research of applied science and education Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Jurnal Komtekinfo Jurnal Sistim Informasi dan Teknologi INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Jurnal Administrasi Sosial dan Humaniora (JASIORA) Innovative: Journal Of Social Science Research e-Jurnal Apresiasi Ekonomi Jurnal Informatika Ekonomi Bisnis SATIN - Sains dan Teknologi Informasi RJOCS (Riau Journal of Computer Science) SmartComp Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JR : Jurnal Responsive Teknik Informatika Jurnal Responsive Teknik Informatika Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Journal of Soft Computing Exploration
Sarjon Defit
Universitas Putra Indonesia YPTK Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 256 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 256 Documents
Search

 13   14   15   16   17 
Penerapan Data Mining Menggunakan Algoritma FP-Growth Dalam Analisis Data Penjualan Rustam, Camila; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.547

Abstract

Pertumbuhan data penjualan dari waktu ke waktu yang signifikan terlebih pada bisnis berskala besar dengan melakukan analisa secara manual dapat menjadi tidak efesien dan kurang mampu mengungkapkan pola yang tersembunyi. Perubahan pola pembelian konsumen dapat mempengaruhi strategi penjualan. CV Tiga Putra adalah perusahaan yang bergerak di bidang makanan ringan dan minuman. Berbagai barang yang tersedia di perusahaan tersebut tanpa adanya pengelompokkan antara barang yang diminati dan yang tidak diminati oleh konsumen dengan jumlah barang yang tidak releva sehingga terjadi penumpukan barang dan penjualan barang yang mengakibatkan kerugian. Penelitian ini bertujuan untuk meningkatkan strategi penjualan dan mengoptimalkan hasil analisis data penjualan dengan memanfaatkan algoritma FP Growth. Data Mining adalah metode yang umum digunakan untuk mencari informasi dalam big data. FP-Growth adalah salah satu dari algoritma yang diterapkan untuk mengidentifikasi catatan yang sering muncul dalam kumpulan data. Data yang digunakan data penjualan selama 2 minggu pada bulan Maret 2024 dengan 30 item barang dan 12 data transaksi. Metode yang digunakan adalah algoritma FP-Growth. Dengan menerapkan nilai minimum support 75% dan nilai minimum confidence 80%. Hasil Analisa ialah terdapat 36 pengetahuan dari kombinasi 2 item yang memenuhi nilai minimum support dan confidence. Salah satu rule asosiasinya yakni ‘Jika membeli Spix Mie Goreng 500 (K26) maka akan membeli Golda (K8)’ dengan nilai support 75% dan nilai confidence 82%. Penelitian ini berhasil menerapkan Data Mining menggunakan algoritma FP-Growth untuk meningkatkan strategi penjualan CV Tiga Putra, sehingga perusahaan dapat ebih efektif dalam mengurangi kerugian, dan meningkatkan keuntungan secara signifikan. Oleh karena itu, CV Tiga Putra dapat meningkatkan penjualan dan mengoptimalkan hasil analisis data penjualan.
Metode K-Means dalam Mengukur Tingkat Pemahaman Materi Mata Kuliah Inti dan Penilaian Mahasiswa di Prodi Informatika Deti Karmanita; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.551

