Articles
Agenda Media Februari 2014
Nugroho, Aryo
Agenda Media Suratkabar Ibukota No 2 (2014)
Publisher : Agenda Media Suratkabar Ibukota
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Pada tahun anggaran 2014 ini BPPKI DKI Balitbang SDM Kementerian Komunikasi dan Informatika Jakarta mulai meng-on line-kan produk hasil kajiannya kepada khalayak luas. Penyajiannya dilakukan pada jurnal.kominfo.go.id/index.php/mkm.Hasil kajian ini berupa hasil analisis agenda setting terhadap empat suratkabar ibukota, yaitu Media Indonesia, Kompas, Republika dan Rakyat Merdeka. Recording unit pada studi content analysis ini yaitu berita yang menjadi headline pada masing-masing suratkabar di setiap edisi. Karena itu, pelaporan kegiatan ini disajikan pada setiap bulan setelah bulan kajian. Kajian ini sendiri bertujuan agar masyarakat dapat mengetahui dengan cepat isi highlight suratkabar ibukota. Dengan tujuan dimaksud, karenanya dalam laporan on line tersebut isi Agenda Media Suratkabar Ibukota hanya menjawab persoalan-persoalan : 1) Apakah topik yang diagendakan suratkabar itu ?; 2) Bidang apakah yang diagendakan suratkabar itu ?; 3) Pihak mana sajakah yang dijadikan sebagai sumber berita dalam pengagendaan media suratkabar itu ? 4) Pihak mana sajakah yang menjadi sasaran komunikasi nara sumber dalam pengagendaan media itu ? dan 5) Dalam judul headline suratkabar apa sajakah pengagendaan media itu disajikan ? Penyajian hasil kajian ini sendiri dilakukan dalam bentuk tabel-tabel tunggal. Ini dimaksudkan agar pembaca dapat dengan mudah dan gampang dalam memahami dan memanfaatkan hasil kajian tersebut. Dalam pelaksanaannya, kegiatan ini dilakukan oleh sebuah tim . Pengumpulan dan pengolahan datanya dilakukan oleh tenaga fungsional litkayasa. Sementara kegiatan penyajian, analisis dan kesimpulan data dilaksanakan oleh tim tenaga fungsional peneliti.
Analisa Sentimen Pengunjung Hotel Dengan K-Nearest Neighbor Studi Kasus Hotel Pop! Surabaya
Permana, Kevin;
Putra, Zuda Pradana;
Nugroho, Aryo
Jurnal Ilmu Komputer dan Bisnis Vol. 12 No. 2 (2021): Vol. 12 No. 2 (2021): Vol. 12 No. 2 (2021)
Publisher : STMIK Dharmapala Riau
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Keberadaan tripadvisor telah banyak digunakan masyarakat luas untuk mencari dan memesan hotel, salah satu hotel yang sering di pesan adalah hotel POP! Surabaya. Hotel yang dinilai merupakan hotel yang banyak orang tahu dan memiliki harga yang terjangkau sehingga tidak sedikit wisatawan dari luar maupun dalam kota yang memesan hotel tersebut. Oleh karena itu, penelitian ini mencoba untuk menganalisis hotel POP! Surabaya melalui ulasan berbahasa Indonesia yang memiliki banyak ulasan antara negatif dan positif. Pada penelitian ini terdiri dari beberapa tahap. Tahap pertama adalah proses pre-processing yang terdiri dari proses case folding, tokenisasi, stemming, normalisasi kata, dan stopwordl. Selanjutnya pada tahap kedua adalah dengan melakukan pembobotan kata menggunakan metode TF-IDF. Pada tahap terakhir yaitu melakukan klasifikasi dengan metode klasifikasi yang berisi tentang ulasan tertentu. Metode klasifikasi yang dilakukan dalam penelitian ini adalah K-Nearest Neighbor. Hasil yang diperoleh dari analisis sentimen terhadap hotel POP! Surabaya menggunakan algoritma K-Nearest Neighbor memperoleh hasil akurasi optimal pada nilai k=5 sampai dengan k=9 yaitu sebesar 93,3%.
