Article Per Year (5 Year)
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
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
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
Sentimen Analisis Penerapan Social Distancing Menggunakan Feature Selection Pada Algoritma Support Vector Machine Siti Nurhasanah Nugraha; Tri Rivanie; Sri Rahayu; Windu Gata; Rangga Pebrianto
JURNAL TEKNIK KOMPUTER Vol 6, No 2 (2020): JTK-Periode Juli 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (534.225 KB) | DOI: 10.31294/jtk.v6i2.8126

Abstract

“Social Distancing” atau dalam kata lain mengurangi interaksi sosial dengan orang lain sangat berpotensi dalam menyelamatkan kehidupan jutaan orang di masa pandemic COVID-19. Anjuran pemerintah kepada masyarakat untuk penerapan social distancing tak lepas dari pendapat atau opini pengguna sosial media yang salah satunya disuarakan melalui twitter. Salah satu metode atau teknik untuk mengelompokkan kategori opini atau pendapat dari pengguna sosial media adalah sentiment analyst. Penelitian ini menggunakan dataset yang di crawling dari twitter dengan kata kunci “Social Distancing”. Data hasil crawling tersebut diolah menggunakan model algoritma SVM dengan penambahan feature selection Weight by Correlation. Penelitian ini membandingkan hasil cross validation algoritma SVM tanpa feature selection dan algoritma SVM dengan feature selection. Hasil cross validation SVM tanpa feature selection menunjukkan nilai accuracy sebesar 67,00% dan nilai AUC sebesar 0,709. Sedangkan hasil cross validation algoritma SVM dengan feature selection menunjukkan nilai accuracy sebesar 70,33% dan nilai AUC sebesar 0,838. Dari kedua model tersebut diketahui bahwa penggunaan feature selection Weight by Correlation dapat meningkatkan nilai Accuracy dan nilai AUC. Sehingga dapat disimpulkan bahwa penambahan feature selection Weight by Corellation sangat baik apabila digunakan pada algoritma Support Vector Machine (SVM) karena dapat menghasilkan nilai akurasi dan nilai AUC yang lebih tinggi.
Prediksi Status Pinjaman Bank dengan Deep Learning Neural Network Sukri Syafrudin; Ranu Agastya Nugraha; Kartika Handayani; Safitri Linawati; Windu Gata
JURNAL TEKNIK KOMPUTER AMIK BSI Vol 7, No 2 (2021): JTK-Periode Juli 2021
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (370.917 KB) | DOI: 10.31294/jtk.v7i2.10474

Abstract

Penilaian risiko pada penentuan status pinjaman merupakan proses yang penting dalam usaha simpan pinjam. Prediksi dalam mengklasifikasikan apakah nasabah akan melunasi atau tidak akan menentukan pengambilan keputusan dan tindaklanjutnya yang berdampak pada kinerja entitas dalam menjalankan usahanya. Berbagai teknik dalam prediksi status pinjaman dengan machine learning diterapkan dengan hasil yang meningkat dalam akurasi dan performance. Metode Deep Learning Neural Network (DNN) merupakan salah satu metode machine learning yang sekarang ini memiliki peran penting di era big data dimana data yang besar, dengan kemampuan mesin yang mumpuni dan kompleksitas pada suatu fitur mampu ditangani oleh DNN. Penelitian ini memvariasikan beberapa arsitektur dan parameter dalam pembangunan model DNN dengan score yang terbaik. Pengujian terhadap dataset bank loan status dengan metode DNN menghasilkan akurasi 82.27% tidak lebih baik dari metode SVM dengan hasil akurasi 84%. Namun metode DNN masih lebih baik dibandingkan dengan metode lainnya. Karena penggunaan variasi arsitektur dan parameter DNN tidak berpengaruh signifikan dalam menghasilkan score terbaik. Data yang diproses benar-benar diperlukan pemrosesan lebih lanjut sebelum dilakukan pemodelan.
Analisis Sentimen Pengguna Aplikasi Duolingo Menggunakan Metode Naïve Bayes dan Synthetic Minority Over Sampling Technique Saifurrachman Chohan; Arifin Nugroho; Achmad Maezar Bayu Aji; Windu Gata
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (510.885 KB) | DOI: 10.31294/p.v22i2.8251