Abstract

Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. KDD sering disebut juga sebagai penemuan pengetahuan dalam basis data. Data Mining memiliki lima fungsi utama, termasuk pengelompokan (clustering), klasifikasi (classification), asosiasi (association), urutan (sequencing) dan peramalan (forecasting). Algoritma clustering berupaya memisahkan kumpulan informasi yang ada menjadi kelompok-kelompok yang homogen atau sejenis. Tingkat kesamaan data di dalam suatu kelompok akan menghasilkan nilai yang semakin besar, sementara perbedaan antar kelompok akan menghasilkan nilai yang semakin kecil. Algoritma K-Means merupakan bagian dari clustering data mining, dimana algoritma K-Means dapat dipergunakan untuk pembentukan kelompok baru dari data. Pembentukan kelompok baru dari data pada algoritma K-Means dengan proses pembentukan cluster pada proses yang dilakukan. Penelitian ini bertujuan untuk mengetahui tingkat pemahaman materi mata kuliah inti pada program studi Informatika Universitas Dehasen yang diterima oleh mahasiswa. dimana peneliti menyebarkan kuisioner kepada mahasiswa untuk menentukan tingkat pemahaman materi mata kuliah inti menjadi 4 kelompok yaitu sangat baik, baik, cukup baik dan kurang baik. Metode yang digunakan adalah K-Means dengan tahapan yaitu pemilihan data, pra-pemrosesan, transformasi data, ekstraksi informasi dan evaluasi hasil. Data terdiri dari 46 mata kuliah inti yang di ambil dari kurikulum Prodi Informatika yang dinilai oleh mahasiswa dengan pemahaman materi mata kuliah Sangat Baik sebanyak 29%, Baik sebanyak 35%, Cukup Baik sebanyak 24%, Kurang Baik sebanyak 12%. Penelitian ini menunjukkan bahwa implementasi metode K-Means dengan dukungan aplikasi RapidMiner efektif dalam mengelompokkan data pemahaman materi mahasiswa dan hasilnya dapat digunakan untuk evaluasi dan peningkatan kualitas pengajaran.
Simple Multi Attribute Rating Technique untuk Pendukung Keputusan Pemberian Sanksi Siswa Gaja, Rizqi Nusabbih Hidayatullah; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.553

Abstract

As one of the schools that advances the courtesy of MAN 1 Padangsidimpuan concludes facing the challenge of monitoring and dealing with student violations effectively and efficiently. In this case, MAN 1 Padangsidimpuan has a student order as a reference to discipline his students. The madrasah seriousness of the need to monitor students in committing violations is very low and is still undigitalized. The research aims to design an application that can monitor student violations and support decisions to sanction students who violate order. The method used in this research is the Simple Multi Attribute Rating Technique (SMART). This method has five stages, namely, determining the number of criteria, giving weight to each criterion, normalizing the value of the criterions, giving value to each alternative, and calculating the final value. The data set processed in this study comes from the student problem book in MAN 1 Summary of the 2023/2024 school year. The dataset consists of 147 student violations records. The data sets will be tested calculations manually with calculations using the application. The results of this study show that the application can record student violations well. The result of manual calculations with the calculations on the application has similar results. From the calculation results, the highest final score a student gets is 24 points. The sanctions are given according to the points earned, namely, collecting garbage. Therefore, this research can help Teacher Counseling in monitoring student violations and make the reporting process to the Chief Madrasah faster and more accurate. Applications only help make decisions by providing information or alternative solutions to existing problems. The final decision remains with the decision maker.
Implementasi Algoritma K-Means Guna Pengelompokkan Data Penjualan Berdasarkan Pembelian Lubis, Siti Sahara; Sarjon Defit; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.557

Abstract

Information technology can help solve problems faced by humans by facilitating performance. Information technology and information systems are difficult to separate in the business world. Data mining is the core of the KDD process, which involves inferring algorithms that explore data, developing models and finding previously unknown patterns. KDD is often referred to as knowledge discovery in databases. The KDD process generally consists of 5 stages, namely data selection, pre-processing/cleaning, transformation, data mining and interpretation/evaluation. K-Means is a clustering algorithm in data mining to be able to produce groups of large amounts of data with a point-based partition method with fast and efficient computing time. Clustering is the process of dividing objects from a data set into several homogeneous clusters. The main purpose of the cluster method is to group a number of data/objects into clusters (groups) so that each cluster will contain data that is as similar as possible. This study aims to provide real solutions to UD. Martua in order to know which items are selling well and which items are not selling well so that the object can know which items need to be added to the stock and which items need to be reduced. The method used in this study is the K-Means method with stages, namely data selection, pre-processing, data transformation, information extraction and evaluation of results. The data consists of 30 item data, there are 8 as members of C1 and are best-selling items and 22 as members of C2 and are not selling items. The conclusion that can be obtained from this study is that the K-Means method can group items at UD. Martua. This study shows that the implementation of the K-Means method with the support of the RapidMiner application is effective in grouping item data at UD. Martua.
Perbandingan Algoritma CART dan C.4 5 Pada Citra Tandan Buah Sawit Untuk Mengetahui Tingkat Kematangan Dalam Penentuan Harga Agustin, Riris; Sarjon Defit; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.558

