Claim Missing Document
Check
Articles

Found 13 Documents
Search

Analisis Bibliometrik untuk Implementasi Enterprise Resource Planning (ERP) Bahit, Muhammad; Nadia Puteri Utami
Prosiding Seminar Nasional Manajemen, Ekonomi dan Akuntansi Vol. 6 No. 1 (2021): PROSIDING SEMINAR NASIONAL MANAJEMEN, EKONOMI DAN AKUNTANSI 2021
Publisher : Universitas Nusantara PGRI Kediri

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

Abstract

Penelitian ini menyajikan sebuah penelitian analisis bibliometrik tentang enterprise resource planning (ERP) pada UMKM. Penelitian ini bertujuan untuk menganalisis bagaimana implementasi ERP dalam mengelola transaksi dan perencanaan bisnis terintegrasi secara real time untuk menghasilkan strategi pemasaran yang berdampak pada peningkatan hasil usaha. enterprise resource planning (ERP) merupakan sistem berbasis komputer yang dirancang untuk memproses manajemen transaksi dan perencanaan bisnis yang dikelola karena memiliki banyak keunggulan seperti akses informasi, efisiensi dan otomasi pengendalian sistem. Penelitian ini menganalisis artikel yang diterbitkan dari database Google Scholar menggunakan software publish or perish (PoP) dalam rentang waktu 2015-2020 dan diklasifikasikan berdasarkan topik yaitu implementasi enterprise resource planning (ERP). Hasil analisis bibliometrik dapat digunakan untuk mengetahui implementasi enterprise resource planning (ERP), teknik yang digunakan untuk implementasi enterprise resource planning (ERP) dan cara menganalisis hasil dari implementasi enterprise resource planning (ERP)
Identifikasi Sentimen pada Data Teks Media Sosial Melalui Pendekatan Pembelajaran Terawasi Bahit, Muhammad; Sari, Yuslena; Baskara, Andreyan Rizky; Wijaya, Eka Setya; Yunus, Harry Pratama; Armelia, Alysa
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 9 No. 2 (2026): Issues January 2026
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v9i2.16032

Abstract

Analisis sentimen pada data teks media sosial menjadi penting untuk memahami opini publik, sehingga penelitian ini bertujuan untuk mengidentifikasi sentimen pada data teks media sosial melalui pendekatan pembelajaran terawasi. Dataset yang digunakan terdiri dari tweet dan ulasan produk yang telah dilabeli sentimen positif maupun negatif. Proses penelitian dilakukan melalui beberapa tahapan, yaitu prapemrosesan data (Removal of Stopwords, Lemmatization and Word Stemming, Spell Correction), Ekstraksi Fitur (N-Grm, Word count dan Tf-Idf Vectorizer) serta penerapan algoritma Multinomial Naive Bayes, dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa penghapusan stopwords menurunkan kinerja model, sehingga tetap menggunakan stopwords. Stemming dan lemmatization juga tidak memberikan pengaruh terhadap kinerja model, sedangkan spell correction dapat meningkatkan akurasi sekitar 2% tetapi dengan trade-off waktu komputasi yang tinggi. Pada tahap ekstraksi fitur, TF-IDF menghasilkan akurasi yang lebih tinggi dibandingkan Word Count. Algoritma Multinomial Naive Bayes menghasilkan akurasi sebesar 79,73% dengan AUC-ROC sebesar 0,85. Sedangkan SVM dengan kernel linear mendapatkan hasil terbaik dengan akurasi 82% dan AUC-ROC 0,88, lebih tinggi daripada RBF kernel yang hanya mencapai akurasi 77,79% dan AUC-ROC 0,82. Hasil penelitian ini dapat disimpulkan bahwa SVM dengan kernel linear lebih sesuai untuk klasifikasi teks berdimensi tinggi.
Online Eye-Tracking: Observing the Attention of Pre-service Chemistry Teacher from Non-Science Backgrounds in Solving Chemistry Problems Muna, Khairiatul; Rahmawati, Helda; Bahit, Muhammad; Rasid, Saipul; Marisa, Lutfiana; Rosana, Rosana; Istiqamah, Nurul
JKPK (Jurnal Kimia dan Pendidikan Kimia) Vol 10, No 2 (2025): JKPK (Jurnal Kimia dan Pendidikan Kimia)
Publisher : Program Studi Pendidikan Kimia FKIP Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/jkpk.v10i2.96748

Abstract

Recent advances in online eye-tracking allow researchers to capture eye movements as visible markers of attentional processes. This study adopts a mixed-methods design using webcam-based eye tracking via the RealEye platform to profile the attentional patterns of pre-service chemistry teachers who completed non-science tracks in high school. Two participants from the Chemistry Education program at UIN Antasari Banjarmasin undertook a problem-solving task in chemistry; their eye movements were recorded and analyzed descriptively. In framing attention, we distinguish between overt orientation—shifts in gaze toward a target—and covert orientation—mental shifts of focus without corresponding eye movements. Findings indicate that both participants required a comparatively longer time to observe, read, and solve the given problems. These attentional profiles align with their problem-solving outcomes, which fell into the medium and low performance categories. The results suggest that a non-science secondary background may be associated with less efficient visual strategies when tackling chemistry tasks. Targeted instructional support—such as scaffolded practice with chemical representations and stepwise problem decomposition—may therefore be warranted in teacher-education curricula.