Article Per Year (5 Year)
p-Index From 2021 - 2026
5.383
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Menara Riau: Jurnal Ilmu Pengetahuan dan Pengembangan Masyarakat Islam Infotech Journal Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Jurnal Pengabdian UntukMu NegeRI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) Dinamisia: Jurnal Pengabdian Kepada Masyarakat Sebatik ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Journal of Education Informatic Technology and Science Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) IJISTECH KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) INOVTEK Polbeng - Seri Informatika Journal of Computer Science Artificial Intelligence and Communications Jurnal Ilmu Komputer dan Teknik Informatika Jurnal Pengabdian Masyarakat Berdampak
Eka Pandu Cynthia
UIN Sultan Syarif Kasim RIau
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 1   2   3   4   5 
IMPLEMENTATION OF ELECTRE ALGORITHM IN DECISION SUPPORT SYSTEM FOR SELECTING EXEMPLARY STUDENT Eka Pandu Cynthia; Edi Ismanto
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 (1344.258 KB) | DOI: 10.33480/jitk.v6i1.1399

Abstract

One of the activities undertaken by the school to reward students for increasing motivation and enthusiasm for learning is the process of selecting exemplary students. Based on the observation of one of the junior high schools in Pekanbaru, the problem of difficulty in selecting the model students was obtained. This is because there are so many aspects and components of assessment that must be considered and taken into account by the school, both in terms of academic and non-academic students. Decision support system (SPK) plays an important role in supporting a decision, this research makes a model design in the form of a decision support system by applying the ELECTRE (Elimination Et Choix Traduisant La Relite) algorithm. The ELECTRE method is one of the Multi-Attribute Decision Making (MADM) methods that can provide decision recommendations based on the complexity of the attributes or criteria used in a decision support system. In this study, there are 8 components of the criteria used in the process of selecting exemplary students, namely the average report card, ranking, absenteeism, morals, achievements, organization, attitudes, and points of the violation. Based on the test results of the model built, it was found that the ELECTRE algorithm was able to select and rank 6 alternative model students based on assessment components and predetermined criteria. With the results of student A obtaining the highest aggregate value (2), followed by students B, C, D, E, and F with aggregate value 1 and finally student G with aggregate value 0. So student A can be proposed as a model student
Komparasi Metode SAW Dan ANP Dalam Merekomendasikan Penerima Bantuan Covid-19 Muhammad Khairy Dzaky; Eka Pandu Cynthia; Siska Kurnia Gusti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4415