Abstract

Belajar bahasa asing menjadi salah satu perhatian penting agar dapat bersaing dengan dunia internasional. Keterbatasan waktu dan biaya membuat aplikasi belajar bahasa inggris pada perangkat mobile lebih disukai sebagai media pembelajaran bahasa asing. Salah satu aplikasi yang sering di gunakan untuk belajar bahasa asing pada perangkat mobile adalah duolingo. Penelitian ini bertujuan untuk menemukan dan membandingkan klasifikasi dalam sentimen analisis dari ulasan pengguna aplikasi duolingo yang didapat dari google playstore. Text mining digunakan untuk membagi ulasan yang diberikan pengguna menjadi dua kelompok yaitu ulasan positif dan ulasan negatif. Rapid miner digunakan untuk mencari dan membandingkan dua metode klasifikasi yang berbeda antara dataset yang menggunakan Naive Bayes Classification saja dan data set yang menggunakan algoritma naive bayes dengan syntetic minority over-sampling technique (SMOTE). Hasil dari dua metode dalam penelitian ini menemukan bahwa hasil tertinggi didapatkan menggunakan algoritma naive bayes dengan syntetic minority over-sampling technique (SMOTE) dimana memiliki tingkat akuransi 91,95% dan AUC sebesar 0.740.
Penentuan Faktor Kelayakan Penerimaan Karyawan Menggunakan Algoritma Decision Tree pada Perusahaan PT. Personel Alih Daya Deni Anugrah Sahputra; M. Rangga Ramadhan Saelan; Lilyani Asri Utami; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.225

Abstract

Kebutuhan pekerjaan yang semakin meningkat, membuat pelamar pekerjaan semakin meningkat[2]. PT Personel Alih Daya (PERSADA) adalah salah satu outsourcing di Indonesia yang sudah memiliki 19 kantor cabang. membutuhkan banyak kandidat untuk pemenuhan tenaga kerja di Mitra. oleh karena itu diadakan walkin interview dari hari Senin sampai dengan Jumat. Untuk mendapatan tenaga kerja yang memenuhi standar kualifikasi mitra. Pelamar kerja yang datang (walk in interview) ke PT Personel Alih Daya (PERSADA) rata-rata mencapai 50 orang setiap harinya. 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. Personel Alih Daya. Untuk menentukan kelayakan tenaga kerja baru bisa di klasifikasikan dengan cepat menggunakan prediksi berdasarkan kriteria paling berpengaruh dalam menentukan kelayakan penerimaan karyawan. dilakukan dengan menggunakan metode C4.5 artibut yang digunakan dalam penelitian tersebut berdasarkan umur, domisili, jenis kelamin, Posisi kerja, jurusan, referensi, level pendidikan dan hasil test. Dengan algoritma tersebut menghasilkan angka akurasi 73,27 serta dengan angka curva AUC 0,789.
Komparasi Algoritma Klasifikasi untuk Prediksi Minat Sekolah Tinggi Pelajar pada Students Alcohol Consumption M. Rangga Ramadhan Saelan; Deni Anugrah Sahputra; Widiastuti Widiastuti; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.236

Abstract

Penerapan Algoritma Greedy Dalam Pencarian Jalur Terpendek Pada Masjid–Masjid Di Kota Samarinda Fariszal Nova Arviantino; Windu Gata; Laela Kurniawati; Yusuf Arif Setiawan; Dedi Priansyah
METIK JURNAL Vol 5 No 1 (2021): METIK Jurnal
Publisher : LP3M Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/metik.v5i1.188

