p-Index From 2021 - 2026
6.017
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Foristek Lontar Komputer: Jurnal Ilmiah Teknologi Informasi JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Simantec Jurnal Mahasiswa Fakultas Hukum Majalah Komunikasi Massa Proceeding of the Electrical Engineering Computer Science and Informatics Journal of Information Technology and Computer Science (JOINTECS) JURNAL MEDIA INFORMATIKA BUDIDARMA SMARTICS Journal Jurnal Eksplora Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Elektrika Conference on Innovation and Application of Science and Technology (CIASTECH) Jurnal RESISTOR (Rekayasa Sistem Komputer) Systemic: Information System and Informatics Journal Jurnal Mantik Jurnal Ilmu Komputer dan Bisnis JUKANTI (Jurnal Pendidikan Teknologi Informasi) Jurnal Teknologi Dan Sistem Informasi Bisnis JSR : Jaringan Sistem Informasi Robotik e-NARODROID Jurnal Teknik Informatika (JUTIF) Jurnal Nasional Ilmu Komputer Insyst : Journal of Intelligent System and Computation Wijayakusuma Law Review Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Nasional Teknik Elektro dan Teknologi Informasi KNOWLEDGE: Jurnal Inovasi Hasil Penelitian dan Pengembangan Jurnal Borneo Informatika dan Teknik Komputer (JBIT) SATIN - Sains dan Teknologi Informasi Nusantara Journal of Computers and its Applications Jurnal Pendidikan Teknologi Informasi (JUKANTI) Determinasi: Jurnal Penelitian Ekonomi Manajemen dan Akuntansi Digitus : Journal of Computer Science Applications
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Journal of Information Technology and Computer Science (JOINTECS)

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

Abstract

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

Abstract

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

Abstract

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

Abstract

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

Abstract

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

Abstract

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.
Prediksi Status Konsumen Produk Celana Menggunakan Naïve Bayes Din Syamsudin; Yosia Chrismas Decky Halundaka; 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.v5i3.1435

Abstract

Celana bahan merupakan kebutuhan pokok sehari-hari, permasalahan yang dihadapi ketidak pastian pembeli dikalangan antara Mahasiswa, Karyawan, dan Pelajar. Oleh karena itu penelitian ini bertujuan untuk memprediksi Status Konsumen Produk Celana menggunakan metode Naïve Bayes. karena metode Naïve Bayes yang dinilai baik melakukan klasifikasi dan akurasi dibandingkan metode Algoritma C4.5 yang memiliki ketidakstabilan dalam melakukan klasifikasi. Pengambilan data pada penelitian ini dari hasil wawancara pada penjual dibulan januari hingga desember tahun 2019 kemudian dilakukan penginputan pada excel dengan total 731 data. Dengan menseleksi data agar mendapatkan hasil yang sempurna dan akurat dilakukan pemangkasan variable dengan awal 10 variable menjadi 5 variable. Pada tahap preprocessing sebelum melakukan proses data mining untuk mengetahui jumlah data per-attribute lalu melakukan proses data mining menggunakan algoritma naïve bayes, dengan percentage split kombinasi 60 hingga 90 persen menunjukkan hasil masing-masing nilai akurasi 80,137%, 78,0822%, 81,5060%, dan 83,5616%. terbaik di angka kombinasi percentage split 90% dengan presentase akurasi 83,5616%. Dan hasil evaluasi menggunakan confusion matrix menampilkan bahwa status konsumen yang terbanyak dan lebih unggul dari class karyawan dan class pelajar ialah menunjukkan Class Mahasiswa.
Sistem Monitoring BTS Pada Perusahaan Telekomunikasi Seluler Berbasis Aplikasi Mobile Imron Rosydi; Aryo Nugroho; Awalludiyah Ambarwati
JOINTECS (Journal of Information Technology and Computer Science) Vol 7, No 3 (2022)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v7i3.3782

