Article Per Year (5 Year)
p-Index From 2020 - 2025
6.627
P-Index
This Author published in this journals
All Journal Teknika Jurnal SOLMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Building of Informatics, Technology and Science Vocatech : Vocational Education and Technology Journal JOURNAL OF INFORMATICS AND COMPUTER SCIENCE G-Tech : Jurnal Teknologi Terapan Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) JINAV: Journal of Information and Visualization Rambideun : Jurnal Pengabdian Kepada Masyarakat International Journal of Engineering, Science and Information Technology ARRUS Journal of Engineering and Technology Instal : Jurnal Komputer Multidiciplinary Output Research for Actual and International Issue (Morfai Journal) Jurnal Ilmu Komputer dan Informatika TECHSI - Jurnal Teknik Informatika Jurnal Teknologi Terapan and Sains 4.0 MEUSEURAYA : JURNAL PENGABDIAN MASYARAKAT Jurnal Malikussaleh Mengabdi Journal of Advanced Computer Knowledge and Algorithms Jurnal Pengabdian Masyarakat Ilmu Komputer Serambi Engineering JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Lidya Rosnita
Universitas Malikussaleh
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy 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 Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : JOURNAL OF INFORMATICS AND COMPUTER SCIENCE

 1 
ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP ISU KESETARAAN GENDER DALAM PENERAPAN PERMENDIKBUDRISTEK NOMOR 30 TAHUN 2021 MENGGUNAKAN TEXTBLOB Yesy Afrillia; Lidya Rosnita; Deassy Siska
JOURNAL OF INFORMATICS AND COMPUTER SCIENCE Vol 8, No 2 (2022): OKTOBER 2022
Publisher : Ubudiyah Indonesia University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33143/jics.Vol8.Iss2.2386

Abstract

Abstrak— Penetapan Peraturan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi (Permendikbudristek) Nomor 30 Tahun 2021 tentang Pencegahan dan Penanganan Kekerasan Seksual di lingkungan Perguruan Tinggi (Permendikbudristek PPKS) menjadi solusi atas berbagai kasus kekerasan seksual yang terjadi di lingkup Perguruan Tinggi. Di era yang serba digital segala aspek penerapan suatu kebijakan oleh pemerintah menjadi topik yang banyak dibicarakan dijejaring sosial terutama Twitter. Pada tweet dapat dilakukan analisis sentimen untuk mengetahui tanggapan masyarakat terhadap penerapan Permendikbud Nomor 30 Tahun 2021 yaitu dengan melakukan identifikasi dan mengkategorikan polaritas sebuah teks untuk menentukan apakah sebuah text tersebut memiliki nilai positif atau negatif sesuai dengan kategori yang telah ditentukan. Model sistem bertujuan untuk memberikan manfaat dalam menganalisis tingkat sentiment masyarakat tentang penerapan Permendikbudristek Nomor 30 Tahun 2021 yaitu tentang PPKS sebagai evaluasi pihak pemerintah dalam tindaklanjut dari penetapan kebijakan. Salah satu teknik yang bisa digunakan untuk melakukan analisis sentimen ini dengan Lexicon Based yaitu menggunakan Textblob serta penentuan peresentase keakurasian sistem dengan mengimplementasikan metode Support Vector Machine (SVM). Pengumpulan data yang diambil dari twitter dengan hash tag kesetaraan gender, kekerasan seksual, dan PPKS berjumlah 159 data. Pembagian untuk data latih dan data uji yang dilakukan mengunakan rasio 70:30 secara acak oleh sistem. Dimana untuk data latih yang digunakan sebanyak 111 data, sedangkan data uji yang digunakan sebanyak 48 data. Berdasarkan hasil pengujian dengan textblob yang dibantu dengan menggunakan algoritma Support Vector Machine menggunakan data uji sebanyak 48 data dengan 34 data positif, dan 14 data negatif, mendapatkan akurasi sebesar 70,8%.Kata kunci: Gender, Twitter, Permendikbudristek, PPKSAbstract— The stipulation of Regulation of the Minister of Education, Culture, Research, and Technology (Permendikbudristek) Number 30 of 2021 concerning the Prevention and Handling of Sexual Violence in University (Permendikbudristek PPKS) is a solution to various cases of sexual violence that occur in the scope of University. In the all-digital era, all aspects of implementing a policy by the government have become a topic that is widely discussed on social networks, especially Twitter. Sentiment analysis can be done on tweets to find out the public's response to the application of Permendikbud Number 30 of 2021, namely by identifying and categorizing the polarity of a text to determine whether a text has a positive or negative value according to a predetermined category. The system model aims to provide benefits in analyzing the level of public sentiment regarding the application of Permendikbudristek Number 30 of 2021, namely regarding PPKS as an evaluation of the government in following up on policy determination. One technique that can be used to perform this sentiment analysis with Lexicon Based is using Textblob and determining the percentage of system accuracy by implementing the Support Vector Machine (SVM) method. The collection of data taken from Twitter with the hash tag gender equality, sexual violence, and PPKS amounted to 159 data. The distribution for training data and test data is carried out using a ratio of 70:30 randomly by the system. Where for the training data used are 111 data, while the test data used are 48 data. Based on the test results with textblob assisted by using the Support Vector Machine algorithm using 48 test data with 34 positive data, and 14 negative data, getting an accuracy of 70.8%. Keywords: Gender, Twitter, Permendikbudristek, PPKS
ANALISIS SENTIMEN REVIEW CUSTOMER TERHADAP PERUSAHAAN EKSPEDISI JNE, J&T EXPRESS DAN POS INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Nurul Aula; Munirul Ula; Lidya Rosnita
JOURNAL OF INFORMATICS AND COMPUTER SCIENCE Vol 9, No 1 (2023): April 2023
Publisher : Ubudiyah Indonesia University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33143/jics.v9i1.2947