Abstract

Information technology is a means and infrastructure of a system method to organize, send, interpret, use, process, obtain, and store data in a meaningful and useful way. Oil palm is a tropical plant originating from West Africa. The advantage of this plant is that it can also be planted outside its place of origin, including Indonesia. This plant has been widely cultivated in the form of plantations and factories in various regions in Indonesia. Oil palm is an industrial plant that is used as a raw material for vegetable oil, industrial oil, and fuel. Oil palm is important for Indonesia because it creates jobs for local people and is a source of foreign currency for the country. Oil palm plants begin to flower and form fruit after 2-3 years. The fruit will ripen about 5-6 months after pollination. The ripening process of oil palm fruit can be seen from the change in color of the fruit's skin. The fruit will turn orange-red when ripe. When the fruit is ripe, the oil content in the fruit flesh is at its maximum. If it is too ripe, the oil palm fruit will fall from the stalk of the bunch. This study aims to assess the maturity of a bunch of oil palm fruit. The methods used in this study are CART and C.4 5. Each method has several stages that will produce entropy and gain values ​​that will later form a decision tree. The dataset consists of 37 data consisting of 10 criteria originating from Ramp 789 Batang Peranap. Based on the implementation of the C4.5 algorithm and the CART algorithm in determining the level of ripeness of oil palm fruit bunches on RAMP 789 Batang Peranap which produces an accuracy of 98.00%. These results are obtained based on Process data with testing using the RapidMiner application, which produces a Decision tree that is useful as a reference for decisions in determining whether or not oil palm fruit bunches are ripe, which so far have only been predicted.
Penerapan Naive Bayes untuk Memilih Produk Berdasarkan Jenis Kulit di Toko Kosmetik Honestya, Gabriela; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.559

Abstract

Pemilihan produk skincare dan kosmetik yang sesuai dengan jenis kulit wajah merupakan salah satu faktor penting dalam menjaga kesehatan dan kecantikan kulit. Masih banyak ditemukan konsumen yang mengalami kesulitan dalam menentukan produk yang tepat sehingga menyebabkan beberapa permasalahan terhadap kulit wajah. Kesalahan dalam memilih produk dapat menyebabkan masalah kulit yang lebih serius. Diperlukan sistem rekomendasi yang dapat membantu konsumen dalam memilih produk yang tepat. Penelitian ini bertujuan untuk memberikan persentase ketepatan dan kecocokan pemilihan produk skincare dan kosmetik dengan menggunakan metode Naïve Bayes, yang dapat membantu konsumen dalam memilih produk yang sesuai dengan jenis kulit wajah mereka. Studi kasus dilakukan di Inti Makeup Store Padang, di mana data dikumpulkan dari riwayat pembelian dan survei langsung kepada pelanggan. Metode Naïve Bayes dipilih karena kemampuannya dalam mengklasifikasikan data berdasarkan probabilitas, sehingga memungkinkan sistem untuk memberikan rekomendasi yang akurat berdasarkan jenis kulit wajah konsumen. Data yang digunakan dalam penelitian ini berjumlah 1074 records dari 87 koresponden pelanggan Inti Makeup Store yang mencakup informasi tentang kecocokan pemakaian produk yang pernah mereka gunakan sebelumnya. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi produk skincare dan kosmetik dengan tingkat akurasi kecocokan sebesar 93.18%, sehingga dapat meningkatkan kepuasan konsumen dalam memilih produk yang tepat. Penerapan metode Naïve Bayes dalam pemilihan produk skincare dan kosmetik tidak hanya bermanfaat bagi konsumen, tetapi juga dapat memberikan nilai tambah bagi toko dalam memahami kebutuhan pelanggan, mengoptimalkan stok dan meningkatkan penjualan produk. Penelitian ini diharapkan dapat menjadi landasan bagi pengembangan lebih lanjut dalam bidang sistem rekomendasi produk kecantikan. Kata kunci: Teknologi Informasi, Pemilihan Produk, Naive Bayes, Jenis Kulit Wajah, Inti Makeup Store.
Penerapan Algoritma K-Means Clustering untuk Mengelompokkan Rekomendasi Metode Kontrasepsi Berbasis Machine Learning di Puskesmas Adawiyah, Quratih; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.563

