Article Per Year (5 Year)
p-Index From 2021 - 2026
4.822
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Nasional Komputasi dan Teknologi Informasi Journal of Information System, Applied, Management, Accounting and Research Antivirus : Jurnal Ilmiah Teknik Informatika Akrab Juara : Jurnal Ilmu-ilmu Sosial STUDI PELAKSANAAN SELFMEDICATION PADA PENDERITA DIARE BERDASARKAN TINGKAT PENGETAHUAN MASYARAKAT PESISIR KECAMATAN SOROPIA KABUPATEN KONAWE J-SAKTI (Jurnal Sains Komputer dan Informatika) JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS) Jurnal Minfo Polgan (JMP) Jurnal Pengabdian Masyarakat Formosa (JPMF) SATIN - Sains dan Teknologi Informasi Jurnal Pengabdian Kepada Masyarakat Radisi Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Jefina Tri Kumalasari
Universitas Bina Sarana Informatika
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Public Health Social Sciences Transportation Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Perbandingan Metode Klasifikasi dan SMOTE Terhadap Analisa Sentimen Mobil Listrik Indonesia Jefina Tri Kumalasari; Indah Puspitorini
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14428

Abstract

Pesatnya perkembangaan penyimpanan energi terutama teknologi baterai membuat inovasi pada kendaraan. Perkembangan transportasi beralih dari kendaraan berbahan bakar fosil ke energi listrik dimana memiliki keuntungan ramah lingkungan dan tidak bising. Namun pada daya terima masyarakat Indonesia berbeda-beda ada yang positif dan negatif. Dinamika di masyarakat dapat di gali melalui komentar yang terdapat di Youtube. Dimana Youtube sebagai situs layanan menonton dan berbagi video yang mengalami penetrasi signifikan. Saat ini Indonesia berada di posisi ke empat sebagai pengguna Youtube sehingga situs ini sesuai digunakan sebagai sumber data. Analisa mengenai berdasarkan sentimen mengenai mobil listrik yang berasal dari salah satu kanal Youtube dimana terdapat mendapatkan hasil 65% positif dan sisanya 35% berpendapat negatif. Data diolah dengan menggunakan metode Knowledge Discovery in Data Base dengan metode CRISP-DM. Komentar awal berjumlah 1265 yang diolah dengan menggunakan metode klasifikasi pada data mining. Dengan cara membandingkan algoritma KNN, algoritma Naïve Bayes dan Algoritma SVM. Kemudian guna menyeimbangkan data dan meningkatkan akurasi peneliti mengkombinasikan dengan algoritma SMOTE. Hasil yang diperoleh integrasi algoritma SVM dan SMOTE menghasilkan keakurasian 94.65%, gabungan Naïve Bayes dan SMOTE menghasilkan akurasi 84.82% dan KNN dengan SMOTE menghasilkan 62.80%. Berdasarkan hasil perbandingan algoritma klasifikasi yang telah dilakukan didapat kombinasi algoritma SVM dan SMOTE menghasilkan prediksi terbaik.
Analisis Penerimaan Karyawan Konveksi Posisi Tukang Jahit Menggunakan Algoritma Decision Tree Pada PT. Nilosa Rama Buana Indah Puspitorini; Jefina Tri Kumalasari; Ita Dewi Sintawati
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.15060

Abstract

Untuk memaksimalkan penentuan kelayakan penerimaan tenaga kerja, serta terpenuhnya kebutuhaan tenaga kerja semakin cepat, maka diperlukannya sebuah prediksi cepat untuk mengetahui kelayakan penerimaan karyawan menggunakan algoritma decission tree pada perusahaan PT. Nilosa Rama Buana. Tukang jahit merupakan seseorang yang melakukan kegiatan menjahit dan menghasilkan pakaian atau produk yang terbuat dari kain. Untuk mendapatkan prediksi penilaian maka diambil data tarikan dari Sistem penerimaan pada PT. Nilosa Rama Buana ditahun sebelumnya yang lalu digunakan sebagai bahan penelitian menggunakan data mining untuk memprediksikan penilaian calon tenaga kerja berdasarkan usia minimal, pendidikan, melaksanakan instruksi jahit (Kemahiran menjahit), memiliki daya kreativitas dan imajinasi yang tinggi dalam mencipta pakaian, serta memiliki ketelitian dan kecakapan dalam menjahit pakaian yang mempengaruhi kelayakan penerimaan karyawan.
Perancangan UI/UX Sistem Informasi Penjualan Rumah Menggunakan Metode User Centered Design Ita Dewi Sintawati; Indah Puspitorini; Jefina Tri Kumalasari
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15489