Abstract

Abstrak - Pada masa sekarang ini, dunia dihebohkan dengan munculnya serangan virus yang disebut dengan Covid-19. Penyebaran virus ini sangatlah cepat sehingga membuat masyarakat menjadi khawatir dan gelisah. Untuk mengurangi penyebaran virus ini, pemerintah pusat menghimbau seluruh masyarakat untuk melaksanakan Pembatasan Sosial Berskala Besar (PSBB), karantina wilayah dan lockdown. Dengan diterapkannya himbauan ini mengakibatkan perekonomian masyarakat menjadi tidak stabil bahkan mengalami penurunan. Hal ini berdampak ke seluruh daerah di Indonesia termasuk salah satunya di Desa Pesisir. Untuk mengurangi dampak sosial ekonomi pandemi Covid-19 di desa Pesisir, pemerintah memberikan bantuan kepada masyarakat berupa bantuan langsung tunai desa dan bahan sembako. Meskipun begitu, bantuan yang diberikan masih belum disalurkan secara optimal, karena masih menggunakan distribusi berdasarkan subjektifitas pegawai kelurahan. Sehingga, konflik antar warga tidak dapat dihindari. Penelitian ini dilakukan untuk mengetahui siapa saja yang berhak untuk menerima bantuan Covid-19 di desa Pesisir yang ditentukan berdasarkan kategori dan kriteria yang telah ditetapkan. Penelitian ini menerapkan metode Simple Additive Weighting (SAW) dan metode Analytical Network Process (ANP) untuk menghasilkan rekomendasi mengenai siapa saja yang berhak menerima bantuan Covid-19 di desa Pesisir.Kata Kunci: Analytical Network Process (ANP), Covid-19, Desa Pesisir, Simple Additive Weighting (SAW),  Abstract - At this time, the world was shocked by the emergence of a virus attack called Covid-19. The spread of this virus is so fast that it makes people become worried and anxious. To reduce the spread of this virus, the central government urges the entire community to implement Large-Scale Social Restrictions (PSBB), regional quarantine and lockdown. With the implementation of this appeal, the community's economy became unstable and even experienced a decline. This has an impact on all regions in Indonesia, including one in the Coastal Village. To reduce the socio-economic impact of the Covid- 19 pandemic in Pesisir villages, the government provided assistance to the community in the form of direct village cash assistance in the form of basic necessities. Even so, the assistance provided is still not optimally distributed, because it is still using a distribution based on the subjectivity of kelurahan employees. Thus, conflicts between citizens cannot be avoided. This research was conducted to find out who is entitled to receive Covid-19 assistance in the Pesisir village which is determined based on the categories and criteria that have been set. This study applies the Simple Additive Weighting (SAW) method and the Analytical Network Process (ANP) method to produce recommendations regarding who is entitled to receive Covid-19 assistance in the Pesisir village.Keywords: Analytical Network Process (ANP), Covid-19, Pesisir village, Simple Additive Weighting (SAW),
Klasifikasi Sentimen Terhadap Maxim Menggunakan Algoritma SVM Pada Media Sosial Twitter Anggi Pranata; Elvia Budianita; Yusra Yusra; Eka Pandu Cynthia
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4253

Abstract

Abstrak - Twitter merupakan media sosial yang penggunanya paling pesat. Seiring perkembangan waktu, setiap ojek online memiliki popularitas di masing-masing user. Contoh saja Maxim, pendatang baru yang menyediakan layanan yang berbeda dengan ojek lain. Salah satu aktivitas yang biasa dilakukan para fans atau haters kepada akun twitter ojek online yaitu memberikan komentar pada tweet, untuk mengetahui komentar para fans dan haters diperlukan klasifikasi dengan menggunakan machine learning. Pada penelitian ini, langkah pertama adalah dilakukan proses sortir dan pemberian label pada data tersebut. Hasilnya akan tercipta 3 label yaitu label data positif, netral dan label data negatif dengan jumlah 1200 data. Selanjutnya melakukan analisa preprocessing data yang meliputi case folding, cleansing data, tokenizing, filtering dan stemming. Lalu dilakukan pembobotan dengan metode TF-IDF dan diklasifikasikan dengan metode Support Vector Machine. Hasil pengujian dilakukan dengan metode Confussion Matrix, berdasarkan hasil pengujian diperoleh akurasi terbaik pada perbandingan data 90:10 sebesar 85% dengan menggunakan Kernel RBF dan Polynomial, dilanjutkan dengan kernel Sigmoid sebesar 82,5% dimana hasil klasifikasi didominasi kalimat positif.Kata kunci: analisis sentiment, klasifikasi, ojek online, support vector machine, twitter Abstract - Twitter is one of the Social Medias which has a rapid user. Over the time, every Ojek Online, has its own popularity among their users. Maxim, for instance, a newcomer which provides a different service from other online motorcycle taxies. One of the activities which is always do by the fans or haters toward twitter account of online motorcycle taxies is giving comments on tweet. To identify the comments from fans or haters is required classification by using Machine Learning. In this research, the first step was sorting process and labelling the data. As the result 3 labels would have created, which were positive data label, neutral data label, and negative data label with total of 1200 data. The next step was conducting the analysis of preprocessing data which included case folding, data cleansing, tokenizing, filtering and stemming. Then, the weighting was carried out using the TF-IDF method and classified by the Support Vector Machine method. The test results were carried out using the Confusion Matrix method, based on the test results, the best accuracy was obtained at a data comparison of 90:10 by 85% using the RBF Kernel and Polynomial, followed by the Sigmoid kernel of 82.5% where the classification results were dominated by positive sentences.Key word: classification, Ojek Online, sentiment analysis, support vector machine, twitter
Klasifikasi Penerima Bantuan Covid-19 Menggunakan Metode Weighted K-Nearest Neighbour Adi Mustofa; Okfalisa Okfalisa; Eka Pandu Cynthia; Yelfi Yelfi; Siska Kurnia Gusti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4399

