Article Per Year (5 Year)
p-Index From 2021 - 2026
7.747
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Informatika dan Teknik Elektro Terapan JURNAL MEDIA INFORMATIKA BUDIDARMA Information System for Educators and Professionals : Journal of Information System IKRA-ITH Informatika : Jurnal Komputer dan Informatika IKRA-ITH Teknologi Jurnal Sains dan Teknologi Jurnal Teknoinfo Jurnal Ilmiah Media Sisfo IKRA-ITH ABDIMAS Jurnal Telematika JURTEKSI Jurnal Riset Informatika Zonasi: Jurnal Sistem Informasi JIKA (Jurnal Informatika) Jurnal TIKOMSIN (Teknologi Informasi dan Komunikasi Sinar Nusantara) Teknomatika (Jurnal Teknologi dan Informatika) Jurnal Inovasi Informatika Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Teknik Informatika (JUTIF) Jurnal Ilmiah Wahana Pendidikan Jurnal Media Informatika Jurnal PkM (Pengabdian kepada Masyarakat) TIERS Information Technology Journal Prosiding Konferensi Nasional PKM-CSR Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Dirgamaya: Jurnal Manajemen dan Sistem Informasi Joutica : Journal of Informatic Unisla Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Nasional Teknologi Komputer Jurnal Sistem Informasi dan Teknologi (SINTEK) INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Moneter : Jurnal Keuangan dan Perbankan COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Informasi interaktif : jurnal informatika dan teknologi informasi Prosiding SeNTIK STI&K Sintek Kuwera Jurnal Ilmu Komputer dan Teknik Informatika Jurnal Komtika (Komputasi dan Informatika) Indonesian Applied Research Computing and Informatics
Atmojo, Wahyu Tisno
Universitas Pradita
Religion Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 66 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 66 Documents
Search

 3   4   5   6   7 
Analisis Sentimen Terhadap Ulasan pada Aplikasi Astro Menggunakan Algoritma Support Vector Machine Masriah, Masriah; Atmojo, Wahyu Tisno
Jurnal Komtika (Komputasi dan Informatika) Vol 9 No 1 (2025)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v9i1.13129

Abstract

Aplikasi Astro merupakan aplikasi quick commerce yang berfokus memberikan layanan belanja online dengan produk kategori groceries hingga kebutuhan rumah tangga dengan pengiriman dalam waktu hitungan menit. Aplikasi Astro dirilis pada tahun 2021 dan masih beroperasi sampai saat ini, maka dari itu penting bagi Astro untuk mengetahui tanggapan atau sentimen dari pelanggan terkait pelayanan yang telah diberikan agar dapat menjadi evaluasi bagi Astro supaya tetap menjaga kepuasan pengguna. Untuk mengetahui banyaknya sentimen bernada postif dan negatif dari pengguna, dilakukan penelitian mengenai analisis sentimen terhadap ulasan pengguna pada aplikasi Astro di Google Playstore menggunakan algoritma support vector machine (SVM). Data yang digunakan dalam penelitian ini yaitu sebanyak 1.000 ulasan dari hasil web scraping, kemudian data tersebut melalui tahap preprocessing, pelabelan data, pembagian data, pembobotan kata dengan TF-IDF, klasifikasi menggunakan support vector machine (SVM) dan kernel linear hingga evaluasi. Hasil dari penelitian ini yaitu diperoleh 696 ulasan bersentimen positif dan 304 ulasan bersentimen negatif, dengan evaluasi menggunakan confusion matrix diperoleh nilai akurasi sebesar 84%, presisi untuk kelas positif sebesar 93%, presisi untuk kelas negatif sebesar 69%, recall untuk kelas positif sebesar 83%, recall untuk kelas negatif sebesar 85%, f-1 score untuk kelas positif sebesar 88%, dan f-1 score untuk kelas negatif sebesar 76%. Dari hasil analisis diperoleh nilai akurasi yang baik dengan jumlah sentimen postif yang lebih besar sehingga dapat disimpulkan bahwa Aplikasi Astro memberikan pengalaman yang positif kepada pengguna. Keywords: Aplikasi, Astro, Analisis Sentimen, Support Vector Machine
Analisis Pengalaman Pengguna Pada Aplikasi Absensi Kafe ABC Menggunakan Usability Testing Chandra, Frans Kenny; Atmojo, Wahyu Tisno
Jurnal Komtika (Komputasi dan Informatika) Vol 9 No 1 (2025)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v9i1.13216