Prediksi Produk Bundle Pada Promo Dengan Algoritma Apriori Menggunakan Association Rule
Muhammad, Iqbal Nur;
Islam, Mochammad Fakhrul;
Nugroho, Aryo
Jurnal Ilmu Komputer dan Bisnis Vol. 12 No. 2 (2021): Vol. 12 No. 2 (2021): Vol. 12 No. 2 (2021)
Publisher : STMIK Dharmapala Riau
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Di dalam dunia bisnis maupun industri ritel pada zaman sekarang sangatlah berkembang pesat khususnya pada sektor penjualan barang yang berupa produk, permasalahan yang di hadapi adalah ke tidak tahuan dalam menggabungkan suatu produk ke dalam promo bundle. Oleh karena itu penelitian ini bertujuan memprediksi produk yang akan di gabungkan untuk di jadikan promo bundle menggunakan metode algoritma apriori serta association rule dengan menggunakan 600 data transaksi. Dengan proses data mining dengan melibatkan analisa algoritma apriori dengan menentukan hasil frekuensi tinggi pada 1 itemset, kemudian dilanjut dengan menentukan hasil frekuensi tinggi 2 itemset, proses ini dilakukan untuk mencari minimal support dengan nilasi 0,05% dan 0,06% pada item set yang akan di gunakan, lalu di lanjut dengan pembentukan aturan asosiasi dengan menentukan minimal Confidence 75% setelah itu di lakukanlah pencarian pada expected confidence dan lanjut mencari nilai lift ratio. Setelah melakukan semua proses data mining itu selesai maka penelitian ini berhasil mendapatkan 4 rule yang berupa produk yang akan di gabungkan untuk menjadi promo bundle.
Metode Prototype Perancangan Smart Mountain Berbasis Web: Studi Kasus Gunung Di Mojokerto
Setyawan, Kukuh Rachmad;
Nugroho, Aryo;
Susilo, Kunto Eko
Jurnal Ilmu Komputer dan Bisnis Vol. 12 No. 2a (2021): Vol. 12 No. 2a Special Issue (2021)
Publisher : STMIK Dharmapala Riau
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47927/jikb.v12i2a.175
Perkembangan teknologi memudahkan pekerjaan manusia. Selain itu teknologi informasi dapat membantu cara dan pola persaingan di dalam perusahaan atau perkembangan bisnis di seluruh dunia. Pentingnya menerapkan teknologi informasi untuk memudahkan dan meningkatkan investasi di perusahaan atau organisasi salah satunya di destinasi gunung di wilayah Mojokerto Jawa Timur. Dengan adanya kemajuan ilmu pengetahuan dan teknologi, sehingga informasi yang di berikan sangat efektif dan mudah untuk didapatkan. Beberapa destinasi gunung di kota Mojokerto dinaungi oleh PERHUTANI (Perusahaan Hutan Negara Indonesia). Perhutani masih menggunakan sistem booking di lokasi perijinan, yang menyebabkan tidak diketahuinya jumlah pendaki yang telah berada di pos perijinan. Berdasarkan uraian di atas, maka penulis membuat perancangan website dengan judul “PENERAPAN METODE PROTOTYPE DALAM PERANCANGAN SMART MOUNTAIN BERBASIS WEB PADA GUNUNG DI MOJOKERTO”.
Pebandingan Performa Naïve Bayes dan KNN pada Klasifikasi Teks Sentimen Jasa Ekspedisi
Zuda Pradana Putra;
Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 3 (2021)
Publisher : Universitas Widyagama Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i3.2635
Penelitian ini bertujuan untuk mengetahui performa dari model naïve bayes dan KNN (K-Nearest Neighbor) dalam mengklasifikasikan dataset teks sentimen jasa ekspedisi. Ulasan pengguna twitter pada akun @jntexpressid, @JNE_ID, dan @posindonesia akan di tambang dan diklasifikan berdasarkan sentimen positif, netral, dan negatif. Data digali dari 1 Oktober hingga 1 Desember 2020, hasil didapat pada data JNT sebanyak 46.220, JNE 5.364, dan Pos Indonesia 11.194. Data mentah yang didapat akan dibersihkan dan dilabeli sebelum masuk ketahap pembobotan kata menggunakan TF-IDF. Data bersih yang didapat dari pra-pemrosesan teks akan dibagi menjadi data latih sebanyak 70% dan data uji 30% untuk diuji akurasinya kesetiap model. Metode over-sampling digunakan untuk meyeimbangkan dataset dan menghindari data latih yang overfitting. Pada model naïve bayes dan KNN terjadi peningkatan cukup signifikan setelah metode over-sampling diimplementasikan. Akurasi terbesar pada naïve bayes terdapat pada data JNT 82%, sedangkan KNN pada data POS 71%. Pada KNN nilai K tinggi tidak menentukan hasil akurasi, terbukti K=2 memiliki akurasi tertinggi dibanding K=4, K=6, K=8, K=10 setelah teknik resampling dilakukan.