Abstract

Abstrak - Di awal tahun 2020 ini, World Health Organization (WHO) menerima laporan dari Cina mengenai kejadian infeksi berat yang belum diketahui penyebabnya. Kemudian WHO memberi nama virus ini sebagai Covid-19 pada 11 februari 2020. Covid-19 berdampak besar pada perekonomian global termasuk pada perekonomian Indonesia. Akibat penyebaran virus covid-19 banyak pelaku usaha mikro kecil (UMK) dan koperasi yang tidak bisa melakukan aktifitas usaha, Pelaku Industri Kecil yang tidak bisa melakukan aktifitas produksi, Jasa transportasi umum konvensional atau online dalam kota ,buruh, pekerja, atau tenaga harian lepas yang tidak memiliki pekerjaan, dan pekerja sektor formal yang dirumahkan atau korban Pemutusan Hubungan Kerja (PHK). Pemerintah daerah memberikan bantuan bagi masyarakat yang terdampak pandemi Covid-19. Dalam menentukan kelayakan penerima bantuan di kelurahan wonorejo masih menggunakan sistem manual, dimana penentuannya berdasarkan kriteria-kriteria dari hasil rekap data .Sehingga dalam jumlah data yang besar membutuhkan waktu yang relatif lama, serta ketelitian yang tinggi dalam menentukan kelayakan penerima bantuan. Untuk mengatasi permasalahan tersebut diperlukan sistem klasifikasi yang diharapkan dapat menentukan penerima bantuan. Metode yang dapat digunakan adalah Weighted KNN. Setelah dilakukan pengujian dengan Confusion Matrix dengan nilai k=5 didapatkan tingkat akurasi sebesar 87.69%.Kata Kunci: Bantuan, Covid-19, Klasifikasi, K-Neearest Neighbor, Weighted KNN. Abstract - In early 2020, the World Health Organization (WHO) received a report from China regarding the incidence of severe infections with unknown causes. Then on February 11, 2020 WHO named it as COVID-19. Covid-19 has had a major impact on the global economy, including the Indonesian economy. Due to the spread of the Covid-19 virus, many micro, small and medium enterprises and cooperatives are unable to carry out business activities, Small industry that unable to carry out production activities,public transportation service workers in the city both, laborer , and freelancer without a job, and laid-off formal sector workers. Local governments provide assistance to communities affected by the Covid-19 pandemic.  In determining the class of beneficiaries in Wonorejo District, the manual system is still used, where the determination is based on criteria from the results of the data recap. So that large amounts of data require a relatively long time, and high accuracy in determining the class of beneficiaries. To overcome these problem tersebut require classification system that expected to be able to determine the class of beneficiaries. The method that can be used is Weighted K-NN.The result of the Confusion Matrix method obtained an accuracy rate of 87.69%.Key Word:  Assistance, Covid-19, Classification, K-Neearest Neighbor, Weighted KNN
Analisis Sentimen Akun Twitter Apex Legends Menggunakan VADER Dicky Abimanyu; Elvia Budianita; Eka Pandu Cynthia; Febi Yanto; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4382

