Article Per Year (5 Year)
p-Index From 2021 - 2026
5.176
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Sinkron : Jurnal dan Penelitian Teknik Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Dinamika: Jurnal Bahasa, Sastra, dan Pembelajarannya Jurnal Teknologi Informatika dan Komputer KLIK: Kajian Ilmiah Informatika dan Komputer Teknologika Jurnal Informatika Teknologi dan Sains (Jinteks) RISTEC : Research in Information Systems and Technology Journal of Applied Mechanical Technology (JAMET)
Mutiara Andayani Komara
Sekolah Tinggi Teknologi Wastukancana
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mechanical Engineering Social Sciences Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
ANALISIS SENTIMEN PENGGUNA SLIK OJK MENGGUNAKAN NAÏVE BAYES DENGAN OPTIMASI INFORMATION GAIN DAN SMOTE Darusalam, Tatan; Alam, Syariful; Andayani Komara, Mutiara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10822

Abstract

Bank Indonesia Checking (BI Checking) atau Sistem Informasi Debitur (SID) sangat penting untuk verifikasi data nasabah dan mitigasi risiko bagi penyedia layanan fintech. Pada 27 April 2017, Otoritas Jasa Keuangan (OJK) memperkenalkan Sistem Layanan Informasi Keuangan (SLIK) sebagai perluasan dari SID untuk memonitor penyaluran dana oleh lembaga keuangan. Namun, SLIK OJK menghadapi berbagai keluhan terkait akses yang lambat dan proses verifikasi yang lama. Memahami komentar-komentar pengguna penting untuk dilakukan karena berisi ulasan pengguna ketika menggunakan layanan, sehingga dapat dimanfaatkan oleh pengembang untuk meningkatkan kualitas pelayanan yang dimiliki. Akan tetapi, pengolahan informasi dari banyaknya komentar tidak memungkinkan untuk dilakukan secara manual. Oleh karena itu, penelitian ini menerapkan analisis sentimen menggunakan algoritma Naïve Bayes yang dioptimasi dengan Information Gain dan SMOTE. Data yang digunakan adalah 233 komentar pengguna layanan SLIK OJK dari Januari hingga Maret 2024. Model terbaik, Opt2, menunjukkan akurasi 77.65% dan F1-score 70.27%. Metode optimasi meningkatkan nilai precision, recall, dan F1-score masing-masing sebesar 29.45%, 13.78%, dan 16.71%, namun menurunkan akurasi sebesar 0.24%.
ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP BOIKOT PRODUK ISRAEL PADA MEREK DAGANG UNILEVER INDONESIA MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY Muhammad Aditya, Andika; Alam, Syariful; Andayani Komara, Mutiara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10823

Abstract

Unilever Indonesia menghadapi tantangan serius terkait tanggapan publik terhadap isu sosial dan politik yang mempengaruhi citra merek dan kinerja keuangan mereka, terutama setelah dugaan dukungan akan tindakan Israel terhadap Palestina yang memicu gerakan boikot di Indonesia. Penelitian ini melibatkan algoritma Long Short Term Memory (LSTM) untuk melakukan klasifikasi sentimen. Data teks diubah menjadi vektor numerik melalui teknik Word2Vec dengan dimensi 300. Ada dua skenario pengujian yang dilakukan untuk mencapai akurasi terbaik yaitu skenario pertama dengan 80% data latih dan 20% data uji, sementara skenario kedua menggunakan 90% data untuk pelatihan dan 10% untuk pengujian. Beberapa parameter diuji, termasuk jumlah neuron pada layer LSTM, layer dropout, jumlah epoch, ukuran batch, dan nilai learning rate untuk meminimalisir overfitting dan meningkatkan kinerja model. Hasil penelitian menunjukkan skenario kedua lebih baik, dengan akurasi pelatihan 95,17% dan akurasi pengujian 77,11%, dibandingkan skenario pertama dengan akurasi pelatihan 97,58% dan akurasi pengujian 74,40%, yang mengindikasikan overfitting. Skenario kedua juga menunjukkan peningkatan dalam nilai presisi, recall, dan F1-Score, menunjukkan bahwa LSTM yang dioptimalkan dapat mencapai hasil terbaik dalam klasifikasi sentimen positif, negatif, dan netral.
ANALISIS SENTIMEN ISU PEDOFILIA PADA GAME BLUE ARCHIVE BERDASARKAN KOMENTAR PEMAINNYA DI FACEBOOK MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER Pauzi, Nur; Alam, Syariful; Andayani Komara, Mutiara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10835

