Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

0.835

P-Index

This Author published in this journals

All Journal E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis CESS (Journal of Computer Engineering, System and Science) Proceeding of the Electrical Engineering Computer Science and Informatics Sistemasi: Jurnal Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial IJCIT (Indonesian Journal on Computer and Information Technology) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jurnal Teknik Komputer AMIK BSI Paradigma JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Sains dan Informatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Informatika Universitas Pamulang Jurnal Teknoinfo Infoman's: Jurnal Ilmu-Ilmu Manajeman dan Informatika METIK JURNAL

Windu Gata

STMIK Nusa Mandiri

Author-ID : 2438002

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Mathematics Social Sciences

Published : 32 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

Analisis Sentimen Penggunaan Twitter Terhadap Penggunaan Cairan Desinfektan Menggunakan Metode Term Frequency–Inverse Document Frequency Dan Support Vector Machine Hafez Aditya; Ardiansyah; Sidik; Windu Gata
Infoman's : Jurnal Ilmu-ilmu Manajemen dan Informatika Vol. 14 No. 2 (2020): Infoman's
Publisher : STMIK Sumedang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33481/infomans.v14i2.128

Polemik terhadap pro dan kontra penggunaan cairan desinfektan untuk memutus persebaran rantai penularan COVID 19 saat ini sedang marak dibicarakan di masyarakat, tak terkecuali juga di platform media sosial, khususnya twitter. Opini tersebut dapat dimanfaatkan sebagai bahan analisis sentimen untuk mengetahui penilaian serta pro dan kontra terhadap cairan desinfektan untuk memutus persebaran mata rantai virus corona sebagai penyebab pandemic COVID-19, apakah positif atau negatif, serta mengetahui faktor opini apa yang sering muncul. Hasil dari analisis sentimen tersebut dapat membantu dalam pemahaman masyarakat luas akan pentingnya penggunaan cairan desinfektan dengan benar untuk menghadapi wabah covid19 . Kata Kunci - Desinfektan, SVM,Twitter, COVID-19

Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen Analisis Komisi Pemilihan Umum Imam Santoso; Windu Gata; Atik Budi Paryanti
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

At this time sentiment analysis is very widely used by people to see the extent of people's sentiments towards an object. Objects that can be used in sentiment analysis can be various kinds, for example about the product regarding receipt by consumers, agencies or institutions regarding the performance of the agency. Whereas for this study taking sentiment analysis of the State Institution namely the General Election Commission (KPU) about the sentiments of the implementation of the ELECTION simultaneously and also the results of the implementation of the ELECTION which have become the subject of discussion by netizens on social media. So this research takes retweet data and retention comments from Twitter social media users. The algorithm used in this study is Support Vector Machine (SVM), with optimization of the use of Weight by Correlation Feature Selection (FS). The results of cross validation SVM without FS are 66.49% for accuracy and 0.716 for AUC. Whereas SVM with FS is 81.18% for accuracy and 0.943 for AUC. Very significant improvement with the use of Weight by Correlation Feature Selection (FS).

Analisis Sentimen Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization Suwanda Aditya Aaputra; Didi Rosiyadi; Windu Gata; Syepry Maulana Husain
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Increasingly sophisticated technology brings various conveniences both in transportation, information, education to the convenience of transactions in shopping, such as the development of E-wallet can now be easily done using a smartphone. From a number of e-wallet products, researchers took a case study, which is OVO product, which is currently being discussed by many groups, especially in the capital of Jakarta today. Customers or clients who are not satisfied with the services or products offered by a company will usually write their complaints on social media or reviews on Google play. However, monitoring and organizing opinions from the public is also not easy. For this reason, we need a special method or technique that is able to categorize these reviews automatically, whether positive or negative. The algorithm used in this study is Naive Bayes Classifier (NB), with the optimization of the use of Particle Swarm Optimization Feature Selection (FS). The results of cross validation NB without FS are 82.30% for accuracy and 0.780 for AUC. Whereas for NB with FS is 83.60% for accuracy and 0.801 for AUC. Very significant improvement with the use of Feature Selection (FS) Particle Swarm Optimization.