Abstract

Abstrak - Pesatnya peningkatan jasa internet saat ini, ada banyak informasi yang dihasilkan dalam jumlah besar secara terus menerus dalam waktu yang singkat. Akhir-akhir ini, analisis sentimen dengan menggunakan ulasan dan pesan telah menjadi topik penelitian yang populer dibicarakan di bidang Natural Language Processing. Selama bertahun-tahun, permainan online telah menjadi suatu aktivitas yang tidak bisa dipisahkan dari sebagian besar orang. Apex Legends adalah salah satu contoh game yang sangat popular di seluruh dunia. Untuk mendapatkan informasi bagaimana pendapat para pemain tentang permainan ini diperlukan analisis sentimen. Pada penelitian ini dilakukan analisis sentimen menggunakan bantuan aplikasi Orange Data Mining dengan metode VADER pada akun twitter Apex Legends menggunakan data sebanyak 500 tweet. Pengujian data dilakukan dengan membandingkan hasil yang didapat menggunakan metode VADER dengan hasil pengujian pakar, yaitu native speaker dari Canada dan Amerika. VADER mengklasifikasikan data yang didapatkan melalui twitter berdasarkan nilai compound yang didapat. Penelitian ini menghasilkan kesimpulan yaitu perbandingan dari pengujian menggunakan VADER dan pengujian pakar tidak berbeda jauh, yang mana total persentase dari penggunaan metode VADER untuk menganalisis sentiment dari twitter ini adalah : Positif = 18%, Negatif = 4,6%, Netral = 73,6%. Sedangkan   hasil pengujian pakar adalah : Positif = 27%, Negatif = 10,8%, Netral = 62,2%.Kata kunci: VADER, Apex Legends, Game, Twitter, Uji Pakar Abstract - With the rapid increase in internet services today, there is a lot of information produced in large quantities continuously in a short time. Recently, sentiment analysis using reviews and messages has become a popular research topic discussed in the Natural Language Processing field. Over the years, online gaming has become an activity that cannot be separated from most of the people. Apex Legends is one example of a game that is very popular around the world. To get information on how the players think about the game, sentiment analysis is needed. In this study, sentiment analysis was carried out using the Orange Data Mining application with the VADER method on the Apex Legends twitter account using 500 tweets (data). Data testing is done by comparing the results obtained using the VADER method with the results of expert testing, native speaker from Canada and America. VADER classifies the data obtained through twitter based on the compound value obtained. This study concludes that the comparison of testing using VADER and expert testing is not much different, where the total percentage of using the VADER method to analyze sentiment from Twitter is : Positive = 18%, Negative = 4,6%, Neutral = 73,6%. While the results of expert testing is : Positive = 27%, Negative = 10,8%, Neutral = 62,2%.Keywords : VADER, Apex Legends, Game, Twitter, Expert Test (Uji Pakar)
Perbandingan Pembobotan Kata Menggunakan Naïve Bayes Classifier Terhadap Analisa Sentimen Permendikbud No 30 Tahun 2021 Jeki Dwi Arisandi; Elvia Budianita; Eka Pandu Cynthia; Febi Yanto; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4420