Abstract

Game online merupakan media hiburan yang diminati oleh berbagai kalangan, dengan genre yang beragam beberapa diantaranya ada Role Playing Game (RPG), Multiplayer Online Battle Arena (MOBA), Turn Base Game, First Person Shooter (FPS), dan Tower Defense. Blue Archive sendiri merupakan sebuah game dengan tema RPG yang populer dikalangan gamer RPG Indonesia yang dikembangkan oleh perusahaan Nexon Games dan dirilis pada tahun 2021. Terlepas dari banyaknya pemain serta popularitasnya, game ini tidak terlepas dari adanya konotasi buruk bagi para pemainnya. Pasalnya banyak yang mencap pemain game ini sebagai pedofilia. Hal ini disebabkan karena setting game ini berlatar tempat di sebuah kota yang bernama Kivotos, yang mana kota ini dihuni oleh anak-anak sekolah, dimulai dari taman kanak-kanak, sekolah dasar, sekolah menengah pertama, hingga sekolah menengah atas. Selain itu banyak dari komentar pemainnya yang menuju ke arah hal yang vulgar pada setiap gambar yang berkaitan dengan karakter game ini. Dan juga banyak jokes atau candaan di komunitas game ini sendiri yang sering merujuk pada hal sensual terhadap anak dibawah umur yang membuat para pemain game ini di cap sebagai Pedofilia. Tujuan dari dibuatkannya Penelitian ini adalah untuk menganalisis isu kecenderungan pedofilia di kalangan pemain Blue Archive berdasarkan komentar mereka di Facebook menggunakan metode Naive Bayes. Penelitian ini melibatkan 3097 data komentar yang telah melewati tahap preprocessing seperti cleaning, labeling, case folding, tokenizing, filtering, dan stemming. Hasil analisis sentimen menunjukkan bahwa isu pedofilia di kalangan pemain game Blue Archive tergolong negatif dengan akurasi 76%, precision 50%, dan recall 52% dan f1-score 53%.
ANALISIS SENTIMEN MASYARAKAT DI PLATFORM X TERHADAP PENGGUNAAN BANSOS UNTUK MEMENANGKAN SALAH SATU CAPRES TERTENTU DI PILPRES 2024 MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Alim Adiyatma, Fikri; Alam, Syariful; Andayani Komara, Mutiara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10836

Abstract

Media sosial, khususnya platform Twitter, telah menjadi platform utama bagi pengguna untuk mengungkapkan pendapat mereka mengikuti tren berita secara global. Di Indonesia, penggunaan Twitter meluas, mencerminkan signifikansi platform ini dalam mempengaruhi opini publik. Salah satu isu yang hangat dibahas adalah penggunaan bantuan sosial (BANSOS) dalam konteks politik, terutama terkait Pilpres 2024. Tujuan dari penelitian ini adalah untuk menganalisis sentimen masyarakat di platform Twitter terhadap penggunaan BANSOS untuk memenangkan salah satu calon presiden menggunakan metode Naïve Bayes Classifier. Metode ini digunakan untuk mengklasifikasikan sentimen positif, negatif, dan netral dari 722 dokumen yang telah melalui tahap preprocessing, termasuk cleaning, labelling, tokenizing, dan stemming. Hasil analisis menunjukkan bahwa sebagian besar pendapat yang diekspresikan cenderung positif, dengan 71,3% tweet mengungkapkan pandangan positif terhadap strategi penggunaan BANSOS dalam kampanye politik. Evaluasi menggunakan Confusion Matrix menunjukkan tingkat akurasi sebesar 80,82%, presisi 80,28%, recall 100%, dan f1-score 89,06%. Hasil ini mengindikasikan bahwa mayoritas pengguna Twitter memiliki pandangan positif terhadap penggunaan BANSOS untuk mendukung calon presiden di Pilpres 2024. Temuan ini menawarkan wawasan yang lebih mendalam mengenai dinamika opini publik di media sosial serta hubungannya dengan proses politik di Indonesia.
Analisis Sentimen BRImo dan BCA Mobile Menggunakan Support Vector Machine dan Lexicon Based Pratama, Muhamad Rizky; Ramadha, Yudhi Raymond; Komara, Mutiara Andayani
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1431