Integrasi N-gram, Information Gain, Particle Swarm Optimation di Naïve Bayes untuk Optimasi Sentimen Google Classroom Fajar Pramono; Didi Rosiyadi; Windu Gata
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

The use of Learning Management System (LMS) applications made by Google with name Google Classroom since 2015 in junior and senior high schools in Bekasi City helps the learning process become easier. However, its use can have positive and negative effects on students. Google Class Sentiment by integrating N-grams, Information Gain, Particle Swarm Optimization, and Naïve Bayes Classifiers that have never been done by researchers before. From the experiments carried out, N-gram can increase the accuracy of 6.7% and AUC 4%, while using PSO can increase the Accuracy of 9.9% and AUC of 10.4%.

Pemanfaatan Sensor Suhu DHT-22, Ultrasonik HC-SR04 Untuk Mengendalikan Kolam Dengan Notifikasi Email Siswanto; Ikin Rojikin; Windu Gata
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 3 No 3 (2019): Desember 2019
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

In the case of handling rainwater reservoirs, officers are currently overwhelmed, because they have to continue to monitor changes in water level manually. This is ineffective and inefficient because officers must always be present at the location of the water reservoir. While HR is very limited. The purpose of this study is to make an application to monitor and control water levels in rainwater reservoirs with temperature & humidity sensors DHT-22, ultrasonic sensors HC-SR04 and Arduino Uno R3 microcontrollers, so that they can report quickly to staff through email notifications making it easier for staff monitor changes in water level in a rainwater reservoir remotely. This application interface is made using the Arduino programming language, for its web display using the PHP programming language and MySQL database. The results of the trial were obtained as much as 90% of users said the system created was very helpful in controlling the water level of the water reservoir and working in realtime, and as many as 10% of users said the system created was less helpful in controlling the water level of the water reservoir.

Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja Hiya Nalatissifa; Windu Gata; Sri Diantika; Khoirun Nisa
Jurnal Informatika Universitas Pamulang Vol 5, No 4 (2020): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v5i4.7575

Absence is a problem for the company. Absenteeism is defined as a task that is assigned to an individual, but the individual cannot complete the task when he is not present. Absence from work is influenced by many factors, including mismatched working hours, job demand and other factors such as serious accidents / illness, low morale, poor working conditions, boredom, lack of supervision, personal problems, insufficient nutrition, transportation problems, stress, workload, and dissatisfaction. The purpose of this study is to predict absenteeism at work based on the Absenteeism at work dataset obtained from the UCI Machine Learning repository site using the Weka 3.8 application and the Naïve Bayes algorithm, Support Vector Machine (SVM), and Random Forest. In the results of the study, the Random Forest algorithm obtained the highest accuracy, precision, and recall values compared to the Naïve Bayes and SVM algorithms, which resulted in an accuracy value of 99.38%, 99.42% precision and a recall of 99.39%.

ANALISIS SENTIMEN APLIKASI RUANG GURU DI TWITTER MENGGUNAKAN ALGORITMA KLASIFIKASI Angelina Puput Giovani; Ardiansyah Ardiansyah; Tuti Haryanti; Laela Kurniawati; Windu Gata
Jurnal Teknoinfo Vol 14, No 2 (2020): Juli
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v14i2.679

E-learning merupakan pembelajaran berbasis elektronik dengan menggunakan komputer atau berbasis komputer. Salah satu aplikasi e-learning yang banyak dikenal saat ini adalah aplikasi Ruang Guru. Salah satu cara untuk mengetahui keberhasilan suatu aplikasi adalah dengan melakukan analisis sentimen terhadap aplikasi tersebut. Pada penelitian ini, analisis sentimen diambil dari komentar pengguna media sosial Twitter terhadap aplikasi Ruang Guru sebanyak 513 tweet, setelah dilakukan data cleaning, dengan sentimen positif sebanyak 338 tweet dan sentimen negatif sebanyak 175 tweet. Data tersebut diekstraksi menggunakan algoritma Naive Bayes (NB), Support Vector Machine (SVM), K-Nearest Neighbour (K-NN), dan feature selection dengan algoritma Particle Swarm Optimization (PSO). Penelitian ini membandingkan metode NB, SVM, K-NN tanpa menggunakan feature selection dengan metode NB, SVM, K-NN yang menggunakan feature selection serta membandingkan nilai Area Under Curve (AUC) dari metode-metode tersebut untuk mengetahui algoritma yang paling optimal. Hasil pengujian mendapatkan hasil bahwa aplikasi optimasi terbaik dalam model ini adalah algoritma PSO berbasis SVM dengan nilai akurasi sebesar 78,55% dan AUC sebesar 0,853. Penelitian ini berhasil mendapatkan algoritma yang efektif dan terbaik dalam mengklasifikasikan komentar positif dan komentar negatif terkait dengan aplikasi Ruang Guru