Abstract

Pertumbuhan penduduk Indonesia yang relatif tinggi memerlukan solusi dalam pemilihan metode kontrasepsi yang tepat bagi pasangan usia subur. Banyaknya pilihan kontrasepsi yang tersedia, pasangan usia subur tidak tahu mana yang paling tepat dengan kebutuhan mereka. Artificial Intelligence merupakan cabang ilmu komputer yang fokus pada pengembangan sistem yang dapat meniru kecerdasan manusia dalam memecahkan masalah dan mengambil keputusan. Machine Learning dapat memungkinkan sistem untuk belajar menggantikan atau meningkatkan kecerdasan manusia dalam pemecahan masalah dan otomatisasi. Data mining juga menjadi proses untuk mengekstrak pola dan informasi dari kumpulan data yang besar. Salah satu teknik yang digunakan pada penelitian ini adalah K-Means Clustering yang merupakan metode pengelompokan yang membagi data dalam kelompok berdasarkan kesamaan karakteristik. Clustering bekerja dengan mengidentifikasi centroid dari setiap cluster dan mengelompokkan data berdasarkan jarak terdekat ke centroid tersebut. Penelitian ini bertujuan untuk memberikan rekomendasi metode kontrasepsi yang tepat kepada pasangan usia subur dengan mengelompokkan data pasien KB berdasarkan karakteristik seperti nama, umur, dan jumlah anak. Algoritma K-Means Clustering digunakan untuk mengelompokkan rekomendasi metode kontrasepsi berdasarkan data pasien yang dikumpulkan sehingga mendapatkan rekomendasi yang lebih akurat. Data yang digunakan adalah data nama, data umur dan jumlah anak pasien KB pada tahun 2023 di Puskesmas. Dataset yang digunakan sebanyak 20 data. Metode yang digunakan meliputi studi literatur, pengumpulan data melalui observasi dan wawancara. Hasil dari penelitian ini dapat mengelompokkan data menjadi 2 cluster, yaitu cluster C0 menyatakan metode jangka pendek sedangkan C1 menyatakan metode jangka panjang. Dari hasil proses cluster, posisi cluster terakhir pada iterasi 4 dan tidak berubah lagi maka dinyatakan proses telah selesai, didapatkan cluster Jangka pendek C0 sebanyak 11 anggota dan C1 berjumlah 9 anggota. Penelitian ini juga memanfaatkan aplikasi RapidMiner untuk membantu proses clustering. Hasil menunjukkan bahwa algoritma ini efektif dalam mengidentifikasi pola dan kelompok dalam data pasien KB, yang diharapkan dapat membantu tenaga kesehatan dalam memberikan rekomendasi yang lebih akurat, dan memberikan kontribusi dalam peningkatan pelayanan kesehatan, khususnya dalam pelayanan KB di Puskesmas.
Metode Support Vector Machine dan Naïve Bayes Untuk Analisis Santimen Ibu Kota Nusantara Akbar, Muhamad Rafi; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.579

