Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Informasi dan Komputer
Yuda Irawan, Agung Susilo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Mathematics Other

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

Found 3 Documents
Search

 1 
PENGEMBANGAN APLIKASI WEBSITE PENJUALAN JASA LAUNDRY BERBASIS MODEL VIEW CONTROLLER MENGGUNAKAN METODE AGILE Akbar, Muhammad; Yuda Irawan, Agung Susilo; Juardi, Didi
Jurnal informasi dan komputer Vol 12 No 01 (2024): Jurnal Informasi dan Komputer yang terbit pada tahun 2024 pada bulan 4 (April)
Publisher : LPPM Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v12i01.542

Abstract

Perkembangan teknologi pada saat ini, khususnya teknologi komputer telah mengalami kemajuan yang sangat cepat. Perkembangan teknologi tersebut tidak pernah lepas dari peran manusia yang setiap saat terus memperbaiki dan menemukan inovasi baru agar teknologi tersebut dapat digunakan untuk membantu serta memudahkan pekerjaan manusia. Agar dapat terus bertahan, perusahaan harus mampu memanfaatkan semua peluang yang ada, menyusun strategi untuk mengatasi kelemahan dan menghilangkan segala hambatan, termasuk pengembangan teknologi perusahaan. Naya Laundry merupakan salah satu jasa usaha laundry yang sudah berdiri selama 13 tahun dan masih menggunakan sistem pelayanan manual seperti, membuat brosur laundry lalu disebarkan ke beberapa perumahan, komunikasi antar tetangga untuk menyebarkan informasi usaha laundry, transaksi dicatat dalam buku dan nota sehingga dalam pencatatan transaksi maupun pemasukan perbulan rentang hilang dan rusak. Untuk itulah penulis mencoba membuat tugas akhir mengenai sistem penjualan jasa di naya laundry karawang yang sampai saat ini belum terkomputerisasi. Dalan pengembangan software penulis menggunakan metode agile dengan framework laravel seperti melakukan analisis sistem, design, implementasi (coding), pengujian, dokumentasi, pelepasan maupun pemeliharaan. Dalam pengujian aplikasi menggunakan alpha testing untuk menguji software sudah sesuai atau tidak dan beta testing mendapatkan hasil 85,75%. Pengembangan Aplikasi Website Penjualan Jasa Laundry Berbasis Model View Controller ini merupakan solusi terbaik untuk memecahkan permasalahan yang ada pada Naya Laundry Karawang ini, serta dengan sistem yang terkomputerisasi dapat tercapainya suatu kegiatan yang efektif.
ANALISIS SENTIMEN TERHADAP PEMBERITAAN HASIL REKAPITULASI PEMILU PRESIDEN 2024 PADA MEDIA SOSIAL INSTAGRAM MENGGUNAKAN NAIVE BAYES CLASSIFIER Riswan, M; Primajaya, Aji; Yuda Irawan, Agung Susilo
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5559

Abstract

Media sosial Instagram, dengan lebih dari 100 juta pengguna di Indonesia yang didominasi kelompok usia produktif, telah menjadi platform utama dalam penyebaran informasi dan pembentukan opini publik terkait hasil rekapitulasi pemilu presiden 2024. Tantangan muncul terkait penyebaran informasi yang belum terverifikasi dan polarisasi pendapat yang dapat mempengaruhi stabilitas politik pasca pemilu. Penelitian ini bertujuan untuk mengidentifikasi dan mengkategorikan sentimen masyarakat terhadap hasil rekapitulasi pemilu presiden 2024 di Instagram serta menerapkan metode naive bayes untuk klasifikasi sentimen. Metodologi Knowledge Discovery in Database (KDD) diterapkan melalui tahapan data Selection, preprocessing, transformation, data mining dengan naive bayes classifier, dan evaluation. Data diambil sekitar 2000 komentar pada unggahan berita terkait hasil rekapitulasi pemilu di akun media massa terpercaya seperti kompastv, metrotv, dan tvonenews menggunakan tools scraping phantombuster. Hasil evaluasi menunjukkan algoritma naive bayes classifier memiliki rata-rata accuracy 75%, precision 75%, recall 74%, dan F1-score 74%, dengan skenario pembagian data 90:10 memberikan performa terbaik (accuracy 76%, precision 77%, recall 75%, F1-score 75%). Analisis sentimen mengungkapkan dominasi sentimen negatif sebesar 54,4% dalam komentar terkait hasil Pemilu 2024. Temuan ini bermanfaat untuk evaluasi respons masyarakat dan mendukung pengambilan keputusan yang lebih tepat oleh pemerintah dan lembaga terkait.
ANALISIS SENTIMEN TERHADAP PEMBERITAAN HASIL REKAPITULASI PEMILU PRESIDEN 2024 PADA MEDIA SOSIAL INSTAGRAM MENGGUNAKAN NAIVE BAYES CLASSIFIER Riswan, M; Primajaya, Aji; Yuda Irawan, Agung Susilo
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5559

Abstract

Media sosial Instagram, dengan lebih dari 100 juta pengguna di Indonesia yang didominasi kelompok usia produktif, telah menjadi platform utama dalam penyebaran informasi dan pembentukan opini publik terkait hasil rekapitulasi pemilu presiden 2024. Tantangan muncul terkait penyebaran informasi yang belum terverifikasi dan polarisasi pendapat yang dapat mempengaruhi stabilitas politik pasca pemilu. Penelitian ini bertujuan untuk mengidentifikasi dan mengkategorikan sentimen masyarakat terhadap hasil rekapitulasi pemilu presiden 2024 di Instagram serta menerapkan metode naive bayes untuk klasifikasi sentimen. Metodologi Knowledge Discovery in Database (KDD) diterapkan melalui tahapan data Selection, preprocessing, transformation, data mining dengan naive bayes classifier, dan evaluation. Data diambil sekitar 2000 komentar pada unggahan berita terkait hasil rekapitulasi pemilu di akun media massa terpercaya seperti kompastv, metrotv, dan tvonenews menggunakan tools scraping phantombuster. Hasil evaluasi menunjukkan algoritma naive bayes classifier memiliki rata-rata accuracy 75%, precision 75%, recall 74%, dan F1-score 74%, dengan skenario pembagian data 90:10 memberikan performa terbaik (accuracy 76%, precision 77%, recall 75%, F1-score 75%). Analisis sentimen mengungkapkan dominasi sentimen negatif sebesar 54,4% dalam komentar terkait hasil Pemilu 2024. Temuan ini bermanfaat untuk evaluasi respons masyarakat dan mendukung pengambilan keputusan yang lebih tepat oleh pemerintah dan lembaga terkait.
Co-Authors Juardi, Didi Raden Mohamad Herdian Bhakti RR. Ella Evrita Hestiandari Wiwik Handayani