Abstract

Pencarian jalur terpendek pada masjid – masjid di kota Samarinda sangat diperlukan oleh ustadz, kyai maupun ulama yang ingin mengadakan safari dakwah. Selain itu juga diperlukan oleh instansi terkait seperti kementerian agama yang ingin melakukan kunjungan dengan tujuan pendataan masjid. Algoritma greedy bekerja dengan menccari titik bobot yang terkecil dengan menghitung jalur yang dilewati dan tergantung dari bobot tahapan yang telah dilewati serta bobot pada tahap itu sendiri. Penelitian ini menguji algoritma greedy pada 7 masjid di tengah kota Samarinda yang sering dikunjungi untuk safari dakwah maupun aktivitas lainya.
Implementasi Algoritma Djikstra untuk Menentukan Lokasi dan Jarak Tempuh Terpendek Bank Syariah di Samarinda Yusuf Arif Setiawan; Windu Gata; Sidik; Fariszal Nova Arviantino
METIK JURNAL Vol 5 No 1 (2021): METIK Jurnal
Publisher : LP3M Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/metik.v5i1.212

Abstract

Bank Syariah menjadi prefrensi utama bagi sebagian penganut agama Islam saat bertransaksi atau menyimpan uangnya. Walaupun sudah lama konsep Bank Syariah ada di Indonesia, namun hingga saat ini keberadaan Bank Syariah belum banyak diketahui masyarakat. Hal ini dapat dipahami karena jumlah Bank Syariah masih dapat dihitung dengan jari. Hal lainnya, lokasi Bank Syariah juga jarang menempati jalan protokol, sehingga sulit ditemukan. Oleh karena itu dibutuhkan informasi rute terdekat yang dapat dilalui menuju kantor Bank Syariah. Untuk penentuan rute terdekat digunakan Algoritma yang biasa dipakai untuk pencarian rute terpendek yaitu Algoritma Dijkstra. Dengan adanya informasi rute terdekat dari pasar menuju kantor Bank Syariah, maka ketika dalam keadaan mendesak nasabah tidak lagi kesulitan mencari jalur yang paling dekat menuju kantor Bank Syariah
CLASSIFICATION OF THE PROSPECTS FOR CITY TREES LIFE EXPECTANCY USING NAIVE BAYES METHOD Muhammad Rifqi Firdaus; Abdul Latif; Ipin Sugiyarto; Windu Gata
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 1 (2020): JITK Issue August 2020
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1130.708 KB) | DOI: 10.33480/jitk.v6i1.1405

Abstract

Besides the city is a large and extensive residential area. as a center for the activities of its citizens, both from economic, cultural, and development activities. Development in the city leads to the physical development of the city with the many facilities and infrastructure in the city, making activities in the city cause some pollution problems. To overcome this problem, the government often creates green open space in the middle of the city. Planting shade trees will help to balance the problem of pollution due to development. Trees can reduce temperatures, in addition to absorbing air and climate pollution. trees can help save energy. Naive Bayes is a classification with probability and statistical methods, namely predicting future opportunities based on experience based on the assumption of simplification that attribute values are conditionally free if given an output value. Data processing with Naive Bayes produces a Precision value of 0.840%, a recall value of 0.848%, and an AUC of 0.873%. These results indicate that the results are included in the excellent category.
IMPLEMENTATION OF PARTICLE SWARM OPTIMIZATION BASED MACHINE LEARNING ALGORITHM FOR STUDENT PERFORMANCE PREDICTION Muhammad Iqbal; Irwan Herliawan; Ridwansyah Ridwansyah; Windu Gata; Abdul Hamid; Jajang Jaya Purnama; Yudhistira Yudhistira
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 2 (2021): JITK Issue February 2021
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1716.24 KB) | DOI: 10.33480/jitk.v6i2.1695