Abstract

Pemindahan Ibu Kota Nusantara (IKN) menimbulkan berbagai macam pro dan kontra. Mulai dari pemilihan lokasi, pengesahan Undang – Undang yang dinilai terlalu terburu – buru, dan akhir – akhir ini pemerintah juga mengajak masyarakat Indonesia untuk melaukan urun – dana (crowd funding) untuk membangun Ibu Kota Nusantara. Media sosial tiktok, Ibu Kota Nusantara (IKN) menjadi salah satu topik yang ramai diperbincangkan karena banyaknya opini dari berbagai kalangan masyarakat. Beberapa opini dari masyarakat di tiktok ini akan digunakan menjadi data penelitian analisis sentimen terhadap pendapat masyarakat mengenai pemindahan Ibu Kota Negara. Penelitian ini bertujuan untuk membandingkan efektivitas dua pendekatan untuk klasifikasi: Support Vector Machine dan Naïve Bayes, dalam menganalisis sentimen opini terhadap Ibu Kota Nusantara berdasarkan data Tiktok. Analisis sentimen opini sangat penting untuk memahami pandangan publik mengenai berbagai aspek Ibu Kota Nusantara. Data Tiktok yang digunakan akan melibatkan opini yang berkembang di media sosial mengenai Ibu Kota Nusantara. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan Niave Bayes. Metodologi penelitian mencakup pengumpulan data, preprocessing, membagi data, pelatihan model Naïve Bayes dan SVM, evaluasi, serta analisis statistik untuk membandingkan kinerja kedua model. Dataset terdiri dari 1529 komentar yang diambil dari aplikasi Tiktok. Hasil akhir dari evaluasi yang dilakukan dapat dilihat perbandingan anatara metode Support Vector Machine dengan Naive Bayes berdasarkan tingkat akurasi yang diperolch oleh masing-masing metode. Support Vector Machine memperoleh tingkat aurasi 98%, di mana tingkat akurasinya lebih rendah daripada tingkat akurasi metode Naive Bayes dengan persentase 92%. Berdasarkan temuan analisis, prosedur yang menggunakan metode Support Vector Machine menunjukkan hasil yang lebih baik dibandingkan metode Naïve Bayes dalam mengukur sentimen terhadap Ibu Kota nusantara.
Metode BERTopic dan LDA untuk Analisis Tren Penelitian Bidang Ilmu Komputer Nursyahrina; Defit, Sarjon; Sovia, Rini
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.580

Abstract

Ilmu Komputer merupakan disiplin ilmu yang berkembang pesat, dengan jumlah publikasi penelitian yang meningkat secara signifikan dalam lima tahun terakhir. Namun, analisis tren penelitian di bidang ini masih terbatas, sehingga penting untuk mengidentifikasi topik-topik penelitian dominan dan memahami dinamika perkembangannya. Penelitian ini bertujuan untuk menganalisis topik dan tren penelitian di bidang Ilmu Komputer dengan menggunakan dua metode topic modeling, yaitu Latent Dirichlet Allocation (LDA) dan BERTopic. Data yang digunakan terdiri dari metadata artikel penelitian yang diperoleh dari situs Emerald Insight, dengan total 4.892 data pada periode publikasi 2019-2023. Penelitian ini menerapkan LDA dan BERTopic untuk mengidentifikasi dan mengelompokkan topik-topik penelitian berdasarkan teks judul dan abstrak. Metode BERTopic yang berbasis embedding menghasilkan coherence score tertinggi sebesar 0,49 pada model dengan kombinasi TruncatedSVD-KMeans yang mengidentifikasi 13 topik, sementara LDA menghasilkan coherence score tertinggi sebesar 0,42 pada model yang menggunakan teknik ekstraksi fitur Bag-of-Words (BoW) dengan 11 topik. Hasil penelitian ini menunjukkan bahwa BERTopic lebih unggul dalam menghasilkan topik-topik yang lebih koheren dan relevan dibandingkan LDA, berkat kemampuannya dalam mempertahankan konteks semantik antar kata dalam dokumen. Analisis tren menggunakan model BERTopic mengungkapkan dinamika tren penelitian dalam Ilmu Komputer selama lima tahun terakhir, di mana penelitian terkait analitik bisnis dan pemasaran, dan teknologi blockchain menunjukkan pertumbuhan konsisten dengan rata-rata peningkatan sebesar 20% per tahun. Sebaliknya, topik-topik seperti VR dan teknik prediksi menunjukkan fluktuasi yang signifikan. Secara keseluruhan, fokus penelitian bergerak menuju analitik bisnis, blockchain, IoT, dan teknik prediksi seperti deep learning, sementara topik tradisional seperti manajemen proyek mengalami penurunan atau pertumbuhan yang lebih lambat. Penelitian ini memberikan kontribusi penting dalam memahami perkembangan tren penelitian di bidang Ilmu Komputer dan dapat menjadi acuan dalam perencanaan penelitian di masa depan.
Metode Rough Set Dan SVM Untuk Penilaian Kinerja Kepegawaian Dan Rekomendasi Jabatan Sani, Rafikasani; Defit, Sarjon; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.581