Abstract

Abstrak - Kekerasan seksual di lingkungan Pendidikan mengalami peningkatan kasus dari tahun ke tahun. Menurut data dari Komnas Perempuan periode 2015-2020 kasus kekerasan seksual di lingkungan Pendidikan menunjukkan bahwa lingkungan Pendidikan sudah tidak menjadi tempat yang aman bagi peserta didik. Berdasarkan data kasus yang diadukan kepada komnas perempuan pada tahun 2015-2020 kasus kekerasan seksual tertinggi terjadi di lingkungan Universitas sebanyak 27%, lalu diikuti oleh Pesantren atau Pendidikan berbasis agama sebanyak 19% dan sisanya terjadi di tingkat SMU/SMK sebanyak 15%, SMP 7%, di tingkat TK,SD,SLB dan Pendidikan berbasis Kristen masing-masing sebanyak 3%. Bentuk kekerasan seksual yang terjadi di lingkungan Pendidikan tersebut berupa pemerkosaan, pencabulan, dan pelecehan seksual serta kekerasan psikis dan diskriminasi dengan mengeluarkan siswa dari sekolah. Berbagai kasus tersebut mendorong pihak Kementrian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia membuat Peraturan Menteri No 30 Tahun 2021 dengan tujuan untuk menangani berbagai kekerasan seksual yang selama ini masih terjadi di lingkungan Pendidikan. Namun setelah diterbitkannya Peraturan Menteri nomor 30 Tahun 2021 tersebut memunculkan beragam sentimen positif dan negatif dari masyarakat baik itu dari organisasi HAM dan organisasi keagamaan. Opini dari masyarakat tersebut dapat dijadikan bahan evaluasi bagi pemerintah untuk menilai kebijakan yang telah dibuat. Dalam penelitian ini membahas mengenai analisa sentimen Permendikbud no 30 tahun 2021 dengan melakukan perbandingan pembobotan kata menggunakan metode Naïve Bayes Classifier. Langkah awal yang penulis lakukan yaitu pengumpulan data dari media sosial Twitter sebanyak 468 data, kemudian memberikan pelabelan kelas data yang terdiri dari positif, negatif, dan netral lalu melakukan proses pembobotan menggunakan TF-IDF dan TF-RF yang bertujuan untuk melihat perbandingan proses pembobotan kedua metode tersebut. Berdasarkan dari proses dan hasil pengujian Confusion Matrix didapatkan akurasi terbaik dengan rasio 70:30 sebesar 73,94% dengan pembobotan TF-IDF.Kata Kunci: PERMENDIKBUD No 30 Tahun 2021, Kekerasan Seksual, Analisa Sentimen, Twitter, Naïve Bayes Classifier.Abstract - Sexual violence in the educational environment has increased in cases from year to year. According to data from Komnas Perempuan for the 2015-2020 period, cases of sexual violence in the educational environment show that the educational environment is no longer a safe place for students. Based on case data that was reported to Komnas Perempuan in 2015-2020 the highest cases of sexual violence occurred in universities as much as 27%, then followed by Islamic boarding schools or religion-based education as much as 19% and the rest occurred at the high school/vocational level as much as 15%, SMP 7 %, at the level of TK, SD, SLB and Christian-based education each as much as 3%. The forms of sexual violence that occur in the educational environment are in the form of rape, sexual abuse, and sexual harassment as well as psychological violence and discrimination by expelling students from school. These various cases prompted the Ministry of Education, culture, research, and Technology of the Republic of Indonesia to make Ministerial Regulation No. 30 of 2021 with the aim of dealing with various sexual violence that is still happening in the education environment. However, after the issuance of Ministerial regulation number 30 of 2021, it gave rise to various positive and negative sentiments from the community, both from human rights organizations and religious organizations. Public opinion can be used as evaluation material for the government to assess the policies that have been made. This study discusses the sentiment analysis of Minister of Education and Culture No. 30 of 2021 by comparing word weights using the Naïve Bayes Classifier method. The first step that the author took was collecting data from Twitter social media as much as 468 data, then labeling the data classes consisting of positive, negative, and neutral then carrying out a weighting process using TF-IDF and TF-RF which aims to compare the two weighting processes the method. Based on the process and results of the Confusion Matrix test, the best accuracy was obtained with a 70:30 ratio of 73.94% with TF-IDF weighting.Keywords: PERMENDIKBUD No 30 of 2021, Sexual Violence, Sentiment Analysis, Twitter, Naïve Bayes Classifier.
PREDIKSI DATA INDEKS HARGA KONSUMEN PROVINSI RIAU BERBASIS TIME SERIES DENGAN METODE DOUBLE EXPONENTIAL SMOOTHING Dina Septiawati; Siska Kurnia Gusti; Fadhilah Syafria; Yusra Yusra; Eka Pandu Cynthia
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3209

