Articles
ANALISIS SENTIMEN ULASAN APLIKASI LITA DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES
Septiani Gumilar, Tia;
Astuti, Rini;
Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8778
Aplikasi media sosial yang memberikan Jasa Teman Mabar yang dapat menemani bermain beragam jenis game online, seperti Mobile Legends, PUBG Mobile, Free Fire, dan lainnya. Lita merupakan platform dengan konsep baru dalam dunia game. Kamu dapat bertemu dengan Pro Player ataupun gamer perempuan yang cantik. Ulasan pengguna pada aplikasi mobile merupakan sumber data penting bagi pengembang aplikasi untuk mengetahui respon dari pengguna dan meningkatkan kualitas aplikasi. Ulasan pengguna biasanya mengandung ungkapan subjektif yang mencerminkan sentimen positif atau negatif. Klasifikasi sentimen pada ulasan mobile diperlukan untuk secara otomatis menganalisis sentimen positif dan negatif dari sejumlah besar data ulasan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan aplikasi Lita di Play Store ke dalam dua kelas yaitu positif dan negatif, dengan menggunakan metode algoritma Naive Bayes. Data yang digunakan dalam penelitian ini adalah 1000 ulasan aplikasi Lita di Play Store dalam bahasa Indonesia, diambil secara acak. Data ulasan mengandung kata tidak penting yang dihapus melalui text preprocessing. Kemudian, pembobotan dilakukan dengan metode TF-IDF untuk mengetahui pentingnya sebuah istilah untuk suatu dokumen. Hasil dari penelitian ini mengenai Klasifikasi Data Sentimen Ulasan Pengguna Lita Google Play Store berjumlah 1000 data, dapat disimpulkan bahwa ulasan pengguna Lita tergolong positif dengan hasil presentase 95% nilai accuracy, 95% nilai precision, dan 95% nilai recall nya.
PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN METODE K-MEANS PADA DATA TINDAK KRIMINALITAS DI POLRES KABUPATEN KUNINGAN
Stedila, Stedila;
Astuti, Rini;
M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i2.8790
Dengan meningkatnya tingkat tindak kriminalitas di Kabupaten Kuningan tentunya data yang akan disimpan akan terus bertambah. Menurut Polres Kabupaten Kuningan jumlah kasus tindak kejahatan yang terjadi di Kabupaten Kuningan pada 3 Tahun terakhir mencapai 800 kasus. Salah satu upaya untuk menanggulangi kejahatan dengan mengetahui pola dan karakteristik dari tindak kejahatan yang terjadi, dengan mengetahui pola dan karakteristik dari tindak kejahatan maka dapat diidentifikasi fakto-faktor yang menyebabkan terjadinya tindak kejahatan. Oleh karena itu, untuk mengelompokan data tindak kejahatan yang terjadi di masyarakat akan memanfaatkan Dara Mining menggunakan metode K-Means Clustering dengan Tools RapidMiner versi 10.3. Nilai Davies Bouldin Index yang dihasilkan dari algoritma k-means ini sebesar 3.323. Pengelompokan data tindak kejahatan ini dapat digunakan oleh Polres Kabupaten Kuningan untuk menentukan pola dan karakteristik dari tindakan kejahatan yang terjadi.
IMPLEMENTASI DATA MINING PADA PENJUALAN MAKANAN DAN MINUMAN MENGGUNAKAN ALGORITMA APRIORI PADA TOKO ONLINE AYAM GEPREK X
Salsabila, Salsabila;
Astuti, Rini;
Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i2.9251
Ayam geprek x adalah toko online yang menjual produk makanan dan minuman lewat aplikasi shope lebih tepatnya dishopefood. Toko online tersebut berlokasi di Kecamatan Lemah Abang lebih tepatnya di Desa Tuk Karangsuwung. Dengan sistem penjualan tersebut tentu meningkatkan tingkat penjualan makanan dan minuman yang kadang tinggi dan kadang juga rendah, sehingga membutuhkan sebuah sistem yang mampu memudahkan dalam merekapitulasi pembelian dari konsumen. Untuk itu dilakukan penelitian ini guna menganalisa data transaksi penjualan makanan dan minuman tersebut menggunakan teknik data mining. Data Mining ialah teknik analisa pada data untuk mencari informasi yang tersembunyi pada beberapa data besar yang dicatat pada saat bisnis yang dijalankan. Algoritma yang dipakai algoritma apriori yaitu mendapatkan accosiation rule dari setiap kombinasi item. Berdasarkan pengujian yang telah dilakukan dishoftware rapidminer dengan menggunakan minimum support 50% dan minimum confidence 70% dapat diketahui hasil min support dan confidence yang paling terbesar dari data yang ada yaitu menu makanan ayam geprek dengan nilai min support 47% dan nasi min support 42%, Dan jika membeli tempe.t.g maka akan membeli nasi dengan nilai confidence 70% dan jika membeli milk.p.o maka akan membeli nasi dengan nilai confedence 72%. Setelah sudah mengetahui hasil min support dan confidence yang paling terbesar maka dapat diketahui stok yang tadinya sering tidak mampu memenuhi permintaan pelanggan, dengan menggunakan sistem tersebut dapat mengalami pengoptimalan dalam memperkirakan persediaan stoknya dilihat makanan apa saja yang sering terjual. Peningkatan terjadi karena perhitungan dan kondisi penentuan produk jauh lebih akurat dari pada ketika diputuskan oleh manusia.