Abstract

Data Mining adalah teknik krusial untuk mengolah dataset besar dan kompleks guna menemukan pola tersembunyi yang mendukung keputusan strategis. Penelitian ini menerapkan teknik Data Mining dengan fokus pada metode Rough Set dan Support Vector Machine (SVM) untuk meningkatkan penilaian kinerja pegawai dan memberikan rekomendasi promosi jabatan yang lebih efektif dan objektif. Metode Rough Set digunakan untuk melakukan seleksi atribut dari data evaluasi kinerja pegawai, mencakup tujuh atribut utama seperti pengalaman kerja, pendidikan, usia, jenis jabatan, golongan ruang, hasil kerja, dan perilaku kerja. Data yang digunakan berasal dari laporan evaluasi kinerja 8.457 pegawai di Badan Kepegawaian dan Pengembangan Sumber Daya Manusia (BKPSDM) Kota Padang. Setelah atribut-atribut penting terpilih, data tersebut digunakan sebagai input dalam model SVM yang diimplementasikan menggunakan software Weka. Model ini berhasil mencapai tingkat akurasi sebesar 99,6216%, yang diperoleh dengan membagi jumlah data yang diklasifikasikan dengan benar oleh sistem dengan jumlah total data pegawai yang digunakan. Berdasarkan hasil confusion matrix, kelas "sangat baik" menunjukkan precision 1,000, recall 0,952, dan F-Measure 0,975; kelas "baik" dengan precision 0,996, recall 1,000, dan F-Measure 0,998; serta kelas "sangat kurang" menunjukkan precision 0,990, recall 0,987, dan F-Measure 0,988. Sebanyak 317 instance terklasifikasi benar sebagai "sangat baik," 7.722 instance sebagai "baik," dan 386 instance sebagai "sangat kurang," namun tidak ada instance yang terklasifikasi benar sebagai "perlu perbaikan." Penelitian ini juga melakukan perhitungan manual menggunakan sampel 26 data, di mana perhitungan menggunakan 3 data untuk testing. Hasil perhitungan manual menunjukkan bahwa data 1 dan data 2 termasuk dalam kategori "butuh perbaikan," sementara data 3 termasuk dalam kategori "sangat kurang." Berdasarkan aturan pemetaan, di mana hasil klasifikasi dengan nilai sign negatif mendekati -114 dikategorikan sebagai "sangat kurang," ketiga data testing tersebut konsisten dalam kategori "sangat kurang." Perbandingan hasil perhitungan manual dengan aplikasi menunjukkan akurasi 33,33%, di mana 1 dari 3 data testing sesuai antara manual dan aplikasi. Meskipun ada tantangan dalam mengidentifikasi beberapa kelas, sistem penilaian ini dapat membantu manajemen dalam membuat keputusan promosi yang lebih baik. Penelitian ini menggambarkan potensi besar teknik Data Mining dalam memperbaiki proses penilaian kinerja dan rekomendasi jabatan dalam organisasi.