Abstract

Indeks Harga Konsumen merupakan indeks yang menghitung rata-rata perubahan harga barang dan jasa. Penelitian ini menggunakan data Indeks Harga Konsumen Provinsi Riau bulan Januari tahun 1999 sampai dengan bulan Desember tahun 2021 yang bersumber dari website resmi Badan Pusat Statistik Provinsi Riau. Penelitian ini bertujuan untuk memberikan gambaran tentang perkembangan indeks harga konsumen apakah mengalami kenaikan atau penurunan sehingga dapat dijadikan sebagai bahan evaluasi kebijakan yang akan diambil oleh pihak pemerintah, swasta, maupun pemegang otoritas moneter. Tahapan untuk prediksi dengan menggunakan metode double exponential smoothing yaitu menghitung nilai pemulusan tunggal (single smoothing), menghitung pemulusan ganda (double smoothing), menghitung nilai konstanta pemulusan, menghitung nilai kofisien trend, dan melalukan prediksi. Untuk melakukan pengujian prediksi maka dilakukan dengan cara perhitungan mean absolute percentage error. Berdasarkan perhitungan yang telah dilakukan, diperoleh hasil prediksi nilai indeks harga konsumen sebesar 105,17 dengan alpha 0,6 bernilai 3,132646%. Dapat disimpulkan bahwa metode double exponential smoothing mempunyai kemampuan yang baik dalam prediksi nilai indeks harga konsumen.
Pendekatan berbasis Machine Learning dan Leksikal Pada Analisis Sentimen Elvia Budianita; Eka Pandu Cynthia
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2022: SNTIKI 14
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada analisis sentimen terdapat dua pendekatan. Pertama berbasis machine learning dengan melatih data latih pada dataset yang telah dilabelkan secara manual dengan melibatkan seorang pakar atau Annotator. Pendekatan yang kedua adalah berbasis leksikal (Lexicon Based) yang tidak memerlukan pelatihan dataset untuk menemukan polaritas sentiment. Data set komentar yang digunakan adalah mengenai penyedia jasa transportasi online local Maxim di media social Twitter. Data set komentar yang dilabel secara manual akan diklasifikasikan ke dalam kelas positif netral, dan negatif menggunakan metode Support Vector Machine (SVM). Berdasarkan hasil pengujian diperoleh kesimpulan bahwa analisis sentimen untuk kasus Maxim menggunakan pelabelan manual yang dilatih menggunakan metode SVM adalah lebih banyak mengandung kalimat positif sedangkan jika menggunakan pelabelan Lexicon based lebih banyak mengandung kalimat netral
SISTEM PENDUKUNG KEPUTUSAN PRIORITAS PERBAIKAN JALAN PROVINSI RIAU MENGGUNAKAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) Ardiansyah Saputra; Yelvi Vitriani; Novi Yanti; Eka Pandu Cynthia; Octadino Hariyadi
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.3770

Abstract

Jalan adalah infrastruktur yang memiliki kekuatan penting dalam mendorong pertumbuhan dan pembangunan di Indonesia, Akan tetapi masih banyak ruas jalan khususnya di Provinsi Riau yang mengalami kerusakan. Dinas PUPRPKPP Provinsi Riau tidak dapat memperbaiki semua jalan yang rusak, hal ini karena dana yang diterima tidak cukup untuk semua ruas jalan yang akan diperbaiki .Upaya perbaikan jalan yang rusak masih kurang tepat sasaran karena faktor pemikiran yang berbeda.berdasarkan permasalahan tersebut dibutuhkan sebuah sistem pendukung keputusan untuk membantu memperbaiki jalan dan dapat mengurangi resiko dalam pengambilan keputusan. Metode perhitungan yang digunakan adalah Multifactor Evaluation Process(MFEP). Metode pengumpulan data yang digunakan adalah Studi Pustaka dan Wawancara. Sistem menggunakan Black box dan User Acceptance Test (UAT) untuk melakukan pengujian, dengan menggunakan perhitungan skala Likert mendapatkan hasil 99,33% (sangat baik).sehingga dapat disimpulkan bahwa sistem telah berhasil dibuat melalui proses perhitungan dan perangkingan menggunakan metode Multifactor Evaluation Process (MFEP) untuk prioritas perbaikan jalan Provinsi Riau.
Design Rancangan User Interface Aplikasi My Pets Dengan Menggunakan Metode Design Thinking Roni Setyawan; Reski Mai Candra; Eka Pandu Cynthia; Febi Yanto; Muhammad Affandes
JURIKOM (Jurnal Riset Komputer) Vol 9, No 6 (2022): Desember 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v9i6.5305