Abstract

Telekomunikasi adalah hal penting di masa kini. Penyelenggara jasa dan jaringan telekomunikasi berlomba memberikan pelayanan terbaik, salah satunya dengan memperbanyak BTS miliknya. BTS (Base Transceiver Station) milik perusahaan telekomunikasi tersebar di seluruh wilayah. BTS adalah suatu perangkat jaringan telekomunikasi seluler yang umumnya berupa sebuah tower dengan antena yang berfungsi sebagai pemancar dan penerima sinyal, sehingga dapat menghubungkan jaringan operator telekomunikasi seluler dengan penggunanya. Pemeliharaan dan penanganan gangguan BTS harus dilakukan dengan baik dan tepat, agar kualitas jaringan tetap terjaga. Jika suatu BTS mengalami gangguan, maka sinyal jaringan selular pada area tersebut akan hilang, dan otomatis akan merugikan konsumen karena tidak dapat melakukan panggilan telepon dan tidak dapat mengakses internet. Oleh karena itu perbaikan harus segera dilakukan agar menghindari kerugian dari pihak perusahaan maupun konsumen. Berdasarkan permasalahan tersebut aplikasi ini dibuat. Metode yang digunakan adalah sistem development life cycle (SLDC) waterfall berbasis Android. Pengujian sistem menggunakan tiga karakteristik pada standar ISO 25010, yaitu functional suitability, usability, dan performance efficiency. Hasil pengujian mendapatkan nilai 1 (baik) pada pengujian functional suitability, mendapatkan nilai 90% (sangat layak) pada pengujian usability, dan mendapatkan nilai 2 detik (diterima) pada pengujian performance efficiency.
Co-Authors Ach Syuhbanul Yaumi Ach. Syuhbanul Yaumi Achlaq, Mochammad Mizanul Achmad Musyaffa Taufiqi Aditya Bimandaru Agung Widodo Ahmad Khozin Al Azam, Moh Noor Al-Azam, Moh Noor Alamsyah - Alfarizi Kurniawan Lesmana Alvina Shanaz Oktavia Amelia Miska Rahayu Andhika Ryan Pratama Anggi Rizki Septiani Anindito, Benediktus Aprilian Lisa Maryanto Arief Kurniawan Arief Kurniawan Arief Kurniawan Arifah Putri Nabilah Awalludiyah Ambarwati Azizah, Maulidya Nanda Badrus Zaman Bagus Prasetyo Budiono Bayu Indra Kusuma Bayu Saputra Benediktus Anindito Benny Wijaya Budi Wibowo Suhanjoyo Cahyo Darujati Daniel Happy Putra Darian Rizaludin Darujati, Cahyo Dedy Priyambodo Dewi, Ratna Kusuma Din Syamsudin Din Syamsudin Diva Istighfarin Ayu Setianti Eko Budi Santoso Fachrudin, Tresna Maulana Fardiansyah, Muhammad Yusuf Firmansyah, Fariz Galih Hery Herlambang Herlambang, Galih Hery Hidayatillah, Rumaisah I Made Purbhawa I Wayan Teresna, I Wayan Imron Rosydi Irhab, Moh Dzaky Islam, Mochammad Fakhrul Ivan Ubaidillah Sekar Wibowo Izzudin, Rafi Jacky Ma'ruf Fatoni Jelita, Lucia Devlina Adventia Kadek Amerta Yasa Kirana, Viona Chandra Kunto Eko Susilo Latifah Rifani Lestari, Rani Wahyu Marthalia, Lia Maulana, Achmad Zaffri Maulidya Nanda Azizah Mauridhi Hery Purnomo Mirwan Mirwan Mochammad Mizanul Achlaq Moh Noor Al Azam Moh Noor Al-Azam Moh Noor Al-Azam Mohammad Hakam Muh Dimas Yudianto Muhamad Nur Arifin Muhammad Mustajib Muhammad, Iqbal Nur Neta Kania Salsabila Nur, Putri Annisa Oktavia, Alvina Shanaz Permana, Kevin Praba Caesar Bagaskara Prakoso, Muhammad Wisnu Putra, Zuda Pradana Rahmah, Intan Luthfiyah Richardus Eko Indrajit Ricsa Andrean Ricsa Andrean Rumaisah Hidayatillah Rumaisah Hidayatillah Satria Eka Dicky Kurniawan Septian Fendy Septian Fendyputra Pratama Septian, Jeremy Andre Setianti, Diva Istighfarin Ayu Setyawan, Kukuh Rachmad Siregar, Raja Yosia Manahan Trinitas Slamet Winardi Sumerta Yasa, I Made Surya Sumpeno Susilo, Kunto Eko Tresna Maulana Fahrudin Tresna Maulana Fahrudin Wahyu Lestari, Rani Wardhana, Sultan Fahresi Duta Wiwin Agus Kristiana Yosia Chrismas Decky Halundaka yosia halundaka Yulius Satmoko Raharjo Zainul Zulfiqkar Zainul Zulfiqkar Zuda Pradana Putra