Abstract

Penelitian ini bertujuan untuk menganalisis pengalaman pengguna dalam menggunakan aplikasi absensi berbasis web di kafe ABC yang berfungsi sebagai laboratorium hidup bagi mahasiswa Culinary Arts. Dalam era digitalisasi bisnis, aplikasi berbasis teknologi menjadi kebutuhan penting untuk mendukung operasional bisnis, termasuk di sektor jasa seperti kafe. Fokus penelitian ini adalah untuk mengevaluasi efektivitas desain User Interface (UI) dan User Experience (UX) aplikasi absensi tersebut menggunakan metode Usability Testing. Penelitian ini melibatkan 17 responden pekerja kafe yang diukur menggunakan System Usability Scale (SUS) untuk mendapatkan skor kegunaan sistem. Hasil penelitian menunjukkan skor rata-rata SUS sebesar 85,2, yang mengindikasikan bahwa aplikasi absensi ini termasuk dalam kategori "Sangat Baik." Meskipun demikian, beberapa perbaikan disarankan, seperti penghapusan fitur catatan awal, penambahan fitur notifikasi, dan peningkatan personalisasi. Penelitian ini diharapkan dapat memberikan wawasan bagi pengembang aplikasi untuk meningkatkan kualitas UI dan UX serta menjadi referensi bagi bisnis lain yang ingin mengadopsi digitalisasi operasional.
DESIGN THINKING SEBAGAI STRATEGI PENINGKATAN USABILITAS DAN INTERFACE QUALITY PADA ASWAYA trista ayunda, afifah; Wahyu Tisno Atmojo; Erick Dazki; Masriah
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.321

Abstract

Aswaya merupakan Learning Management System (LMS) yang dikembangkan Universitas Pradita untuk mendukung proses pembelajaran mahasiswa, mulai dari penyampaian materi, pengumpulan tugas, hingga interaksi dengan dosen dan mahasiswa. Namun, hasil observasi dan wawancara menunjukkan bahwa pemanfaatan Aswaya belum sepenuhnya efektif dan masih belum memenuhi harapan manajemen. Kendala utama dialami pengguna terkait desain antarmuka (UI) dan pengalaman pengguna (UX) yang dinilai kurang optimal, sehingga menurunkan kenyamanan serta motivasi dalam menggunakan platform tersebut. Untuk mengatasi permasalahan ini, digunakan metodologi Design Thinking yang berfokus pada kebutuhan pengguna melalui pendekatan kreatif dan iteratif. Proses evaluasi dilakukan dengan pengujian prototipe menggunakan System Usability Scale (SUS) dan Post-Study System Usability Questionnaire (PSSUQ). Hasilnya, skor SUS pada iterasi pertama mencapai 75 dan nilai PSSUQ pada iterasi kedua sebesar 6. Temuan ini menunjukkan bahwa Aswaya telah memenuhi standar kegunaan yang baik, meskipun peningkatan pada kualitas informasi masih diperlukan.
IMPLEMENTASI ALGORITMA NAIVE BAYES DALAM ANALISA SENTIMEN TERHADAP TREND TIKTOK Wahyu Tisno Atmojo; Ericka Keisya; Afifah Trista Ayunda
Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN) Vol 13, No 2 (2025): Jurnal Tikomsin, Vol 13, No.2, Oktober 2025
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30646/tikomsin.v13i2.1015

Abstract

Social networking is becoming more and more important. Social media's purpose has evolved from its first appearance as a place just for self-actualization to include online buying and selling, self-actualization, and other functions. Tik tok is one of the social media platforms that is currently in high demand; opinions about its rise are mixed and include both positive and negative aspects. The goal of this study is to closely examine and comprehend how people react to the phenomena of Tiktok's development by keeping an eye on user-generated material in tweets and the evolution of sentiment over time. This experimental study suggests using the Naïve Bayes Algorithm as a sentiment analysis method to examine how Twitter users are responding to the TikTok craze. In-depth insights into the dynamics of Twitter users' reactions to the TikTok trend are sought by this research, which combines sentiment analysis technology with Confusion Matrix performance evaluation. According to the sentiment analysis results, the majority of user comments are neutral (57.03%), followed by critical (33.20%) and affirmative (9.77%) remarks. This illustrates the nuanced reactions that people have had to the TikTok movement, in which the majority of users share their ideas in an unbiased manner. The significance of this research lies in its ability to provide an answer.
Pembandingan Arsitektur Transformer dan CNN untuk Pengolahan Data Non-Visual Rahmawati, Lailia; Atmojo, Wahyu Tisno; Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.80