Abstract

The research was made to produce an application design using the design thinking’s method. The system made on the basis of user interface and user experience. The user interface is used to meet user needs, while the user experience is used as an assessment of the system designed. The target of My Pets application is for pet parents. It  has several stages; empathize, define, ideate, prototype, and testing. At the empathize stage it produces the main problems which are used as material for researchers to find a solution, problems obtained from the results of interviews and observations of 25 respondents. In the define stage, it begins to determine the problem as main focus to be solved. The ideate stage, it generates a solution to an existing problem. The prototype stage develops designs based on the previous stages. At the testing stage using the system usability scale to 25 respondents and getting a result of 87.7 or excellent. Based on the test results, My Pets application has been completed and assessed as effective based on the design thinking’s method. It is expected the design made can be used and the system developed better in the future
Co-Authors Adi Mustofa Afriyanti, Liza Ahyani Junia Karlina Alwis Nazir Anggi Pranata Anwar Alfaruqi Sipayung Aprijon Ardiansyah Saputra Arifandy, M. Imam Baehaqi Batubara, Supina Budianita , Elvia Chinthia, Maulidania Mediawati Dicky Abimanyu Dina Septiawati Edi Ismanto Effendi, Noverta Eka, Muhammad Elin Haerani Elvia Budianita Fadhilah Syafria Febi Yanto Fikri, Mhd Ikhsanul Fitra Kurnia Fitri Insani Fitri Wulandari Fitriani Muttakin Fitriani Muttakin Gultom, Imeldawaty Gusti, Siska Kurnia Hammam Zaki Hanafiah, Anggi Harahap, Ramadhan Hasdi Radiles Iis Afrianty Inggih Permana Intan Eria Elfi Iwan Iskandar Iwan Iskandar Jannata, Nanda Januar Al Amien Jasril Jasril Jeki Dwi Arisandi Khairuniza, Nabila Lestari Handayani M Imam Arifandy M. Afdal M. Afdal M. Afif Rizky A. M. Imam Arifandy Mardiah Maripati, Maripati mohamad samuri, suzani Muhammad Affandes Muhammad Amin Muhammad Fikry Muhammad Hasanuddin, Muhammad Muhammad Irsyad Muhammad Khairy Dzaky Muhammad Ridha MUHAMMAD YUSUF Muhammad Zen, Muhammad Mulyati, Sabar Mushlihul Afif Nazaruddin Nazaruddin Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Novi Yanti Novi Yanti nursalisah, febi Octadino Hariyadi Okfalisa Okfalisa Oktaria, Wina Pizaini Pizaini Putra, Randi Rian Rahmad Al Rian Rahmat Al Hafiz Rahmawati Raihan Mahdy Reski Mai Candra Ritonga, Sinta Wahyuni Rizki, Cindy Atika Roni Setyawan Rusmin Saragih, Rusmin Sarbaini Sarbaini Sinaga, Ayu Puspita Sari Siti Ramadhani Sugandi, Hatami Karsa Sulistia Ningsih, Sulistia Surya Agustian Suwanto Sanjaya Syafitri, Nesi Syaifullah Syaifullah Yelfi Yelfi Yelvi Fitriani Yelvi Fitriani Yelvi Vitriani Yenggi Putra Dinata Yudhi Arta, Yudhi Yusra Yusra . Yusra Yusra Yusra Yusra Yusra, Yusra Zulham Zulham