Article Per Year (5 Year)
p-Index From 2021 - 2026
2.03
P-Index
This Author published in this journals
All Journal JAIS (Journal of Applied Intelligent System) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer RESLAJ: RELIGION EDUCATION SOCIAL LAA ROIBA JOURNAL JUKI : Jurnal Komputer dan Informatika Jurnal Teknologi Informatika dan Komputer Journal of Computer Networks, Architecture and High Performance Computing Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB International Journal of Applied Research and Sustainable Sciences (IJARSS) SAINTEK
Afriantoro, Irfan
Unknown Affiliation
Religion Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Analisis Pola Penjualan di Toko Retail Menggunakan Algoritma Apriori dengan Rapid Minner Suherman; Arsita, Ananda Dwi; Afriantoro, Irfan
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.v10i2.2407

Abstract

Dalam menghadapi era teknologi yang semakin berkembang dan memberikan efek yang sangat besar dalam persaingan ekonomi. Dalam hal ini yaitu persaingan  pengusaha-pengusaha dibidang perdagangan barang dalam meningkatkan hasil penjualan menjadi lebih baik. Data Mining telah diimplementasikan ke berbagai bidang, diantaranya bidang bisnis atau perdangangan, bidang pendidikan, dan telekomunikasi. Dibidang bisnis misalnya hasil implementasi data mining dapat membantu para pebisnis dalam kebijakan pengambilan keputusan terhadap apa yang berhubungan dengan persediaan barang. Misalnya pentingnya sistem persediaan barang di suatu Toko Kharisma dan jenis barang apa yang menjadi prioritas utama yang harus di stok untuk mengantisipasi kekosongan barang. Karena minimnya stok barang dapat berpengaruh pada pelayanan konsumen dan pendapatan Toko Kharisma. Metode yang sering digunakan untuk menganalisa pola pembelian pelanggan adalah metode asosiasi atau association rule mining. Association rule mining adalah suatu metode untuk mencari pola hubungan antar satu atau lebih itemset yang ada dalam suatu dataset. Algoritma yang paling popular dalam mencari pola hubungan itemset adalah algoritma Apriori atau sering disebut dengan market base analysis. Data mining adalah sebagai proses untuk mendapatkan informasi yang bergunadari gudang basis data yang besar. Data mining juga dapat diartikan sebagaipengekstrakan.informasi baru yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan. Data mining sering juga disebut dengan Knowledge Discovery in Database atau disingkat KDD, adalah kegiatan yang meliputi pengumpulan, pemakaian data histori untuk menelusuri data yang ada untuk membangun sebuah model agar dapat mengenali pola data yang lain berukuran besar.
Sentiment Analysis of Dune: Part Two Movie Reviews Using the Naive Bayes Method Maheswari, Diyan Arum; Zy, Ahmad Turmudi; Afriantoro, Irfan
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 4 (2024): Articles Research October 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i4.4604

Abstract

Research on films is fascinating because of the profound changes that the development of information and communication technology has brought about in our interactions with and consumption of media content. This study performs sentiment analysis on "Dune: Part Two" movie reviews using the Naïve Bayes method. Review data was collected from IMDb and then processed through several stages such as preprocessing, feature selection with TF-IDF, data splitting, and data mining and evaluation. Naïve Bayes was chosen for its simplicity and ability to handle large datasets effectively. The test results showed a high accuracy rate of 95%, indicating that this model can identify positive, negative, and neutral sentiments well. The use of TF-IDF in feature selection allowed the model to focus on important words, enhancing its sentiment classification ability. This research can provide insights into audience perceptions of the film "Dune: Part Two," which is beneficial for the film industry.
Transforming Supply Chain Forecasting Using Transformer Models and K-NN Analysis Faris Muzaki, Moch. Nauval; Fatchan, Muhamad; Afriantoro, Irfan
International Journal of Applied Research and Sustainable Sciences Vol. 2 No. 6 (2024): June 2024
Publisher : MultiTech Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59890/ijarss.v2i6.2026

Abstract

The study optimizes supply chain logistics in Asia using the K-Nearest Neighbors (K-NN) algorithm to enhance delivery efficiency and profitability. It suggests that future research should explore ensemble methods and deep learning models for better accuracy and robustness. Comparative analyses with traditional models provide valuable insights. Investigating the impact of real-time data analytics and IoT can improve visibility and control. Big data analytics for predictive models in risk management and resilience against disruptions like natural disasters and geopolitical instability is crucial. Exploring collaborative networks where stakeholders share data and resources can significantly advance logistics efficiency. These directions will help develop efficient, resilient, and sustainable supply chain systems, offering practical solutions for businesses in Asia's complex market.
Analisis Sentimen Ulasan Aplikasi Tokopedia Pada Google Play Store Menggunakan Natural Language Processing (NLP) Dengan Algoritma Logistic Regression Afriantoro, Irfan; Farhansyah, Fauzi
Jurnal Pelita Teknologi Vol 20 No 1 (2025): Maret 2025
Publisher : Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/pelitatekno.v20i1.7305

Abstract

Pertumbuhan e-commerce di Indonesia yang semakin pesat, khususnya pada platform Tokopedia, menghasilkan volume ulasan pengguna yang besar di Google Play Store dan berpotensi dimanfaatkan sebagai sumber data untuk evaluasi layanan. Penelitian ini bertujuan mengembangkan sistem analisis sentimen otomatis berbasis Natural Language Processing (NLP) terhadap ulasan pengguna dengan memanfaatkan algoritma Logistic Regression dan antarmuka bot pada platform Telegram. Ekstraksi fitur teks dilakukan menggunakan metode TF-IDF, sedangkan proses klasifikasi sentimen menggunakan Logistic Regression. Hasil pengujian menunjukkan model mencapai akurasi rata-rata sebesar 75,89% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,75. Sistem yang dikembangkan juga mengintegrasikan model BERT lokal dari Hugging Face dan model sentimen hasil pelatihan lokal untuk mendukung klasifikasi sentimen secara real-time melalui bot. Penelitian ini memberikan kontribusi berupa solusi praktis analisis sentimen berbasis bot yang mudah diakses serta menawarkan pendekatan integratif antara metode NLP konvensional dan model AI generatif modern.
Co-Authors Abdul Halim Anshor Agus Suwarno Anwar, M. Syaibani Arsita, Ananda Dwi Aswan Supriyadi Sunge Auliyah, Risma Farhansyah, Fauzi Faris Muzaki, Moch. Nauval Febri Suratman Hardianti, Fazrin Putri Maheswari, Diyan Arum Maulana, Donny Muhamad Fatchan Naya, Candra Rahayu, Nia Dwi Rifendtia, Rifendtia Siswahyudianto Suherman Suherman, Suherman Sulaeman, Asep Arwan Suratman Suratman Tedi Kurniadi, Nanang Zahrotul Kamalia, Antika Zy, Ahmad Turmudi