Klasterisasi Karakter Konsumen Terhadap Kecenderungan Pemilihan Produk Menggunakan K-Means
Ach Syuhbanul Yaumi;
Zainul Zulfiqkar;
Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 3 (2020)
Publisher : Universitas Widyagama Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v5i3.1523
Permasalahan yang sedang ada di toko saat ini adalah kesulitan untuk mengetahui produk yang saat ini banyak diminati atau paling banyak digunakan oleh konsumen agar dapat diketahui dari masing-masing variabel karakteristik konsumen lebih cenderung memilih produk yang disukai. Oleh karena itu, dalam penelitian pengelompokkan dengan metode K-Means untuk pemilihan produk merupakan salah satu cara untuk mengetahui pilihan pelanggan terhadap produk yang dikonsumsi. Karena metode K-Means mempunyai hasil pembagian yang lebih akurat. Penelitian ini melakukan proses data mining untuk membantu toko agar dapat mengetahui karakteristik konsumen terhadap kecenderungan pemilihan produk dengan melakukan penggalian data menggunakan salah satu metode data mining yaitu pengelompokkan data. Pada penelitian ini melakukan pengelompokkan dari data hasil penyebaran angket atau kusioner yang disebar di toko, kemudian data tersebut di kelompokkan menjadi 2 kelompok menggunakan salah satu algoritma klasterisasi yaitu K-Means. Data yang digunakan merupakan data yang dikumpulkan sebanyak 366 data tanggapan pelanggan toko. Setelah data tersebut diproses menggunakan algoritma K-Means, menunjukkan bahwa cluster 1 merupakan kelompok konsumen tipe A dengan presentase sebesar 33%, sedangkan cluster 2 merupakan kelompok konsumen tipe B dengan presentase sebesar 67%.
Klasterisasi Pengendalian Persediaan Aki Menggunakan Metode K-Means
Ricsa Andrean;
Septian Fendy;
Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 1 (2019)
Publisher : Universitas Widyagama Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1034.126 KB)
|
DOI: 10.31328/jointecs.v4i1.998
Proses pengendalian persediaan merupakan bagian penting bagi perusahaan untuk melakukan penyediaan barang. Pengendalian persediaan dilakukan untuk memenuhi jumlah barang yang dibutuhkan pada saat pemasaran dilakukan, namun perusahaan memiliki permasalahan dalam menentukan jumlah persediaan barang dikarenakan jumlah barang yang dibutuhkan pada saat pemasaran berubah setiap waktu. Penelitian ini melakukan data mining guna membantu perusahaan agar dapat mengukur jumlah persediaan barang sebelum dipasarkan dengan melakukan penggalian data menggunakan salah satu metode data mining yaitu pengelompokan data. Pada penelitian ini melakukan mengelompokkan data laporan distribusi dan laporan penjualan pada perusahaan aki, data tersebut di kelompokkan menjadi 3 kelompok dengan menggunakan salah satu algoritma pengelompokan data yaitu K-Means, dari hasil pengelompokan digunakan untuk mengetahui kelompok produk yang diminati, sedang dan kurang diminati kemudian kelompok tersebut digunakan sebagai acuan persediaan banyak, sedang dan sedikit. Data yang digunakan merupakan data laporan distribusi dan laporan penjualan periode Januari – Desember 2018 dengan total sebanyak 125 produk. Setelah data tersebut diolah menggunakan algoritma K-Means, menunjukkan bahwa kelompok 1 dengan nilai objek data rendah merupakan kelompok produk yang kurang diminati, kelompok 2 dengan nilai objek data sedang merupakan kelompok produk diminati dalam kategori sedang, sedangkan kelompok 3 dengan nilai objek data tinggi merupakan kelompok produk yang banyak diminati.
Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis
Septian Fendyputra Pratama;
Ricsa Andrean;
Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 2 (2019)
Publisher : Universitas Widyagama Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (434.446 KB)
|
DOI: 10.31328/jointecs.v4i2.1004
Media sosial, Twitter, saat ini telah banyak memberikan dampak besar dalam membangun opini, pandangan, sentimen, dan preferensi politik publik (menjelang Pemilihan Umum) berlangsung. Penelitian ini dilakukan untuk mengetahui percakapan di Twitter pada debat pertama calon presiden Republik Indonesia melalui hashtag dari kedua pasang calon. Selain itu, juga untuk mengetahui tentang kecenderungan masyarakat di Twitter terkait dengan debat yang sedang berlangsung tersebut cenderung positif, negatif, atau netral. Data percakapan di Twitter didapatkan melalui Twitter API yang diambil dengan bahasa Pemrograman R. Proses analisis sentimen ini menggunakan metode Fined-grained Sentiment Analysis yaitu, Jika satu tweet berisi lebih banyak kalimat positif daripada negatif, maka hasil keseluruhan akan positif dan bernilai (+1). Jika jumlah kalimat negatif lebih besar dari kalimat positif, maka hasil keseluruhan negatif dan bernilai (-1). Jika ada jumlah yang sama dari kalimat positif dan negatif dalam paragraf, maka hasilnya adalah netral dan bernilai (0). Hasil dari penelitian ini menunjukkan bahwa tweet sentimen dari kedua hashtag cenderung positif, lebih banyak daripada sentimen negatif dan netral.
Meningkatkan Sistem Layanan Pelanggan Dengan Pendekatan Framework ITIL
Satria Eka Dicky Kurniawan;
Agung Widodo;
Aryo Nugroho
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 1 (2022)
Publisher : Universitas Widyagama Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v7i1.2550
Berkembangnya teknologi saat ini memberikan dampak yang besar bagi pengguna Teknologi Informasi (TI), salah satunya pada perusahaan yang memanfaatkan teknologi informasi ini untuk mendukung kegiatan operasional dan menggunakannya untuk menyusun strategi guna meningkatkan pelayanan terhadap para pelanggan. Pelayanan yang diberikan berkaitan pada after sales service untuk meningkatkan hubungan baik dengan pelanggan yakni dengan adanya customer care. Penelitian yang dilakukan memiliki tujuan untuk meningkatkan performa layanan TI sebagai fungsi strategi dan layanan dengan meningkatkan layanan pengaduan yang langsung diketahui cabang terkait dan Head Office. Kerangka kerja yang digunakan yakni Information Technology Infrastructure Library (ITIL) Versi 3 yang berfokus pada service operation, dengan pendekatan modul service strategy dan service design. Hasil dari penelitian ini menunjukkan bahwa dengan adanya peningkatan sistem layanan pelanggan dengan framework ITIL keluhan pelanggan dapat langsung masuk pada cabang terkait, jadi penanganan keluhan pelanggan dapat terselesaikan dalam waktu yang jauh lebih singkat.
Analisis Jejaring Sosial Tokoh Publik Menggunakan Metode GrapML
Arief Kurniawan;
Aryo Nugroho;
Moh Noor Al Azam
JOINTECS (Journal of Information Technology and Computer Science) Vol 4, No 3 (2019)
Publisher : Universitas Widyagama Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v4i3.1208
Social Network Analysis (SNA) merupakan suatu cabang ilmu komputer yang menganalisis fenomena atau pola hubungan pada suatu jejaring sosial. Pada penelitian ini Twitter merupakan salah satu media jejaring sosial yang akan digunakan sebagai objek penelitian dikarenakan jumlah pengguna aktif setiap bulan yang mencapai 330 juta lebih serta dengan akses informasi yang tak terbatas. Selanjutnya metode analisis yang digunakan pada penelitian ini adalah menggunakan metode GraphML dan perhitungan algoritma pendekatan sentralistas (Centrality Measure). Dimana dengan metode GraphML ini mampu memvisualisasikan hubungan jejaring sosial individu dengan individu lain kedalam bentuk grafik dan mampu digunakan untuk menentukan bobot ikatan indvidu terhadap individu lain atau seberapa kuat hubungan individu tersebut terjalin. Dalam analisis ini diperoleh hasil berupa diagram derajat sentralitas dengan aktor yang paling dominan yakni aktor 5 dengan jumlah ikatan sebanyak 54, aktor 12 dengan jumlah ikatan sebanyak 68, aktor 12 dengan jumlah ikatan sebanyak 30 dan pada diagram pagerank aktor paling dominan di tunjukkan oleh aktor 72, 128, 129, 130, 131, 132, 133.