Co-Authors Abdul Azis Said Abuzar Gafari Adawiyah, Quratih Ade, Ade Puspita Sari Adek Putri Adi Gunawan Adi Gunawan, Adi Adyanata Lubis Aflili Sari Afriosa Syawitri Agus Perdana Windarto Agustin, Riris Ahmad Zaki Ahmad Zaki Ahmad Zamsuri, Ahmad AHMADI Akbar, Muhamad Rafi Akbar, Syifa Chairunnissa Deliva Ali Ikhwan Alkhairi, Putrama Alvi Dwi Wahyuni Am, Andri Nofiar Amran Sitohang Anam, M Khairul Andema, Henky Andri Nofiar Angga Putra Juledi Anisya Anisya Anthony Anggrawan Antoni Antoni Arda Yunianta ardialis Ariandi, Vicky Arif Budiman Arif Budiman Arika Juwita Z Asri Hidayad Ayunda, Afifah Trista Bastola, Ramesh Billy Hendrik Bob Subhan Riza Bosker Sinaga Boy Sandy Dwi Nugraha.H Breinda, Engla Brestina Gultom Bufra, Fanny Septiani Chairun Nas Cyntia Trimulia Daeng Saputra Perdana Dahria, Muhammad Daniel Theodorus Dayla May Cytry Defi Pebriyanti Dendi Ferdinal Deno Yulfa Ardian Deti Karmanita Devia Kartika Dhena Marichy Putri Dhio Saputra Dicky Novriansyah Dila, Rahmah Dinda Permata Sukma Dinul Akhiyar Dwi Utari Iswavigra Dwiki Aulia Fakhri Dwiprihatmo, Mohammad Reza Dzil Hidayati Efendi, Akmar Efendi, Muhamad Efrizoni, Lusiana Eka Praja Wiyata Mandala Eka Sofianti Elda, Yusma Elfiswandi, Elfiswandi eriwandi Eva Rianti Fadillah, Riszki Fadlul Hamdi Faisal Roza Faizal Riza Faizal Riza Fajrul Islami Fanny Septiani Bufra Fatimah, Noor Fauzan Azim Fauzana, Rahmi Fauzi Erwis Febi Nur Salisah Febri Aldi Febri Hadi Febrina, Yerri Kurnia Firdaus Firdaus Firdaus, Muhammad Bambang Firna Yenila Fitri Safnita Fitriani, Yetti Fristi Riandari Fuad El Khair Gaja, Rizqi Nusabbih Hidayatullah Ghea Paulina Suri Gunadi W Nurcahyo Gunadi Widi N. Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo, Gunadi Guslendra Habdi, Habdi Hadiyanto, Tegas Halifia Hendri Hamsir hamsir Handika, Yola Tri Haris Kurniawan Hartati, Yuli Hasmaynelis Fitri Haviluddin Haviluddin Hazlita, H Hendro Budiantoro Hengki Juliansa Henky Andema Hermanto Hidayad, Asri Honestya, Gabriela Huda, Ramzil Ika Melinia Sapitri Fitriyanti Ikhbal Salam, Riyan Indah Savitri Hidayat Indhira, Sonia INTAN NUR FITRIYANI Iqbal Afriyadi Ira Nia Sanita Irsyad, As'Ary Sahlul Irzal Arif Wisky Ismail Virgo Istianingsih, Nanik Iswandi Saputra Jefdy Kurniawan Jeri Wandana Juansen, Monsya Jufri, Fikri Ramadhan Jufriadif Na`am, Jufriadif Juledi, Angga Putra Julius Santony Junadhi Junadhi Junadhi, Junadhi Kamelia Sari, Rima Kareem, Shahab Wahhab Khairul Azmi Kurniawan, Jefdy Kurniawan, Mhd Hary Larissa Navia Rani, Larissa Lengga S. Sandy Leony Lidya Lidya, Leoni Lubis, Fitri Amelia Sari Lubis, Siti Sahara Lusiana Lusiana M Syahputra M. Ibnu Pati M. Iqbal Zuqron M. Syahputra