Abstract

Services available on mobile banking can make transactions and request financial information, such as checkimg balances, viewing account mutation history and the like even so, it is felt that there are still opinions and complaint submitted by users in the Play Store review column of the application. Based on these problems, sentimen analysis research was carried out on reviews of the BRImo and BCA Mobile applications on the Play Store as research objects using the Support Vector Machine and Lexicon Based classification algorithms. Based on this result, it is known that the BCA Mobile application has more negative sentiment than the BRImo application. The sentiment classification of application reviews in testing the Support Vector Machine and Lexicon Based on the BRImo application obtained 94% accuracy and, on the BCA, Mobile application the accuracy was 95%Keywords: Lexicon Based; Mobile Banking; Play Store; Sentiment Analysis; Support Vector MachineAbstrakLayanan yang ada pada mobile banking dapat melakukan transaksi dan meminta informasi keuangan, seperti memeriksa saldo, melihat riwayat mutasi rekening, dan sejenisnya. Meskipun demikian, dirasa masih terdapat pendapat dan keluhan yang disampaikan oleh pengguna pada kolom ulasan play store dari aplikasi tersebut. Berdasarkan permasalahan tersebut dilakukan penelitian analisis sentimen pada ulasan aplikasi BRImo dan BCA Mobile di Play Store sebagai objek penelitian menggunakan algoritma klasifikasi Support Vector Machine dan Lexicon Based. Berdasarkan hasil tersebut diketahui bahwa aplikasi BCA Mobile memiliki sentimen negatif yang lebih banyak dibandingkan aplikasi BRImo. Klasifikasi sentimen ulasan aplikasi dalam pengujian menggunakan Support Vector Machine pada aplikasi BRImo didapatkan accuracy 94%, Lalu pada aplikasi BCA Mobile accuracy 95%. 
Analisis Sentimen Kinerja KPU di Pemilu 2024 pada Media Sosial X Menggunakan Metode Naïve Bayes Nasihin, Zaiima Tsabitha Nabhandiningrat; Alam , Syariful; Andayani Komara , Mutiara
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 2 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i2.2249

Abstract

Bangsa   Indonesia   belum   lama   ini   telah   melakukan hajatan  besar  demokrasi  yaitu  PEMILU  (Pemilihan Umum).  Hal  ini Merupakan amanat    Undang -Undang    (UU)    Nomor 42/2008 tentang Pilpres. Namun  dalam  pelaksanaannya  banyak  sekali  hal-hal yang   dinilai   oleh   para   pemilih   bahwa   Pemilu   ini berjalan  tidak  sesuai  dengan  aturan  yang  ada.  Mulai dari   aroma   kecurangan   banyak   disuarakan netizen, ketidak netralan  para  penegak  hukum  terhadap    salah satu  calon  pasangan  presiden  dan  wakil  presiden,  serta pelaksanaan  yang  tidak  Jujur  dan  Adil. dari  para  sebagian  pemilih. Komisi Pemilihan Umum (KPU) Indonesia memainkan peran penting dalam memastikan integritas pemilihan umum. Sentimen  yang  diberikan kepada  KPU  lewat  media  sosial  merupakan  gambaran kekecewaan   tersebut. Penelitian ini berfokus pada analisis sentimen publik terhadap kinerja KPU dalam pemilu 2024. Dataset yang digunakan dalam penelitian ini terdiri dari 317 entri, yang dikurangi menjadi 244 entri setelah tahap pembersihan dan pelabelan. Pemrosesan teks dilakukan untuk mempersiapkan data untuk klasifikasi. Algoritma Klasifikasi Naïve Bayes, yang diimplementasikan menggunakan Python, digunakan dalam analisis ini. Kinerja model dievaluasi menggunakan matriks kebingungan (confusion matrix). Studi ini mengkonfirmasi bahwa algoritma Klasifikasi Naïve Bayes efektif untuk analisis sentimen data media sosial. Tingkat akurasi sebesar 57% menunjukkan kepercayaan publik yang kuat terhadap kinerja KPU. Penelitian ini menyoroti pentingnya memantau sentimen publik di media sosial untuk mengukur efektivitas badan pemilihan seperti KPU.
ANALISIS SENTIMEN E-WALLET GOPAY, SHOPEEPAY, DAN OVO MENGGUNAKAN ALGORITMA NAIVE BAYES Widianto, Iqbar Sajidan; Ramadhan, Yudhi Raymond; Komara, Mutiara Andayani
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5277