Analisis Algoritma K-Medoids Clustering Dalam Menentukan Pemesanan Hotel Wawan Kurniawan; Achmad Rifai; Windu Gata; Deni Gunawan
Swabumi Vol 8, No 2 (2020): Volume 8 Nomor 2 Tahun 2020
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v8i2.9393

Pada saat ini bisnis perhotelan berkembang begitu pesat, hal ini disebabkan karena banyak bermunculan hotel-hotel kecil, menengah sampai hotel berbintang dari satu sampai bintang lima sehingga persaingan dunia hotel semakin ketat. Pesatnya pertumbuhan hotel mendorong persaingan yang ketat sehingga banyak hotel melakukan inovasi baik dalam produk, layanan dan fasilitas yang dimiliki, kemudian data yang dimiliki suatu hotel merupakan salah satu aset dari suatu hotel tersebut. Oleh karena itu, hotel perlu mengelompokan pemesanan hotel sebagai pertimbangan dalam mengambil keputusan untuk strategi pemasaran untuk mencapai target yang dituju. Penelitian ini menggunakan metode K-Medoids agar dapat diketahui pola pemesanan hotel bagi para tamu hotel. K-Medoids merupakan metode partisional clustering yang bertujuan untuk menemukan set k-cluster di antara data yang paling mencirikan objek dalam kumpulan data. Clustering atau klusterisasi adalah salah satu alat bantu pada data mining yang bertujuan mengelompokkan objek-objek ke dalam cluster–cluster. Dari hasil penelitian yang telah dilakukan menghasilkan 3 cluster dengan cluster pertama terdiri dari 2.343 record transaksi, cluster ke-2 terdiri dari 1833 record transaksi, dan cluster ke-3 terdiri dari 4.530 record transaksi. Jumlah pemesanan hotel terbanyak terdapat pada cluster ke-3 dengan 4.530 record transaksi, yang bisa dijadikan barometer pemasaran, penentuan target tamu dan strategi-strategi promosi pihak hotel di masa mendatang.Kata Kunci: Pemesanan Hotel, Clustering, K-Medoids.

Penerapan Algoritma Klasterisasi dan Klasifikasi pada Tingkat Kepentingan Sistem Pembelajaran di Universitas Terbuka Nadiyah Hidayati; Ade Irma Rizmayanti; Chintamia Bunga Sari Dewi; Rhini Fatmasari; Windu Gata
Swabumi Vol 8, No 2 (2020): Volume 8 Nomor 2 Tahun 2020
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v8i2.8385

Universitas Terbuka merupakan Perguruan Tinggi Negeri (PTN) ke-45 di Indonesia yang menerapkan sistem belajar terbuka dan jarak jauh, keberhasilan pembelajaran lebih ditentukan oleh adanya jiwa kemandirian dan motivasi tinggi dari mahasiswa. Untuk mengetahui keberhasilan sistem pembelajaran yang diberikan, dilakukan survei menggunakan kuesioner yang dibagikan kepada mahasiswa untuk mengetahui penilaian dari masing-masing mahasiswa. Tujuan dari penelitian ini adalah untuk mengklaster dan mengklasifikasi data hasil kuesioner tingkat kepentingan sistem pembelajaran Universitas Terbuka dengan menggunakan software RapidMiner 9.0.0.3. Metode klasterisasi yang digunakan adalah algoritma k-medoids, sedangkan metode yang digunakan untuk klasifikasi adalah algoritma Naïve Bayes, k-NN, dan C4.5. Dari pengolahan data tersebut didapatkan hasil 2 klaster dengan pembagian data sebanyak 273 pada klaster 0 dan klaster 1 sebanyak 97 data. Pada proses klasifikasi, algoritma Naïve Bayes memperoleh nilai akurasi paling tinggi dibandingkan dengan algoritma yang lain dengan nilai akurasi sebesar 72,70% dengan nilai AUC sebesar 0,499. Sedangkan algoritma k-NN memperoleh nilai akurasi sebesar 71,62% dengan nilai AUC sebesar 0,438 dan algoritma C4.5 memperoleh nilai akurasi sebesar 68,92% dengan nilai AUC sebesar 0,450.