Mardayatmi, Suci Mardian, Zurni Mardison Mardison Mardison Marfalino, Hari Meilinda Sari Meilinda Sari Melissa Triandini Menhard, Menhard Mhd Hary Kurniawan Miftahul Hasanah Miftahul Hasanah, Miftahul Mike Zaimy Monsya Juansen Muhammad Dahria Muhammad Habib Yuhandri MUHAMMAD TAJUDDIN Muhammad Tajuddin Muhammad, Abulwafa Muhammad, L. J. Mukhlis Santoso Mulyanda, Sandy Mutiana Pratiwi Nadya Alinda Rahmi Nandan Limakrisna Nanik Istianingsih Nori Sahrun Nori Sahrun, Nori Novi Yanti Nur Aini Nurcahyo, Gunadi Nurcahyo, Gunadi Widi Nurdin, Yogi K Nurhadi Nurhidayat Nursyahrina Okfalisa Okfalisa Okfalisa, - Okmarizal, Bisma Olivia, Ladyka Febby Pandu Pratama Putra, Pandu Pratama Pati, Muhammad Ibnu Pipin Refina Afindania Pulungan, Akhiruddin Purnomo, Nopi Putra, Akmal Darman Putra, Rahman Arief Putra, Ramdani Bayu Putra, Surya Dwi Putri, Adek Putri, Dhena Marichy Putri, Yozi Aulia Putut Wicaksono, Putut R Rahmiyanti Radillah, Teuku Rafika Sani Rafiska, Rian Rafki, Rafnelly Rahmad Aditiya Rahmad Rahmad Rahmadani Hidayat Rahman Arief Putra Rahmi Fauzana Rahmi, Nadya Alinda Rakhmad Pribowo Hariputra Ramadhan, Mukhlis Ramadhanu, Agung - Randy Permana Refina Afindania, Pipin Resnawita, R Retno Devita Rezki - Rezki Rusydi Rezti Deawinda Parinduri Rian Kurniawan Richi Andrianto Rico Anggara Rio Andika Malik Ritna Wahyuni Rizki Mubarak Roza Marmay Roza, Yesi Betriana Ruri Hartika Zain Rusdianto Roestam Rusdianto Roestam Rustam, Camila Sabil, Muhammad Said, Abdul Azis Saiful Nurarif Sandrawira Anggraini Sani, Rafikasani Sari, Imrah Sari, Laynita Selfi Melisa Septiano, Renil Setiawan, Adil Sharon Shaza Alturky Silfia Andin Sintia Sintia Siregar, Diffri Solihin Siregar, Fajri Marindra Siswahyudianto Sitanggang, Sahat Sonang Slamet Riyadi Sofika Enggari Sovia, Rini Sri Dewi Sri Dewi Sri Dewi, Apriandini Sri Rahmawati Suci Mardayatmi Suhefi Oktarian Sukardi Sulastri Sulastri Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan, S Surmayanti, Surmayanti Surya Dwi Putra Suryani, Vivi Susandri, Susandri Susriyanti, Susriyanti Syafri Arlis Syafrika Deni Rizki Syaljumairi, Raemon Syofneri, Nandel Tamaza, Muhammad Abyanda Teri Ade Putra Tesa Vausia Sandiva tukino, tukino Tukino, Tukino Veri, Jhon Veza, Okta Virgo, Ismail Vitriani, Vitriani Wahyu, Fungki Wanto, Anjar Wenni Afrodita Weri Sirait Y Yuhandri Yamin, Abdul Yamin Yemi, Leonardo Yerri Kurnia Febrina Yetti Fitriani Yogi K. Nurdin Yoni Aswan Yuda Irawan Yudha Aditya Fiandra Yuhandri Yuhandri, Yuhandri Yul Antonisfia Yulasmi Yuli Hartati Yulihartati, Sandra Yusma Elda Z Zulvitri Zakir, Supratman Zia Rahimi, Hadisha Zulharbi Zulharbi Zulvitri, Z