Abstract

Pembayaran secara non-tunai atau cashless yang dilakukan melalui aplikasi dompet digital atau e-wallet merupakan aktivitas digitalisasi yang terus digunakan dalam kehidupan sehari-hari, mulai dari pesan antar makanan, berbelanja online, hingga pembayaran asuransi semua dilakukan dengan mudah dan cepat melalui aplikasi dompet digital. Dari banyaknya pengguna aplikasi dompet digital tersebut tentu saja tidak semua pengguna merasa puas dengan aplikasi yang mereka gunakan dan biasanya para pengguna aplikasi dompet digital sering kali meninggalkan ulasan kepuasannya di salah satu platform distribusi aplikasi yaitu Google Play Store. Namun, jika para calon pengguna aplikasi membaca seluruh ulasan itu bisa menghabiskan banyak waktu, maka dalam hal ini perlu dilakukan analisis sentiment. Tujuan dari penelitian ini adalah untuk menganalisis sentimen ulasan aplikasi dompet digital Shopeepay, Gopay, dan OVO di Google Play Store. Metode penelitian yang digunakan adalah metode Knowledge Data Dictionary (KDD) dengan menggunakan algoritma Naïve Bayes Classifier. Tools yang digunakan untuk mendukung proses penelitian yaitu Jupiter Notebook dengan bahasa pemrograman Phyton. Objek penelitian berfokus pada tiga aplikasi dompet digital yaitu Gopay, Shopeepay dan OVO. Setelah dilakukan pengujian menggunakan algoritma Naïve Bayes Classifier hasil nilai akurasi aplikasi Shopeepay memiliki nilai paling besar yaitu sebesar 88%, disusul aplikasi OVO 86% sebesar dan aplikasi Gopay sebesar 82%. Dari hasil akurasi tersebut dapat disimpulkan bahwa algoritma Naïve Bayes Classifier bekerja dengan baik terhadap analisis aplikasi Shopeepay
Implementation of Weighted Product Method to Determine Exemplary Students at SMKN 1 Purwakarta Gito, Mochzen; Agus Sunandarag, Muhamad; Mochammad Imam Sulistyo Sarjow, Mochammad; Andayani Komara, Mutiara; Sukma H, Deden
RISTEC : Research in Information Systems and Technology Vol. 5 No. 1 (2024): JURNAL RISTEC : Research in Information Systems and Technology
Publisher : RISTEC : Research in Information Systems and Technology

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

Abstract

The Weighted Product method is a method that can help in making decisions. The largest value will be selected as the best alternative. Calculations will be in accordance with this method if the selected alternative meets the specified criteria. SMKN 1 Purwakarta is one of the schools where in its academic activities there is a selection of exemplary students. The need for an easier and more objective election system is something worth considering. To meet these needs, research was conducted that implemented the Weighted Product method to select exemplary students based on academic, non-academic, organizational and extracurricular values. Based on the calculations, the highest preference value or V vector was 0.212. The data with the largest vector V value is then recommended to become an exemplary student
Design and Development Web-Based Information System of Student Attendance in Madrasah Diniyah Takmiliyah Awaliyah (MDTA) Miftahul Ulum Agus Sunandar, Muhamad; Sri Andar Muni, Lise; Andayani Komara, Mutiara; Pratiwi, Muthia
RISTEC : Research in Information Systems and Technology Vol. 5 No. 2 (2024): RISTEC: Research in Information Systems and Technology
Publisher : RISTEC : Research in Information Systems and Technology