Abstract

Abstrak— Kepuasan customer adalah masalah yang harus diamati pada sebuah perusahaan, karena customer adalah alasan mengapa suatu perusahaan masih berdiri dan sukses. Perusahaan ekspedisi JNE, J&T, dan Pos Indonesia mempunyai akun twitter layanan customer yaitu @Jnecare, @J&texpressid dan @Posindonesia. Akun ini digunakan untuk layanan customer secara online yang disediakan untuk menyampaikan pendapat, kritik, saran atau keluhan pelanggan. Agar dapat mengolah komentar yang banyak tentu membutuhkan waktu yang lebih besar jika hanya dilakukan secara sederhana. Penelitian ini bertujuan untuk menganalisis sentimen perusahaan ekpedisi mana yang lebih unggul dari beberapa layanan jasa ekspedisi, metode yang akan digunakan yaitu metode Support Vector Machine (SVM). Berdasarkan hasil penelitian diperoleh performa tertinggi yaitu pada ekpedisi J&T Express menggunakan algoritma Support Vector Machine menghasikan accuracy sebesar 85%, precision sebesar 59.35%, recall sebesar 58.67%, dan f1-score sebesar 58.01% selanjutnya pada ekpedisi JNE menghasikan accuracy sebesar 82.29%, precision sebesar 54.54%, recall sebesar 55.83%, dan f1-score sebesar 54.97% sedangkan pada Pos Indonesia menghasikan accuracy sebesar 77.78%, precision sebesar 35.9%, recall sebesar 58.67%, dan f1-score sebesar 33.85%. Dari hasil perbandingan ketiga jasa ekspedisi tersebut terbukti bahwa algoritma SVM mampu menghasilkan performa yang tinggi karena tidak memiliki satupun nilai yang tidak wajar baik pada performa accuracy, precision, recall dan F1-Score.Kata kunci: Sentimen, customer, ekspedisi, SVMAbstract—Customer satisfaction is a problem that must be observed in a company, because customers are the reason why a company is still standing and successful. JNE, J&T and Pos Indonesia expedition companies have customer service twitter accounts, namely @Jnecare, @J&texpressid and @Posindonesia. This account is used for online customer service provided to convey opinions, criticisms, suggestions or customer complaints. In order to be able to process a lot of comments, of course it takes more time if it's only done in a simple way. This study aims to analyze which shipping company sentiment is superior to some courier services, the method to be used is the Support Vector Machine (SVM) method. Based on the results of the study, the highest performance was obtained on the J&T Express expedition using the Support Vector Machine algorithm resulting in an accuracy of 85%, a precision of 59.35%, a recall of 58.67%, and an f1-score of 58.01% then on a JNE expedition it produced an accuracy of 82.29%, a precision of 54.54%, recall of 55.83%, and f1-score of 54.97% while Pos Indonesia produced an accuracy of 77.78%, precision of 35.9%, recall of 58.67%, and f1-score of 33.85%. From the results of the comparison of the three shipping services it is proven that the SVM algorithm is capable of producing high performance because it does not have any unreasonable values in terms of accuracy, precision, recall and F1-Score performance. Keywords: Sentiment, customer, expedition, SVM
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PEMINATAN SISWA SMA MENGGUNAKAN METODE MOORA Fadlisyah Fadlisyah; Lidya Rosnita; Mara Wahyu Alamsyah Pane
JOURNAL OF INFORMATICS AND COMPUTER SCIENCE Vol 9, No 1 (2023): April 2023
Publisher : Ubudiyah Indonesia University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33143/jics.v9i1.2945