PENERAPAN ALGORITMA K-MEANS PADA DATASET PENGANGGURAN TERBUKA BERDASARKAN PENDIDIKAN DI PROVINSI JAWA BARAT
Kusuma Arum, Sintia;
Astuti, Rini;
Muhammad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i2.9440
Pengangguran merupakan istilah untuk orang yang tidak bekerja sama sekali,bekerja kurang dari dua hari selama satu minggu, atau seseorang yang berusaha mencari pekerjaan. Jumlah kasus Pengangguran Terbuka berdasarkan Tingkat Pendidikan Akhir adalah salah satu indikator penting dalam mengukur tingkat pengangguran di suatu Daerah. Dataset yang digunakan dalam penelitian ini merupakan dataset yang bersumber dari website resmi pemerintahan Open Data Jabar periode tahun 2019-2022. Algoritma K-Means Clustering telah diterapkan pada dataset pengangguran terbuka berdasarkan Pendidikan untuk mengelompokan data berdasarkan tingkat Pendidikan akhir serta jumlah pengangguran provinsi yang terletak di Kota maupun dan di Kabupaten.Penelitian ini dilakukan bertujuan untuk mendapatkan beberapa hasil pengelompokan data Pengangguran di Provinsi Jawa Barat berdasarkan Tingkat Pendidikan Akhir. Pengelompokan tersebut, dibagi menjadi 3 Bagian yaitu tingkat pengangguran tinggi, tingkat pengangguran menengah dan tingkat pengangguran rendah, Tingkat Pengangguran tinggi diperoleh sebanyak 389 cluster, Tingkat Pengangguran Menengah dengan 162 cluster, dan Tingkat Pengangguran rendah dengan hasil 29 Cluster. Hasil dari penelitian ini diharapkan dapat memberikan wawasan penting untuk kebijakan pemerintah terkait masalah peningkatan angka pengangguran di berbagai daerah, serta menunjukan bahwa kemampuan Algoritma K-Means dalam mengelompokan data pengangguran terbuka berdasarkan tingkat Pendidikan telah mendapatkan hasil K terbaik
PENGELOMPOKAN KATALOG PADA TOKO MAHABBATAIN STORE MENGGUNAKAN ALGORITMA K-MEANS
Farikah, Siti;
Astuti, Rini;
M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i3.9584
Di Indonesia perubahan sosial yang disertai kemajuan ini salah satunya adalah sandang. Pakaian menjadi salah satu fungsi dari diferensiasi sosial dalam kehidupan sosial di masyarakat modern Banyak toko menjual berbagai Katalog mulai dari fashion,sepatu, krudung produk lainnya yang dijual belikan. Permasalahannya adalah belum adanya klasifikasi terhadap menetukan jumlah produk terhadap pengelompokan katalog pada Toko Mahabbatain store dan bagaimanan algoritma k-means dapat melakukan pengelompokan katalog pada Toko Mahabbtain Store. Oleh karena itu, dengan pengaruh tersebut maka penulis ingin mengetahui tentang bagaimana algoritma k-means dalam pengelompokan katalog. Tujuan penelitian ini untuk mengetahui hasil klasifikasi terhadap jumlah produk terhadap pengelompokan katalog pada Toko Mahabbatain store dan untuk menarapkan algoritma k-means sebagai pengelompokan katalog pada Toko Mahabbatain Store. Metode yang digunakan dalam penelitian ini adalah algoritma k-means dan metode Knowledge Discovery in Database (KDD) karena metode ini dapat mengolah data tanpa diketahui labelnya. Dari penelitian yang sudah dilakukan secara observasi dan dokumentasi menunjukan bahwa dataset dari pembukuan Toko Mahabbatain Store yang dengan jumlah 500 data penjualan pada tahun 2023. Tujuan penulisan akhir ini untuk mengetahui penerapan algoritma K-means dan mengetahui hasil k optinum dalam penerapan menggunakan RapidMiner. Hasil uji coba cluster distane performance bahwa nilai k optimum adalah k=2 dengan nilai DBi=0,047
IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK MEMPEREDIKSI VOLUME SAMPAH
Loni Manikari, Salsa;
Astuti, Rini;
Muhammad Basysyar, Fadhil;
Agusbaciar, Agusbaciar
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i3.9598
Permasalahan sampah telah menjadi isu penting di berbagai kota dan kabupaten di Indonesia, termasuk di kabupaten Cirebon. Pertumbuhan penduduk dan gaya hidup masyarakat menjadi faktor utama dalam meningkatkan volume sampah. Pada tahun 2022, volume sampah di Provinsi Jawa Barat meningkat 5,4%, menyebabkan masalah ketersediaan Tempat Pembuangan Akhir (TPA) yang hampir overload. Hal Ini dapat mengakibatkan berkurangnya lahan tempat pembuangan sampah akhir Oleh karena itu dibutuhkanya prediksi volume sampah adalah cara untuk mengantisipasi lonjakan volume sampah yang berlebihan di lokasi pembuangan sampah akhir. Data yang digunakan dalam penelitian ini meliputi data time series yang terdiri dari tanggal dan jumlah volume sampah dari tahun 2021-2023 dengan metode Long Short Term Memory (LSTM). Penelitian ini menggunakan algoritma LSTM dengan jumlah neuron sebanyak 128, input layer sebanyak 30, dan pelatihan model sebanyak 500 epoch berhasil memberikan tingkat akurasi yang cukup baik dengan nilai MSE 0.02207 dalam memprediksi volume sampah
PENGELOMPOKKAN JUMLAH PENDUDUK MISKIN DI JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS
Sapitri, Sapitri;
Astuti, Rini;
M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i3.9600
Kemiskinan adalah kondisi ketidakmampuan pendapatan seseorang dalam pemenuhan kebutuhan pokok untuk bertahan hidup sehingga tidak menjamin kelangsungan hidupnya. Kebutuhan hidup meliputi kebutuhan dasar seperti sandang, pangan, tempat tinggal dan pendidikan. Menurut Badan Pusat Statiska penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan. Di daerah Jawa Barat mengalami kenaikan dan penurunan secara tidak stabil. Pengelompokan jumlah kabupaten/kota yang memiliki angka kemiskinan perlu dilakukan setiap tahun nya agar pemerintah dapat mengetahui langkah pencegahan. Pengelompokan jumlah kabupaten/kota yang mengalami kemiskinan dapat dilakukan dengan menggunakan berbagai metode salah satunya dengan menggunakan metode K-Means. K-Means adalah metode pembelajaran tanpa adanya pengawasan yang digunakan untuk mengelompokan jumlah data yang belum dilabel ke dalam cluster-cluster yang berbeda. Penggunaan metode K-Means ini bertujuan mengelompokan jumlah data berdasarkan kabupaten/kota yang tergolong miskin. Tujuan dilakukannya penelitian ini yaitu untuk melakukan pengelompokan pada jumlah data kemiskinan di Jawa Barat sehingga dapat digunakan sebagai informasi untuk menentukan kebijakan yang tepat untuk menyalurkan bantuan kepada masyarakat, proses untuk mendapatkan data yang akurat menggunakan Knowledge Discovery in Databases (KDD). Tujuan dari KDD yaitu proses menemukan dan mengidentifikasi pola-pola dalam data yang valid. Untuk pengolahan data dalam penelitian ini menggunakan RapidMiner.