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

Abstract

As time goes by technological progress occurs so rapidly that it helps us in various ways. One of them is creating an information system that can help us in processing data. In the world of education, such as at Madrasah Diniyah Takmiliyah Awaliyah (MDTA) Miftahul Ulum, we also need a system that can help in entering data such as student data and attendance data to make it easier for teachers or staff to manage data. Therefore, an attendance information system is needed that allows managing attendance data and other data in an orderly manner to minimize the occurrence of data loss or incorrect data entry and can process the required reports. This research was created using the waterfall method using the PHP programming language by utilizing the Laravel framework as the system display, the MySQL database as data storage, and the Unified Modeling Language (UML) as the system design
Automated Attendance System for Contract-Based Employees at Purwakarta Communication and Informatics Agency Komara, Mutiara Andayani; Salim, Asep Yusapra; Firdaus, Maulvi
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 2 (2025): Research Articles April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i2.14648

Abstract

Attendance is a crucial aspect of administrative management in both companies and institutions. However, manual attendance systems have several drawbacks, including disorganized data, minimal data control leading to a high potential for data fraud, and vulnerability to data loss or damage. These limitations underscore the need for more efficient and reliable attendance management solutions. This research addresses the challenges of manual attendance tracking for non-ASN (Aparatur Sipil Negara) staff at the Communication and Informatics Agency (Dinas Komunikasi dan Informatika (DISKOMINFO)) of Purwakarta Regency by developing a user-friendly web-based attendance system. The system leverages the PHP programming language and MySQL database to efficiently record and manage attendance data. The Waterfall method is used as the development framework, ensuring a structured and systematic approach. The system incorporates features designed with Unified Modelling Language (UML) to simplify attendance recording for staff and administrators, including online check-in/check-out, real-time attendance tracking, and automated report generation. Evaluation results demonstrate that the system significantly improves attendance accuracy, reduces administrative burden, and enhances overall efficiency within the office. This research highlights the importance of embracing technology to modernize administrative processes and improve operational effectiveness in government organizations. The implementation of this technology was also tested for its effectiveness using black box testing and the usability scale system.
Co-Authors Abdullah Muttaqin, Aab Agus Sunandar, Muhamad Agus Sunandarag, Muhamad Alam , Syariful Alim Adiyatma, Fikri Ambara Krianajaya Arnesya Afriliani Asep Yusapra Salim Atnadhiaz, Dival Alifial Darusalam, Tatan Dede Irmayanti Firdaus, Maulvi Firmansyah, Muhamad Ghany Heryana Gilang Nurcahyati Gito, Mochzen Ilham Ferdiansyah Imay Kurniawan Imay Kurniawan Imay Kurniawan Imay Kurniawan Irsan Jaelani Ismi Kaniawulan, Ismi Jaelani, Irsan Kamila Octaviani Krianajaya, Ambara Melinda Maulidan Milah, Saepul Mochammad Imam Sulistyo Sarjowo Muhammad Aditya, Andika Muhammad Rizki Hidayat Muhyidin, Yusuf Nasihin, Zaiima Tsabitha Nabhandiningrat Pauzi, Nur Pratama, Muhamad Rizky Pratiwi, Muthia Ramadha, Yudhi Raymond Ramadhan, Yudhi Raymond Rani Sri Wahyuni Raymond Ramadhan, Yudhi Riani, Ayi Riri Nurul Fahira Rizki Hidayat, Muhammad Salim, Asep Yusapra Sanggir Dyah Fritama Sayid Ali Al Zaelani, Rizqho Sri Andar Muni, Lise Sri Wahyuni, Rani Sukma H, Deden Sunandar, M. Agus Syariful Alam Syifa Zahra Lutfiah Vina Novitasari Wafa Khairunnisa Wahyudi, Dikdik Wahyuni, Rani Sri Wanwan Jamaludin Widianto, Iqbar Sajidan Yayan Heru Haerudin Yuliani, Mila Yusapra Salim, Asep Yusuf, Relavi Ahmad