Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Responsif : Riset Sains dan Informatika Journal Information System and Computer Application
Setyawan, Moh. Bhanu
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN SISWA PRAKERIN SMK N 1 WONOASRI MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) Zulkarnain, Ismail Abdurrozzaq; Setyawan, Moh. Bhanu; Supriono, Supriono
Jurnal Responsif : Riset Sains dan Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1742

Abstract

SMK N 1 Wonoasri mewajibkan siswa melakukan Praktik Kerja Industri (PRAKERIN) untuk menerapkan teori yang telah dipelajari. Pendataan PRAKERIN dilakukan manual, dan informasi diberikan secara lisan atau melalui pengumuman. Siswa mengajukan permohonan tempat PRAKERIN kepada administrasi, yang kemudian membuat surat permohonan. Jika permohonan ditolak, siswa mencari tempat baru. Jika diterima, administrasi membuat surat pemberangkatan. Siswa juga harus mengisi buku laporan PRAKERIN. Untuk mengatasi masalah pendataan manual, SMK N 1 Wonoasri mengembangkan sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) untuk menentukan peringkat siswa PRAKERIN. Hasil dari perbandingan perhitungan algoritma yang dihitung secara manual menggunakan excel dan hitungan pada aplikasi memiliki hasil yang sama. Hal ini menjunjukan bahwa algoritma SAW pada aplikasi ini sudah berjalan dengan sebagaimana mestinya.Hari hasil perangkingan Nur Setiyanto dari bidang TKJ menempati posisi pertama dengan nilai tertinggi, yaitu 1.00, nilai yang sempurna. Di posisi kedua, Nuur Alfian dari bidang Multimedia mencatatkan nilai 0.94 dan direkomendasikan ke PT. Media Kreasi Indonesia. Rina Kurniawati dari bidang Tata Busana mengikuti di posisi ketiga dengan nilai 0.86, direkomendasikan untuk PRAKERIN di PT. Tren Chic Atelier. Sementara itu, Arsita dari bidang Desain PIB memperoleh nilai 0.82 dan direkomendasikan ke PT. Desain Tepi Industri. Agus Setiawan dan Indah Permatasari, keduanya dari bidang Desain PIB dan Multimedia dengan nilai 0.79, masing-masing direkomendasikan ke PT. ProdCraft Desainer dan PT. Pixel Kreatif.
SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN SISWA PRAKERIN SMK N 1 WONOASRI MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW) Zulkarnain, Ismail Abdurrozzaq; Setyawan, Moh. Bhanu; Supriono, Supriono
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1742

Abstract

SMK N 1 Wonoasri mewajibkan siswa melakukan Praktik Kerja Industri (PRAKERIN) untuk menerapkan teori yang telah dipelajari. Pendataan PRAKERIN dilakukan manual, dan informasi diberikan secara lisan atau melalui pengumuman. Siswa mengajukan permohonan tempat PRAKERIN kepada administrasi, yang kemudian membuat surat permohonan. Jika permohonan ditolak, siswa mencari tempat baru. Jika diterima, administrasi membuat surat pemberangkatan. Siswa juga harus mengisi buku laporan PRAKERIN. Untuk mengatasi masalah pendataan manual, SMK N 1 Wonoasri mengembangkan sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) untuk menentukan peringkat siswa PRAKERIN. Hasil dari perbandingan perhitungan algoritma yang dihitung secara manual menggunakan excel dan hitungan pada aplikasi memiliki hasil yang sama. Hal ini menjunjukan bahwa algoritma SAW pada aplikasi ini sudah berjalan dengan sebagaimana mestinya.Hari hasil perangkingan Nur Setiyanto dari bidang TKJ menempati posisi pertama dengan nilai tertinggi, yaitu 1.00, nilai yang sempurna. Di posisi kedua, Nuur Alfian dari bidang Multimedia mencatatkan nilai 0.94 dan direkomendasikan ke PT. Media Kreasi Indonesia. Rina Kurniawati dari bidang Tata Busana mengikuti di posisi ketiga dengan nilai 0.86, direkomendasikan untuk PRAKERIN di PT. Tren Chic Atelier. Sementara itu, Arsita dari bidang Desain PIB memperoleh nilai 0.82 dan direkomendasikan ke PT. Desain Tepi Industri. Agus Setiawan dan Indah Permatasari, keduanya dari bidang Desain PIB dan Multimedia dengan nilai 0.79, masing-masing direkomendasikan ke PT. ProdCraft Desainer dan PT. Pixel Kreatif.
Implementasi Text Mining Pada Analisis SentimenPemain Naturalisasi Timnas Indonesia Dengan Algoritma Naïve Bayes dan Support Vector Machine (SVM) Tri Widodo, Fajar; Setyawan, Moh. Bhanu
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/axqzy833

Abstract

Sepak bola adalah olahraga paling populer dan banyak dimainkan diseluruh dunia, termasuk Indonesia. FIFA menjadi sebuah lembaga tertinggi yang mengatur segala urusan sepak bola. FIFA banyak memiliki agenda kompetisi sepak bola seperti piala dunia. PSSI sebagai anggota dari FIFA berkesempatan untuk turut serta dalam turnamen yang diadakan oleh FIFA. Piala dunia menjadi mimpi yang terus didambakan oleh seluruh pecinta sepak bola tanah air. Salah satu strategi federasi sepak bola Indonesia yaitu PSSI untuk meningkatkan prestasi tim nasional adalah melalui program naturalisasi pemain asing. Tujuan dari program tersebut tidak lain adalah untuk memperkuat performa timnas agar bisa bersaing untuk merebutkan asa tampil di ajang piala dunia 2026. Program naturalisasi ini memicu berbagai respons dari masyarakat, terutama melalui media sosial twitter. Opini publik yang disampaikan melalui platform tersebut dapat dianalisis untuk mengetahui sentimen masyarakat terhadap kebijakan naturalisasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cuitan pengguna Twitter mengenai pemain naturalisasi timnas Indonesia dengan menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Proses analisis mencakup tahapan pengumpulan data, pra-pemrosesan, dan klasifikasi sentimen menjadi dua kategori sentimen, yaitu positif dan negatif. Hasil penelitian menunjukkan Naïve Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan Support Vector Machine. Akurasi Naïve Bayes sebesar 76,23%, sedangkan SVM memiliki tingkat akurasi sebesar 70,29%. Selain itu, model Naïve Bayes juga lebih unggul dalam nilai precision, recall, dan f1-score dibandingkan dengan SVM. Naïve bayes memiliki nilai 78,43% untuk precision, 75,47% untuk recall, dan 76,93% untuk f1-score. Sementara itu, SVM memiliki nilai presisi sebesar 76,74%, recall sebesar 62,26%, dan f1-score sebesar 68,73%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode Naïve Bayes lebih efektif dalam mengklasifikasikan sentimen masyarakat terhadap program naturalisasi pemain timnas Indonesia.
Co-Authors Supriono Supriono Tri Widodo, Fajar Zulkarnain, Ismail Abdurrozzaq Zulkarnain, Ismail Abdurrozzaq