Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JSiI (Jurnal Sistem Informasi) Jurnal Telematika DECODE: Jurnal Pendidikan Teknologi Informasi
Weni, Indra
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Sentimen Opini Publik Terhadap Pariwisara di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes Arsa, Daniel; Weni, Indra; Fahreza, Agil
Jurnal Telematika Vol. 17 No. 1 (2022)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v17i1.450

Abstract

The tourism industry is a sector that has the potential to be developed as a source of state income. The tourism sector is the second largest source of state revenue after taxes. The arrival of tourists in an area has an impact on local resident who have provided prosperity and prosperity in the vicinity. The Covid-19 pandemic that has occurred in the world has had a very broad impact, including on the tourism sector and the creative economy. The decline in foreign tourist arrivals resulted in huge losses. This creates a public response to government policies. The community's response to tourism can be seen in social media. One of the most popular social media is Twitter. Obtained as many as 3000 tweet data that will be classified using the Naïve Bayes algorithm. Naive Bayes is a text mining technique to build a simple classifier model but has high accuracy in classifying. With the use of the Naive Bayes algorithm in this study, the results obtained are 62% accuracy values with an average value of 62% precision, 62% recall value, and 62% F1-score value.
METODE SCRUM PADA RANCANG BANGUN SISTEM INFORMASI PELAPORAN HARIAN PEGAWAI BPS PROVINSI JAMBI Arsa, Daniel; Weni, Indra; Dafian, M. Febrin
Jurnal Sistem Informasi Vol 11 No 1 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i1.8212

Abstract

Untuk meningkatkan akuntabilitas pegawai dalam melaksanakan kegiatan operasional dan pelayanan, Badan Pusat Statistik (BPS) Provinsi Jambi mengambil inisiatif dengan menghadirkan sistem yang dapat mengelola laporan kegiatan harian pegawai dan membantu pimpinan dalam mengawasi kegiatan operasional pegawai. Penelitian ini bertujuan untuk merancang sistem informasi pelaporan harian pegawai pada Badan Pusat Statistik Provinsi Jambi agar dapat membantu pegawai dalam melakukan pengelolaan pencatatan dan perekapan berbagai kegiatan operasional dan pelayanan yang dilakukan setiap hari. Metode yang digunakan dalam penelitian ini adalah metode Scrum. Penelitian ini dilakukan dengan mengikuti seluruh tahap atau kegiatan sesuai dengan metode Scrum, meliputi sprint planning, sprint, daily scrum, sprint review, dan sprint retrospective. Setelah menyelesaikan empat sprint, hasil dari penelitian ini berhasil menghasilkan suatu sistem informasi yang dapat memenuhi seluruh kebutuhan fungsional. Selain itu berdasarkan hasil pengujian fungsionalitas menggunakan metode Black-Box testing secara manual dan otomatis menggunakan Katalon Studio didapatkan nilai fungsional bernilai 1 (satu) sehingga memenuhi aspek fungsionalitas dalam tingkat fungsionalitas sangat baik. Kata kunci: Scrum, Sprint, Sistem Informasi, Laporan Harian.
Implementasi Metode Convolutional Neural Network Untuk Deteksi Penyakit Pada Tanaman Kopi Arabika Melalui Citra Daun Berbasis Android Saputra, Andre Ilham; Weni, Indra; Khaira, Ulfa
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.231

Abstract

Penyakit pada tanaman kopi arabika merupakan masalah serius yang dapat menyebabkan kerugian bagi petani jika tidak terdeteksi dan ditangani secara tepat waktu. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk mendeteksi penyakit pada tanaman kopi arabika. Metode CNN dipilih karena kemampuannya dalam memproses data citra dan mempelajari pola yang kompleks, terutama dalam konteks identifikasi penyakit pada tanaman. Dataset yang digunakan berupa citra daun kopi arabika yang dikategorikan menjadi tiga kelas: Penyakit Bercak Daun, Karat Daun, dan Daun Sehat dengan jumlah total 2829 citra daun yang kemudian dibagi dengan skenario 80:20 untuk data latih dan data uji. Pada penelitian ini dilakukan pengujian hyperparameter dengan memvariasikan jumlah epoch, nilai batch size dan optimizer. Hasil penelitian menunjukkan bahwa peningkatan jumlah epoch dan nilai batch size berdampak terhadap akurasi model CNN. Dari pengujian hyperparameter didapatkan model optimum dengan menggunakan 50 epoch, batch size 32, dan optimizer Adam yang mencetak akurasi sebesar 94.33% pada proses pengujian.
Co-Authors Arsa, Daniel Dafian, M. Febrin Fahreza, Agil Saputra, Andre Ilham Ulfa Khaira, Ulfa