Abstract

Rumah merupakan kebutuhan primer setiap manusia yang tergolong kelompok papan. Setiap orang atau anggota keluarga berusaha keras untuk mewujudkan mempunyai rumah, baik dengan cara membangun sendiri, maupun membeli dengan cara cash atau cicil. Untuk itu penulis membuatkan rancangan atau desain sebuah informasi untuk penjualan rumah supaya sistem penjualannya tidak lagi manual, tetapi secara sistem, supaya dapat diakses dimanapun dan kapanpun tanpa harus terganggu dari ruang dan waktu. Desain UI (User Interface) / UX (User Experience) untuk sistem informasi penjualan rumah ini diharapkan dapat memberikan solusi kepada penjual dan pembeli supaya sistem penjualannya dilakukan dengan sistem, untuk memudahkan pemesanan rumah, perhitungan simulasi cicilan, pemberkasan untuk pengajuan pembelian, sistem pembayaran serta laporan keuangan dari hasil penjualan yang transparan. Selain itu juga, ini merupakan solusi dari sistem penjualan rumah yang sebelumnya masih manual. Adapun metode yang digunakan dalam metode ini adalah UCD (User Centered Design). Metode ini menempatkan pengguna sebagai pusat dalam seluruh proses desain dan pengembangan produk. Dengan tujuan utamanya adalah menciptakan produk yang sangat berguna dan mudah digunakan atau dapat dimanfaatkan dengan melibatkan pengguna secara langsung melalui siklus berulang (iterasi) dari riset, desain, hingga evaluasinya.
Penerapan Algoritma Random Forest Dalam Memprediksi Harga Properti di Jakarta Selatan Berdasarkan Karakteristik Fisik dan Lokasi Safa Emilita; Putri Sri Rahayu; Sekar Rania Larasati; Ghofar Taufiq; Jefina Tri Kumalasari
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15735

Abstract

Penelitian ini bertujuan untuk melakukan prediksi harga properti di wilayah Jakarta Selatan dengan memanfaatkan algoritma Random Forest. Dataset yang digunakan mencakup 1.003 data dengan variabel seperti harga, luas tanah (LT), luas bangunan (LB), jumlah kamar tidur (JKT), jumlah kamar mandi (JKM), keberadaan garasi (GRS), serta lokasi (KOTA). Hasil analisis menunjukkan bahwa algoritma Random Forest mampu memberikan prediksi harga properti dengan tingkat akurasi yang tinggi, di mana luas tanah dan luas bangunan menjadi faktor yang paling berpengaruh terhadap hasil prediksi.Temuan ini dapat menjadi referensi bagi pengembang, agen properti, maupun calon pembeli dalam memperkirakan nilai pasar properti di Jakarta Selatan secara lebih objektif dan data-driven .
ANALISIS SENTIMEN ULASAN GAME DELTA FORCE MOBILE MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE Faiz Najwan Zaky; Muhamad Rendi Gibran; Sumanto Sumanto; Jefina Tri Kumalasari; Ghofar Taufiq; Ade Christian
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1115

Abstract

This study aims to analyze sentiment in Delta Force Mobile reviews on the Google Play Store using Naive Bayes and Support Vector Machines. Sentiment classification in reviews helps game developers understand player sentiment and improve user satisfaction. The method used is the KDD framework, which focuses on web scraping, text cleaning, tokenization, stemming, and TF-IDF for data weighting. The experimental data consisted of 29,454 reviews, with a peak accuracy rate of 86.17%. The study found a significant improvement in SVM’s ability to classify negative sentiment accurately. SVM had a score of 0.69, while Naive Bayes had a score of 0.56. This indicates that SVM is more accurate at classifying reviews that contain technical complaints, such as lag and bugs.Penelitian ini bertujuan menganalisis sentimen pada ulasan Delta Force Mobile di Google Play Store menggunakan Naive Bayes dan Support Vector Machine. Klasifikasi sentimen dalam ulasan digunakan untuk membantu pengembang game memahami sentimen pemain dan membantu meningkatkan kepuasan pengguna. Metode yang digunakan yaitu kerangka kerja KDD yang berfokus pada web scraping, pembersihan teks, tokenisasi, stemming, dan TF-IDF untuk memberi bobot pada data. Data yang digunakan dalam eksperimen berjumlah 29.454 ulasan, dengan tingkat akurasi tertinggi sebesar 86.17%. Hasil penelitian mendapatkan temuan signifikan bahwa SVM memiliki kemampuan yang lebih baik dalam mengklasifikasikan sentimen negatif secara akurat. SVM memiliki nilai 0,69 dan Naive Bayes memiliki nilai 0,56. Hal ini menunjukan bahwa SVM lebih akurat dalam mengklasifikasikan ulasan yang mengandung keluhan teknis seperti lag dan bug.
CLASSIFICATION OF MANGO RIPENESS LEVELS BASED ON DIGITAL IMAGES USING YOLOV8 Sopyan; Fransiscus Andre Suwarno; Rasya Abel Putra Gumulija; Sumanto; Ghofar Taufiq; Jefina Tri Kumalasari
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/4k5j3338