ANALISA CLUSTER APLIKASI PADA APP STORE DENGAN MENGGUNAKAN METODE K-MEANS Sofian Wira Hadi; Muhammad Fahmi Julianto; Syaifur Rahmatullah; Windu Gata
Bianglala Informatika Vol 8, No 2 (2020): Bianglala Informatika 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Bagi para pengguna iphone, salah satu tempat untuk mengunduh ratusan ribu aplikasi android adalah App Store. Aplikasi-aplikasi iOS di bagi menjadi ketegori-ketegori yang unik. Di dalam aplikasi iOS ini terdapat aplikasi-aplikasi yang berbayar dan gratis. Dengan kategori tersebut pengguna bisa dengan mudah mencari aplikasi yang dibutuhkannya. Pada penelitian ini kami menggunakan metode K-Means untuk melihat ciri-ciri dari atribut yang ada. Dataset App Store diambil dari website resmi kaggle. Tujuan dari penelitian ini adalah untuk menganalisa hasil cluster dari K-Means. Hasil dari penelitian adalah adanya sebuah cluster yang memiliki ciri-ciri aplikasi yang ideal, yaitu nilai user rating tinggi, harga yang cukup lumayan dan memiliki ukuran aplikasi yang rendah.

Co-Authors Abdul Hamid Abdul Latif Abdul Latif Abdussomad, Abdussomad Achmad Maezar Bayu Aji Achmad Rifai Ade Irma Rizmayanti Agustiani, Sarifah Akrom, Akrom Ali Mustopa, Ali Andi Saryoko Angelina Puput Giovani Ardiansyah Ardiansyah Ardiansyah Arifin Nugroho Chintamia Bunga Sari Dewi Cucu Ika Agustyaningrum Dedi Priansyah Deni Anugrah Sahputra Deni Gunawan Diantika, Sri Didi Rosiyadi Didi Rosiyadi Dwi Andriyanto Erni Erni Fachrurozi, Ahmad Fadillah Said Fajar Pramono Fakihotun Titiani Fariszal Nova Arviantino Grace Gata, Grace Hafez Aditya Hiya Nalatissifa Husain, Syepry Maulana Ikin Rojikin Imam Santoso Ipin Sugiyarto Irwan Herliawan Istiqal Hadi Jajang Jaya Purnama Jordy Lasmana Putra Kartika Handayani Khoirun Nisa Laela Kurniawati Lilyani Asri Utami, Lilyani Asri M. Rangga Ramadhan Saelan Mawadatul Maulidah Mufid Junaedi Muhammad Fahmi Julianto Muhammad Fahmi Julianto Muhammad Iqbal Muhammad Iqbal Muhammad Rifqi Firdaus Nadiyah Hidayati Nia Kusuma Wardhani Nuraeni Herlinawati Nurlaelatul Maulidah Paryanti, Atik Budi Prasetyo, Basuki Hari Rangga Pebrianto Ranu Agastya Nugraha Rendi Septian Retno Sari Rhini Fatmasari Ridan Nurfalah Ridwansyah Ridwansyah Riki Supriyadi Rizki Aulianita Safitri Linawati Saifurrachman Chohan Samudi Setiaji Setiaji Sidik Sidik Siswanto, Siswanto Siti Faizah Siti Khotimatul Wildah Siti Nurhasanah Nugraha Sofian Wira Hadi Sri Rahayu Sukmawati Anggraeni Putri Sukri Syafrudin Suwanda Aditya Aaputra Syaifur Rahmatullah Tri Rivanie Tuti Haryanti Wawan Kurniawan Widiastuti Widiastuti Yudhistira Yudhistira Yuliani, Yuri Yusuf Arif Setiawan

Title

Found 32 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 32 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 32 Documents
Search