ANALISIS SENTIMEN PENGARUH MEDIA SOSIAL TERHADAP MINAT BELI SKINCARE PADA REMAJA DI INDONESIA MENGGUNAKAN ALGORITMA NAÏVE BAYES
Lutfiani, Saufa;
Astuti, Rini;
Fadhil M Basysyar,M,Kom
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i3.9614
Di Indonesia Berdasarkan hasil pengamatan awal perkembangan minat beli skincare belum memiliki perkembangan yang baik dikarenakan belum menggunakan sosial media,pesatnya teknologi di zaman sekarang ini membuat media sosial semakin banyak diminati oleh kaum remaja, dewasa, dan orangtua, sebagai media untuk bersilaturahmi dan juga referensi-referensi yang bisa dilihat untuk belanja online khususnya media sosial Tik-Tok. Permasalahan penelitian ini mencakup beberapa hal seperti keterbatasan informasi bagaimana keterbatasan informasi yang ditemukan dimedia sosial dapat mempengaruhi minat beli remaja pada produk skincare. Tujuan dari penelitian ini untuk menganalisis sejauh mana pengaruh media sosial terhadap minat beli skincare pada remaja,penelitian ini bisa mencakup aspek-aspek seperti pengaruh iklan,testimoni pengguna atau tren kecantikan yang dipromosikan melalui platfrom media sosial tiktok dapat memberikan wawasan tentang bagaimana media sosial mempengaruhi keputusan beli remaja terkait produk perawatan kulit.. Metode yang digunakan dalam Penelitian ini menggunakan metode alur penelitian Knowledge Discover in Database (KDD) Tahapan dalam penelitian ini menggunakan metode algoritma naive bayes, metode algoritma naive bayes.naive bayes adalah algoritma machine learning untuk masalah klasifikasi. Pengumpulan data diperoleh yaitu melalui kuesioner. Hasil analisis dari penelitian ini adalah berupa diagram sentimen positif dan negatif dengan hasil positif 0,8138 dan yang negatif 0,7526
IMPLEMENTASI DATA MINNING MENGGUNAKAN ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PENJUALAN DAN CASHFLOW DI AYAM GEPREK CAP CANGKIR
Alfarisi, Salman;
Astuti, Rini;
M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i3.9717
Ayam geprek merupakan makanan khas Indonesia. Ayam Geprek Cap Cangkir merupakan usaha kuliner yang bergerak di bidang makanan dan minuman. Salah satu tantangan yang dihadapi adalah prediksi penjualan yang masih dilakukan secara manual. Prediksi penjualan secara manual mempunyai beberapa kelemahan, salah satunya adalah rendahnya keakuratan perkiraan penjualan. Hal ini dapat mengakibatkan tidak akuratnya prediksi perhitungan penjualan. Data mining merupakan teknik analisis data yang dapat digunakan untuk memprediksi penjualan. Salah satu algoritma yang dapat digunakan untuk memprediksi penjualan adalah algoritma regresi linier. Regresi linier merupakan teknik statistik yang digunakan untuk memprediksi nilai suatu variabel terikat berdasarkan nilai variabel bebasnya. Penelitian ini bertujuan untuk mengimplementasikan data mining menggunakan algoritma regresi linier untuk memprediksi penjualan pada Ayam Geprek Cap Cangkir. Data yang digunakan dalam penelitian ini adalah data penjualan antara bulan Agustus 2023-Desember 2023. Data tersebut terdiri dari variabel seperti tanggal, jumlah penjualan, dan jenis produk. Pemodelan regresi linier dilakukan dengan menggunakan Rapid Miner. Hasil Prediksi hasil Skor pada Roots Mean Squared Error (RMSE) adalah 69385, sedangkan skor yang dihasilkan pada Relative Eror Score adalah 99.53%. Berdasarkan hasil prediksi yang di dapatkan, penjualan mengalami peningkatan dari hari ke hari dan skor tertinggi di dalam satu tahun prediksi menghasilkan nilai 123212
PENGELOMPOKAN DATA PENJUALAN SEMBAKO BERDASARKAN PERILAKU PEMBELI MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING
Husen Adlun, Muhammad;
Astuti, Rini;
Basysyar, Fadhil M.
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i4.9806
Sembako adalah komoditas yang sangat penting bagi masyarakat. Oleh karena itu, distribusi dan penjualan sembako memiliki peran yang signifikan dalam perekonomian. Supermarket dan toko kelontong berupaya menyediakan produk yang paling diminati konsumen, sambil menyesuaikan strategi penjualan mereka sesuai dengan permintaan dan perilaku pembeli. .Tujuan penelitian ini adalah untuk menganalisis perilaku pembeli dalam data penjualan sembako dan mengelompokkan data tersebut berdasarkan pola pembelian yang sebanding dengan algoritma pengelompokan K-Means. Diharapkan bahwa pemahaman yang lebih baik tentang demografi pembeli dan pola belanja mereka dapat dihasilkan dari penggunaan kelompokan ini dalam strategi pemasaran. Data yang digunakan dalam penelitian ini berasal dari penjualan sembako dari toko selama satu tahun. Informasi tentang jenis produk, jumlah, waktu, dan identitas pembeli termasuk dalam data ini. Hasil dari Clustering ini menunjukkan bahwa hasil perhitungan dan uji coba dari penelitian yang sudah dilakukan, terdapat dua cluster yang telah ditentukan, untuk cluster_0 yang memiliki 1237 item dikategorikan laku, dan untuk cluster_1 memiliki 51 item dikategorikan kurang laku. Dengan nilai Davies Bouldin Index (DBI) 0.234.