Abstract

Penilaian konvensional terhadap tingkat kematangan buah mangga umumnya didasarkan pada observasi visual. Pendekatan manual ini memiliki keterbatasan karena sangat bergantung pada pengalaman individu serta faktor lingkungan, menjadikannya rentan terhadap inefisiensi dan ketidakakuratan pada operasi skala besar. Untuk mengatasi hal ini, kami mengusulkan solusi otomatis berbasis deep learning melalui implementasi YOLOv8 (You Only Look Once versi 8) untuk klasifikasi kematangan buah mangga. Kami menggunakan dataset yang mencakup 2.328 citra dari Roboflow Universe, yang dikelompokkan menjadi tiga status: mentah, terlalu matang, dan matang. Model dilatih selama 50 epoch dengan resolusi 640 X 640 piksel. Hasil evaluasi menggunakan metrik Precision, Recall, mAP, dan Confusion Matrix menunjukkan kinerja yang superior. Model mencapai mAP50 sebesar 0,84497, mAP50–95 sebesar 0,86308, dan akurasi total 92,13%. Temuan ini mengindikasikan bahwa YOLOv8 merupakan metode deteksi dan klasifikasi yang stabil, cepat, dan efektif untuk pengenalan kematangan buah, sangat mendukung implementasi Smart Farming 4.0.
KLASIFIKASI KEMATANGAN BUAH TOMAT BERBASIS CNN DENGAN ARSITEKTUR MOBILENETV2 DAN TRANSFER LEARNING Mochamad Fathur Milzam; Ahmad Syukri Gozali; Sumanto Sumanto; Jefina Tri Kumalasari; Ghofar Taufiq; Ade Christian
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 2 (2026): JEIS EDISI JULI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no2.1113

Abstract

Classifying tomato ripeness is a crucial aspect of post-harvest processing and agricultural distribution. Manual ripeness determination is subjective and potentially inconsistencies. This study aims to classify tomato ripeness using a deep learning approach based on a Convolutional Neural Network (CNN) with the MobileNetV2 architecture and transfer learning techniques. The dataset, consisting of tomato images, was classified into three classes: unripe, ripe, and overripe. Preprocessing included image resizing and normalization before model training. The MobileNetV2 model was used as a feature extractor, while a fully connected layer was applied for classification. Test results showed that the model was able to classify tomato ripeness with good performance based on classification evaluation metrics. Overall, the proposed approach shows good potential for RGB image-based tomato ripeness classification.Klasifikasi tingkat kematangan buah tomat merupakan aspek penting dalam proses pascapanen dan distribusi hasil pertanian. Penentuan kematangan secara manual masih bersifat subjektif dan berpotensi menimbulkan ketidakkonsistenan. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan buah tomat menggunakan pendekatan deep learning berbasis Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 dan teknik transfer learning. Dataset berupa citra buah tomat diklasifikasikan ke dalam tiga kelas, yaitu tidak matang, matang, dan terlalu matang. Tahapan preprocessing meliputi proses resizing dan normalisasi citra sebelum dilakukan pelatihan model. Model MobileNetV2 digunakan sebagai feature extractor, sedangkan lapisan fully connected diterapkan untuk proses klasifikasi. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan tingkat kematangan buah tomat dengan performa yang baik berdasarkan metrik evaluasi klasifikasi. Secara keseluruhan, pendekatan yang diusulkan menunjukkan potensi yang baik untuk klasifikasi tingkat kematangan buah tomat berbasis citra RGB
Co-Authors Abdurohim, Ahmad Ade Christian Agustiena Merdekawati, Agustiena Ahmad Syukri Gozali Alghiffary, Muhammad Adya Ali, Muhamad Hafis Ali, Satrio Nur Andhika Prasetya Ardiyansyah, Rizqi Azis Sukma Dhiana Fadhli Firmansyah Faiz Najwan Zaky Fransiscus Andre Suwarno Ghofar Taufiq Hidayati, Apriliani Indah Puspitorini Irwin Sukrisno Sugeng Ita Dewi Sintawati Mochamad Fathur Milzam Muhamad Rendi Gibran Nadif Ramadha Putri Sri Rahayu Rasya Abel Putra Gumulija Safa Emilita Saputra, Yusup Sekar Rania Larasati Sopyan Sulaiman Sulaiman Sumanto Sumanto Susi Wahyu Lestari Tara Adrilia Salsabila Taufig, Ghofar Wau, Kebenaran Wida Prima Mustika Yuni Fitriani, Yuni