Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Inspiration Creative Information Technology Journal ILKOM Jurnal Ilmiah JurTI (JURNAL TEKNOLOGI INFORMASI) Angkasa: Jurnal Ilmiah Bidang Teknologi Informasi Interaktif Jurnal Tecnoscienza Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi Prisma Sains: Jurnal Pengkajian Ilmu dan Pembelajaran Matematika dan IPA IKIP Mataram Explore
Emha Taufiq Luthfi
Universitas Amikom Yogyakarta
Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Mathematics Physics Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Creative Information Technology Journal

 1 
Sistem Pendukung Keputusan Pemilihan Sales Terbaik Veny Cahya Hardita; Ema Utami; Emha Taufiq Luthfi
Creative Information Technology Journal Vol 5, No 2 (2018): Februari-April
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (284.159 KB) | DOI: 10.24076/citec.2018v5i2.177

Abstract

Peran sales dalam sebuah perusahaan yaitu seseorang yang bertugas untuk melakukan tugas menawarkan, mendistribusikan dan mencari pesanan pelanggan yang berupa produk, termasuk juga mengumpulkan informasi tertentu dari para konsumen. Sehingga tugas sales ini sangat penting dalam pendapatan sebuah perusahaan. Dengan membuat apresiasi setiap bulan berupa tunjangan bonus setiap bulan yang hanya diberikan kepada sales terbaik, maka akan memberikan semangat para sales dalam melakukan promosi dan penjualan terhadap produk pada perusahaan tersebut. Dalam memberikan apresiasi diperlukan sebuah sistem pendukung keputusan untuk merangkingkan sales terbaik yang akan dipilih. Penelitian ini menggunakan metode Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity (TOPSIS). Metode ini dirasa mampu untuk merekomendasikan sales terbaik setiap bulannya pada suatu perusahaan. Hasil dari penelitian ini berupa rangking dan selanjutnya akan dibuat rekomendasi untuk sales terbaik yang akan dipilih. Hasil yang didapat pada penelitian menggunakan metode SAW TOPSIS yaitu alternatif C11 terpilih sebagai sales terbaik dengan nilai 0,650 sehingga menjadikan Afandi sales terbaik.Kata Kunci—Sales, SAW, TOPSIS, RangkingThe role of sales in a company is someone who is tasked with the task of offering, distributing and searching for customer’s product order, this is include collecting certain information from customers. So the sales task is very important for earnings of company with monthly appreciation in the form of bonus allowance for the best sales, it is expected to encourage sales to promote and sell the company’s product. In giving appreciation need a decision support system to rank the best sales to be chosen. This research will discuss about the implementation of Simple Additive Weighting (SAW) and Technique for Order Preference by Similarity (TOPSIS) method. This method is considered capable of recommending the best sales every month for a company. The results of this research are in the form of ranking and recommendations will then be made for the best sales to be selected. The research result using SAW and TOPSIS method is the alternative C11 is choose as the best sales with score 0.650 and made Affandi as the best sales.Keywords—Sales, SAW, TOPSIS, Ranking
Algoritma LSTM-CNN untuk Binary Klasifikasi dengan Word2vec pada Media Online Dedi Tri Hermanto; Arief Setyanto; Emha Taufiq Luthfi
Creative Information Technology Journal Vol 8, No 1 (2021): Januari - Juni
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/citec.2021v8i1.264

Abstract

Media online banyak menghasilkan berbagai macam berita, baik ekonomi, politik, kesehatan, olahraga atau ilmu pengetahuan. Di antara itu semua, ekonomi adalah salah satu topik menarik untuk dibahas. Ekonomi memiliki dampak langsung kepada warga negara, perusahaan, bahkan pasar tradisional tergantung pada kondisi ekonomi di suatu negara. Sentimen yang terkandung dalam berita dapat mempengaruhi pandangan masyarakat terhadap suatu hal atau kebijakan pemerintah. Topik ekonomi adalah bahasan yang menarik untuk dilakukan penelitian karena memiliki dampak langsung kepada masyarakat Indonesia. Namun, masih sedikit penelitian yang menerapkan metode deep learning yaitu Long Short-Term Memory dan CNN untuk analisis sentimen pada artikel finance di Indonesia. Penelitian ini bertujuan untuk melakukan pengklasifikasian judul berita berbahasa Indonesia berdasarkan sentimen positif, negatif dengan menggunakan metode LSTM, LSTM-CNN, CNN-LSTM. Dataset yang digunakan adalah data judul artikel berbahasa Indonesia yang diambil dari situs Detik Finance. Berdasarkan hasil pengujian memperlihatkan bahwa metode LSTM, LSTM-CNN, CNN-LSTM memiliki hasil akurasi sebesar, 62%, 65% dan 74%.Kata Kunci — LSTM, sentiment analysis, CNNOnline media produce a lot of various kinds of news, be it economics, politics, health, sports or science. Among them, economics is one interesting topic to discuss. The economy has a direct impact on citizens, companies, and even traditional markets depending on the economic conditions in a country. The sentiment contained in the news can influence people's views on a matter or government policy. The topic of economics is an interesting topic for research because it has a direct impact on Indonesian society. However, there are still few studies that apply deep learning methods, namely Long Short-Term Memory and CNN for sentiment analysis on finance articles in Indonesia. This study aims to classify Indonesian news headlines based on positive and negative sentiments using the LSTM, LSTM-CNN, CNN-LSTM methods. The dataset used is data on Indonesian language article titles taken from the Detik Finance website. Based on the test results, it shows that the LSTM, LSTM-CNN, CNN-LSTM methods have an accuracy of, 62%, 65% and 74%.Keywords — LSTM, sentiment analysis, CNN
Co-Authors Abdullah Ardi Arham Rahim Arief Setyanto Bambang Soedijono WA Berlilana Berlilana Dedi Tri Hermanto Ema Utami Fiyas Mahananing Puri Kaharuddin Kanafi Kanafi Kusrini Kusrini M. Suyanto Pranata, Caraka Aji Rizky Handayani Sigit Suryono Stabit Handoyo Supriyati Supriyati Veny Cahya Hardita Victor Saputra Ginting Wahyu Adie Saputro