Abstract

Penentuan peminatan pada SMA merupakan salah satu cara untuk meningkatkan pendidikan yang ada di indonesia, dan bertujuan agar siswa memperoleh pendidikan sesuai dengan bakat dan kemampuan yang dimilikinya. Metode Multi-Objective Optimization on The Basic of Ratio Analysis (MOORA) digunakan untuk menentukan peminatan dikarenakan mempunyai tahap selektifitas yang baik dalam mempusatkan suatu alternatif, dan mempunyai perhitungan dengan kalkulasi yang minimum dan sangat sederhana. Perhitungan penentuan peminatan ini, mengggunakan nilai kepentingan yang diambil dari nilai mata pelajaran setiap siswa. sehingga hasil yang didapatkan setiap siswa berupa pengelompokan pembagian peminatan yang sesuai dengan minat dan kemampuannya. Peminatan yang dibagi kedalam peminatan IPA dan peminatan IPS. Metode MOORA mempunyai fleksibilitas dan kemudahan untuk dipahami dalam membagi bagian subjektif suatu tahap evaluasi kedalam kriteria. Tahapan penelitian ini, melakukan penelitian dengan mengambil data dari pihak sekolah, dan melakkukan konsultasi pada pihak staff sekolah, dari beberapa data yang didapatkan, diambil 30 data siswa yang telah dilakukan perhitungan pada sistem ini, diantaranya diperoleh 16 siswa peminatan IPA, dan 14 siswa peminatan IPS. Sistem ini dibuat agar dapat membantu dan mempermudah pihak staff sekolah menentukan peminatan yang sesuai dengan alternatif yang tertera, dan diharapkan sistem ini dapat memberikan efisiensi pada pihak staf sekolah untuk mendapatkan hasil yang akurat secara komputerisasi.Kata kunci: Peminatan, Mata Pelajaran, MOORADetermining specialization in high school is one way to improve education in Indonesia and aims to ensure that students get an education according to their talents and abilities. The Multi-Objective Optimization on the Basics of Ratio Analysis (MOORA) method is used to determine interest because it has a good level of selectivity in centering an alternative and has calculations with minimum and very simple calculations. The calculation for determining this specialization uses the importance value taken from the subject value of each student. so that the results obtained by each student are in the form of grouping the distribution of specializations according to their interests and abilities. The specializations are divided into science specializations and social studies specializations. The MOORA method has flexibility and ease of understanding in dividing the subjective part of an evaluation stage into criteria. The stages of this research, carried out research by taking data from the school, and carrying out consultations with school staff, from some of the data obtained, 30 student data were taken which had been calculated on this system, including obtained 16 students specializing in natural sciences, and 14 students specializing in IPS. This system was created in order to make it easier for school staff to determine specializations that match the alternatives listed, and it is hoped that this system can provide efficiency for school staff to get computerized, accurate results.Keywords: Specialization, Subjects, (MOORA)   
SISTEM PENDUKUNG KEPUTUSAN MEMPREDIKSI KELULUSAN MAHASISWA INFORMATIKA MENGGUNAKAN METODE SAW Risawandi Risawandi; Lidya Rosnita; Rian Kelana Putra
JOURNAL OF INFORMATICS AND COMPUTER SCIENCE Vol 9, No 1 (2023): April 2023
Publisher : Ubudiyah Indonesia University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33143/jics.v9i1.2944