Abstract

Education plays an important role in the development of a country, especially educational institutions as places where the educational process has an important goal to create quality education in improving student performance. Based on research conducted in the last few decades the quality of education in Portugal has improved, but statistics show that the failure rate of students in Portugal is high, especially in the fields of Mathematics and Portuguese. On the other hand, machine learning which is part of Artificial Intelligence is considered to be helpful in the field of education, one of which is in predicting student performance. However, measuring student performance becomes a challenge since student performance has several factors, one of which is the relationship of variables and factors for predicting the performance of participating in an orderly manner. This study aims to find out how the application of machine learning algorithms based on particle sworm optimization to predict student performance. By using experimental research methods and the results of empirical studies shown in each model, namely random forest, decision tree, support vector machine and particle swarm optimization based neural network can improve the accuracy of student performance predictions.
DETERMINATION OF PERMANENT LECTURERS IN IBM ASMI INFORMATION SYSTEM PRODUCT WITH SAW AND CURRENT METHOD Rendi Septian; Istiqal Hadi; Ridwansyah Ridwansyah; Windu Gata; Widiastuti Widiastuti; Muhammad Iqbal
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 2 (2021): JITK Issue February 2021
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1295.058 KB) | DOI: 10.33480/jitk.v6i2.1740

Abstract

Abstract— Determining the quality standards of lecturers refers to the criteria of education, research, and community service. The campus can carry out the first process for selecting permanent lecturers effectively by looking at several criteria. By using a Decision Support System (DSS), the four categories can be used as guidelines for decision-makers to choose permanent lecturers. The goal of writing this journal is to support the effectiveness of the time for decision-makers to choose permanent lecturers in the early stages by combining the Additive Ratio Assessment (ARAS) and Simple Additive Weighting (SAW) methods. Where the SAW method has the advantage of accurate assessment because the value of criteria and weights have been determined, while the ARAS method compares each criterion value to each optimal alternative as a whole to get an ideal alternative. The result of combining the two methods can describe the prospective lecturers who are suitable to be used as permanent lecturer criteria. Judging from the ranking results in calculations, the values obtained are 0.146341, 0.134146, and 0.121951. These results prove that ranking with an assessment using the combination of SAW and ARAS methods results in an effective, accurate, and efficient assessment. Keywords: Additive Ratio Assessment, Decision Support Systems, Permanent lecturer, Simple Additive Weighting. Intisari— Menentukan standar kualitas dosen mengacu kepada kriteria pendidikan, penelitian, dan pengabdian kepada masyarakat. Pihak kampus dapat melakukan proses pertama untuk pemilihan dosen tetap secara efektif dengan melihat beberapa kriteria. Dengan menggunakan Sistem Penunjang Keputusan (SPK), keempat kategori tersebut bisa dijadikan pedoman bagi pengambil keputusan untuk memilih dosen tetap. Tujuan penulisan jurnal ini adalah untuk membantu keefektifan waktu bagi pengambil keputusan untuk memilih dosen tetap tahap awal dengan penggabungan metodeAdditive Ratio Assessment (ARAS) dan Simple Additive Weighting (SAW).Dimana metode SAW mempunyai keunggulan penilaian akurat karena untuk nilai kriteria dan bobot telah ditentukan, sementara metode ARASmelakukan perbandingan setiap nilai kriteria terhadap masing alternatif optimal secara keseluruhan untuk mendapatkan alternatif yang ideal. Hasil penggabungan dua metode tersebut dapat menggambarkan calon dosen yang sesuai untuk dijadikan kriteria dosen tetap.Dilihat dari hasil perangkingan dalam perhitungan, nilai yang didapat 0,146341 ,0,134146 dan 0,121951. Hasil ini membuktikan bahwa perangkingan dengan penilaian menggunakan penggabungan metode SAW dan ARAS menghasilkan penilaian yang efektif, akurat dan efisien. Kata Kunci: Additive Ratio Assessment, Sistem Penunjang Keputusan, Dosen Tetap, Simple Additive Weighting.
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 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