Abstract

Perkembangan pesat kecerdasan buatan dan pembelajaran mendalam telah mendorong eksplorasi berbagai arsitektur jaringan saraf untuk pengolahan data non-visual, seperti data numerik, sekuensial, dan tekstual. Dua arsitektur yang paling banyak digunakan dan berkembang adalah Convolutional Neural Network (CNN) dan Transformer. Meskipun CNN telah lama digunakan secara luas karena efisiensinya dalam mengekstraksi fitur lokal, arsitektur Transformer dengan mekanisme self-attention menawarkan kemampuan unggul dalam menangkap hubungan global dan dependensi kompleks antar elemen data. Penelitian ini bertujuan untuk membandingkan kinerja dan efisiensi arsitektur CNN dan Transformer dalam pengolahan data non-visual melalui pendekatan eksperimental kuantitatif. Dataset non-visual digunakan dan melalui tahapan pra-pemrosesan sebelum dilakukan pelatihan dan pengujian model. Evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, serta analisis efisiensi komputasi berdasarkan waktu pelatihan dan kompleksitas model. Hasil penelitian menunjukkan bahwa Transformer secara konsisten mencapai performa yang lebih tinggi dibandingkan CNN pada seluruh metrik evaluasi, khususnya dalam menangani pola kompleks dan hubungan jangka panjang pada data non-visual. Namun, CNN menunjukkan keunggulan dalam efisiensi komputasi dan kestabilan pelatihan dengan kebutuhan sumber daya yang lebih rendah. Temuan ini mengindikasikan bahwa tidak terdapat satu arsitektur yang sepenuhnya unggul dalam semua aspek, melainkan pemilihan model harus disesuaikan dengan karakteristik data dan kebutuhan aplikasi. Selain itu, penelitian ini menyoroti potensi pendekatan hibrida yang mengombinasikan CNN dan Transformer untuk meningkatkan performa dan generalisasi model. Penelitian ini diharapkan dapat menjadi referensi empiris bagi pengembangan sistem cerdas berbasis pembelajaran mendalam dalam pengolahan data non-visual.
Improving Thesis Title Classification Accuracy Using Ensemble Classifier and Modified Chi-Square Feature Selection Method Ritzkal; Wahyu Tisno Atmojo; Panji Novantara; Sabir Rosidin; Ahmad Dedi Jubaedi; Enggar Novianto
Indonesian Applied Research Computing and Informatics Vol. 1 No. 1: July (2025)
Publisher : PT. Teras Digital Nusantara

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

Abstract

Text classification of academic documents, particularly thesis titles, poses challenges due to high dimensionality, sparsity, and topic heterogeneity. Conventional feature selection techniques, such as the standard Chi-Square, often fall short in capturing discriminative features effectively. This research aims to enhance classification accuracy by proposing a Modified Chi-Square feature selection method that integrates term frequency and class distribution information. The selected features are then classified using ensemble decision tree algorithms, including Random Forest, Gradient Boosting, and XGBoost. Experiments were conducted on a labeled dataset of thesis titles using TF-IDF for vector representation. Evaluation metrics such as accuracy, precision, recall, F1-score, and AUC were used to assess model performance. The results showed that the combination of Modified Chi-Square and XGBoost outperformed other models, achieving the highest accuracy of 93.8% and an AUC of 0.94. These findings demonstrate that the integration of advanced feature selection and ensemble learning techniques can significantly improve academic text classification performance, providing valuable implications for the development of intelligent digital repositories and recommendation systems.
Co-Authors Aditya Bima Adrielvino, Nathanael Abel Agus Dendi Rachmatsyah Ahmad Dedi Jubaedi Alfa Yohannis Andi Guna Andi Guna Andreas Indra Wardana Andrew Lowell Aprikasari, Manda Aprikasari, Manda Arisantoso Arisantoso Ayunda, Afifah Trista Belsana Butar Butar Benedicta, Laurence Butar Butar, Belsana Caesar Gracia Chandra, Frans Kenny Christopher Christopher Cynthia, Dessy Nia Cynthia, Maulidania Mediawati Darmawan, Umar Dazki, Erick Deasy Olivia Deasy Olivia Dermawan, Steven Destriana, Rachmat Dewi Monica Didik Setiyadi Dodi Aprilianto Dwi Nisfatul Hijjah Edison Siregar Eka Pandu Cynthia, Eka Pandu Endang Retnoningsih Enggar Novianto Ericka Keisya Erika Kristina Ernando, Ryan Felix Felix Feri Prasetyo Feri Prasetyo Halim, Onky Ardhana Hasna Tania Yasmine Heriyando, Damien Hugo Hisyam, Ahmad Abdilah hizkia imanuel Jonathan Juan Antoni Samuel Posumah Kelly Kirsten Audrey Kirsten Audrey, Kelly Kurniawan, Ericka Kesya Masriah Masriah - Masriah Masriah masriah masriah, masriah Master Edison Master Edison Master Edison Siregar Mayatopani, Hendra Muhadi Hariyanto Muhamad Filman Ghaida Firdaus Muhamad Irvansyah Muhammad Haikal Nadda Akilka Ulima Nurhajanti Muljadi Nadda Akilka Ulima Nurhajanti Muljadi Natanael Iwan Santosa Nazwa Wanda Tazkiya Niklas, Hubert Nofry Thrusmida Ocktavia, Shabila Ocktavia, Shabila Oki Sumistriani Panduwitama, Aldira Panji Novantara Posumah, Juan Qonita Azizah Qonita Azizah Rachmatsyah, Agus Dendi Rahmawati, Lailia Richardo, Albert Rido Dwi Kurniawan Ritzkal, Ritzkal Rohmat Indra Borman Sabir Rosidin Shella Cintiya Stevan Amadeo Prasetyo Susiana Tarisa Mareti, Gusti Teh Yu Ka Untoro, Elianna Katherine Valencia, Shanty Waris Widekso Waris Widekso Wellson, Matthew George Zaenab Islami