Abstract

Abstrak— Kelulusan mahasiswa merupakan tanda berakhirnya mahasiswa dalam menyelesaikan pendidikan pada jenjang sarjana. Kelulusan juga merupakan hasil akhir pencapaian yang membanggakan dalam menempuh suatu pendidikan pada jenjang tertentu. Untuk memenuhi standar kopetensi lulusan bagi mahasiswa program sarjana (S1) beban wajib yang harus ditempuh adalah paling sedikit 144 SKS dengan masa studi waktu maksimal 14 semester. Tetapi penulis melihat di lapangan terdapat beberapa mahasiswa yang tidak bisa lulus tepat waktu. Dalam kasus ini, penulis melakukan penelitian di prodi Teknik Informatika. Penulis melihat ada beberapa mahasiswa yang tidak dapat menyelesaikan masa perkuliahannya dengan tepat waktu. Untuk itu, penulis membuat sebuah aplikasi prediksi kelulusan mahasiswa untuk melihat apakah para mahasiswa dapat lulus tepat waktu atau tidak.Dalam penelitian ini, penulis menggunakan metode SAW (Simple Additive Weight) untuk melakukan proses prediksi kelulusan dengan perhitungan kriteria seperti nilai IPK, IP, semester berjalan, dan juga kecukupan SKS. Penelitian ini menguji setidaknya 25 mahasiswa dengan kriteria nilai berupa IPK, 2 nilai IPS terakhir, Semester berjalan dan banyaknya SKS yang diambil. Hasil dari sistem yaitu, V23 dengan nilai 1, mendapatkan peringkat 1, memiliki kemungkinan tinggi untuk bisa menyelesaikan perkuliahan tepat waktu.Kata kunci: Kelulusan, Informatika, SAW, IPK, SKSAbstract— Student graduation is a sign of the end of students in completing education at the undergraduate level. Graduation is also the final result of a proud achievement in pursuing an education at a certain level. To meet graduate competency standards for undergraduate students (S1) the mandatory load that must be taken is at least 144 credits with a maximum study period of 14 semesters. However, the author sees that in the field there are several students who cannot graduate on time. In this case, the authors conducted research in the Informatics Engineering study program. The author sees that there are some students who cannot complete their studies on time. For this reason, the authors created a student graduation prediction application to see whether students could graduate on time or not. In this study, the authors used the SAW (Simple Additive Weight) method to carry out the graduation prediction process by calculating criteria such as GPA, GPA, semester running, and also the adequacy of credits. This study tested at least 25 students with grade criteria in the form of GPA, the last 2 IPS scores, the current semester and the number of credits taken. The results of the system, namely, V23 with a value of 1, get a rank of 1, have a high probability of being able to complete lectures on time.Keywords: Keywords : Graduation, Informatics, SAW, GPA, Credit
ANALISIS SENTIMEN KEPUASAN CUSTOMER TERHADAP EKSPEDISI TIKI, SICEPAT EXPRESS DAN NINJA EXPRESS MENGGUNAKAN ALGORITMA NAIVE BAYES Nurhaliza Bin Aras; Risawandi Risawandi; Lidya Rosnita
JOURNAL OF INFORMATICS AND COMPUTER SCIENCE Vol 9, No 1 (2023): April 2023
Publisher : Ubudiyah Indonesia University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33143/jics.v9i1.2943

Abstract

Abstrak—Perkembangan ilmu pengetahuan dan teknologi informasi pada masa ini sangat pesat. Adanya pemasaran produk secara global tersebut menjadikan perkembangan ekspedisi barang juga mengalami kemajuan yang signifikan. Kebutuhan penggunaan jasa ekspedisi barang yang dipergunakan masyarakat untuk memenuhi berbagai kebutuhannya sangat meningkat pesat. Hadirnya berbagai jasa ekspedisi barang tidak hanya mempermudah masyarakat namun juga para pengusaha atau seller. Penelitian ini bertujuan untuk menganalisis sentimen terhadap kepuassan customer ekspedisi yaitu tiki, sicepat express dan ninja express pada twitter dengan menggunakan metode Algoritma Naïve Bayes. Beberapa proses dalam melakukan klasifikasi sentimen, yang pertama melakukan koleksi data di twitter menggunakan scraping setalah itu pemberian labelling, kemudian dilakukan text pre-processing pada data yang meliputi cleansing data, case folding, tokenizing, stopword removal, dan stemming. Selanjutnya dilakukan proses klasifikasi pada data. Data yang digunakan dalam penelitian ini berjumlah 3000, setiap objeknya dengan jumlah 1000 data kemudian dibagi menjadi 3 kelas yaitu positif, negatif dan netral. Dari 3000 data dibagi menjadi 2 bagian yaitu 70% data training dan 30% data testing. Berdasarkan hasil evaluasi klasifikasi dengan algoritma Naïve Bayes menghasilkan akurasi yang sangat tinggi. Akurasi Sicepat Express sebesar 89,73%, presisi sebesar 58,81%, recall sebesar 40,1% dan f1-score sebesar 42,6%. Akurasi Ninja Express sebesar 80,66%, presisi sebesar 49,4%, recall sebesar 40,8% dan f1-score sebesar 41,5%. Akurasi Tiki sebesar 74,48%, presisi sebesar 65,42%, recall sebesar 57,14% dan f1-score sebesar 56,81%.Kata kunci: Ekspedisi, Sentimen, Data, Naïve BayesAbstract— The development of science and information technology at this time is very rapid. The existence of global product marketing has made the development of freight forwarding also experience significant progress. The need for the use of freight forwarding services that are used by the community to meet their various needs is increasing rapidly. The presence of various freight forwarding services not only makes it easier for the community but also entrepreneurs or sellers. This study aims to analyze sentiment on customer satisfaction on expeditions, namely tiki, sicepat express and ninja express on twitter using the Naïve Bayes algorithm. There are several processes in classifying sentiments, the first is to collect data on twitter using scraping after that labeling, then text pre-processing is carried out on the data which includes data cleansing, case folding, tokenizing, stopword removal, and stemming. Furthermore, the classification process is carried out on the data. The data used in this study amounted to 3000, each object with a total of 1000 data was then divided into 3 classes, namely positive, negative and neutral. Of the 3000 data is divided into 2 parts, namely 70% training data and 30% testing data. Based on the results of the classification evaluation with the Naïve Bayes algorithm, it produces a very high accuracy. The accuracy of Sicepat Express is 89.73%, precision is 53,5%, recall is 40,1% and f1-score is 42,6%. Ninja Express accuracy is 80.66%, precision is 49,4%, recall is 40,8% and f1-score is 41,5%. Tiki's accuracy is 74.48%, precision is 65,42%, recall is 57,14% and f1-score is 56,81%.Keywords: Ekspedition, Sentiment, Data, Naïve bayes
Co-Authors Afif, Muhammad Athallah Afridah, Rita Aidilof, Hafizh Al Kausar Aidilof, Hafizh Al Kautsar Amelia, Ulva Andrea Micola Azwir Ansyari, Taufik Habib Armaya, Devira Yuda Asrianda Asrianda Azzahra Iskandar, Farah Bancin, Udurta Bustami Bustami Bustami Dahlan Abdullah Deassy Siska Dela, Monisa Dian Putri, Yohana Efendi, Syahril Efendi, Syahril Elma Fitria Ananda Eva Darnila Eva Darnila Fadlisyah Fadlisyah Fasdarsyah Fasdarsyah Fidyatun Nisa Fuadi, Wahyu Furqan, Hafizul Habib Muharry Yusdartono Hafidh Rafif, Teuku Muhammad Hafizh Al Kautsar Aidilof Hamsi, Widia Harahap, Ilham Taruna Harahap, Lina Mardiana Haris Yunanda Rangkuti Ikramina ikramina ikramina, Ikramina Jange, Beno Kurniawati Kurniawati Kurniawati Kurniawati Lina Mardiana Harahap Mara Wahyu Alamsyah Pane Muhammad Azhari Muhammad Fajri Muhammad Fajri Muhammad Fikry Muhammad Ikhwani Muhammad Muhammad Muhammad Zarlis Muhammad Zarlis, Muhammad Mukti Qamal Mulyadi, Rizki Munirul Ula Muzaffar Rigayatsyah Nanda Sitti Nurfebruary Nasution, Wahidatunnisa Naturizal, Rayhan Naza Amarianda Nurfebruary, Nanda Sitti Nurhaliza Bin Aras Nurqamarina Nurul Aula Pasaribu, Hafni Maya Sari Pratiwi, Dinda Pulungan, Fauzi Irham Putri, Sri Raihan Rachman, Aulia Rachmat Triandi Tjahjanto Rahmadani Sari, Putri Dwi Rahmat Triandi Rangkuti, Haris Yunanda Rian Kelana Putra Rini Meiyanti Risawandi, Risawandi Rizal Rizal Rizal Rizal Rizal S.Si., M.IT, Rizal Rizky Putra Fhonna Safwandi Safwandi, Safwandi Said Fadlan Anshari salamah salamah Samosir, Dini Kairiyah Saputri, Rifa Andriani Siti Maimunah Sujacka Retno Syahputra, M Oriza Ulva Ilyatin Wahyu Fuadi Yesy Afrillia Zara Yunizar Zulfadli Zulfadli