Claim Missing Document
Check
Articles

Found 4 Documents
Search

REVENUE STREAM PERUSAHAAN DALAM ELECTRONIC COMMERCE Arif Himawan
Jurnal Teknomatika Vol 4 No 2 (2012): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Ketika akan memulai sebuah bisnis dotcom, seseorang atau perusahaan baik yang awam maupun sudah cukup memahami aspek bisnis dotcom seringkali dihadapkan pada pertanyaan dari mana sumber pendapatan yang diharapkan dapat menghidupi perusahaan. Apakah sumber-sumber pendapatan yang akan didapat sama dengan sumber-sumber pendapatan dalam perusahaan konvensional ataukah sumber-sumber tersebut berbeda sama sekali dari perusahaan konvensional? Indrajit (2001) menuliskan paling tidak terdapat empat sumber finansial yang dapat diharapkan menghidupi perusahaan dotcom berikut pihak-pihak yang terlibat dalam penggalangan sumber-sumber pendapatan finansial tersebut.
Penanggulangan Pornografi di Internet : Tinjauan Hukum dan Teknologi Arif Himawan; Leo Agung Cahyono
Jurnal Teknomatika Vol 5 No 2 (2013): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Pornografi telah sangat marak di internet, penetrasinya telah mencapai taraf yang sangat mengkhawatirkan. Dampak pornografi terutama bagi generasi muda sangatlah berbahaya. Penanggulangan pornografi sendiri belum dapat dikatakan efektif, beberapa penyebabnya antara lain adalah belum satunya definisi atas pornografi sehingga memudahkan pelaku pornografi berkelit dari konsekuensi hukum dan masih tertinggalnya teknologi penanggulangan pornografi dibanding penetrasi pornografi sendiri. Tulisan ini bertujuan untuk memberikan alternatif penanggulangan pornografi ditinjau dari sisi hukum dan teknologi.
Analisis Sentimen Transfer Pemain Klub La Liga Spanyol Pada Bursa Transfer Musim Dingin Eropa Di Twitter Ahmad Adita Shiddiq; Aris Wahyu Murdiyanto; Arif Himawan
INDONESIAN JOURNAL ON DATA SCIENCE Vol. 1 No. 1 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i1.859

Abstract

Dari beberapa kompetisi Sepak Bola yang ada, Liga Champions UEFA yang paling digemari oleh masyarakat. Pada tahun 2022 bursa transfer pemain Eropa dibuka, bursa transfer yang dilakukan merupakan cara jangka pendek untuk memperbaiki tim dalam mengejar prestasi sepak bola Dengan media sosial sebagai wadah komunitas, para penggemar sepak bola dapat juga menyalurkan opini, informasi dan berita tentang klub kesayangan kepada masyarakat. Opini masyarakat terhadap transfer pemain Liga Spanyol memiliki peranan penting. Dengan dilakukannya analisis sentimen terhadap opini, dapat dijadikan suatu pola prediksi penilaian masyarakat terhadap transfer pemain serta dapat memberikan saran kepada tim sepak bola terkait bursa transfer pemain pada periode musim selanjutnya. Membuat analisis sentiment penggemar sepak bola terhadap transfer pemain Liga Spanyol apakah bersifat positif dan negatif. Metode Naïve Bayes Classifer (NBC) dalam penelitian ini dipilih dikarenakan pada algoritma NBC dapat melakukan proses pengolahan data diskrit dan data kuantitatif dengan menggunakan sampel yang relative sedikit dan juga perhitungan pada algoritma NBC lebih cepat. Pengambilan data berupa topik mengena keyword “Transfer La Liga”, “Transfer Real Madrid”, “Transfer Barcelona”, “Transfer Liga Spanyol” dan “Transfer Copa Del Ray”. Data tweet di ambil dari periode 1 Januari 2020 sampai dengan 31 Mei 2022, dengan jumlah data total 11.282. Pada penelitian telah berhasil mendapatkan akurasi dengan nilai 81,67 % pada data training dan 85 % untuk data testing. Pada penelitian ini berhasil membuat model analisis sentimen berupa file.pickle yang dimana untuk melakukan klasifikasi dan prediksi pada data tweet untuk mendapatkan sebuah hasil sentimen positif dan negative. Penelitian ini telah berhasil mendapatkan akurasi dengan nilai 81,67 % pada data training dan 85 % untuk data testing.Hasil analisis sentimen akhir dalam klasifikasi penelitian ini bernilai “Sentimen Negatif”
Implementation of Association Rule With Algorithm Apriori On Loan Data Library and Archives Service Book Regency Sukoharjo Sari, Septiana Cahaya; Arif Himawan; Murdiyanto, Aris Wahyu
APPLIED SCIENCE AND TECHNOLOGY REASERCH JOURNAL Vol. 4 No. 2 (2025): Applied Science and Technology Research Journal
Publisher : Lembaga Penelitian dan Pengabdian Mayarakat (LPPM) Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/astro.v4i2.8411

Abstract

The library has an important role in improving literacy, education, and facilitating access to information for the community. The Department of Libraries and Archives of Sukoharjo Regency has a high number of collections and visitors every year. An analysis of book borrowing transaction data is necessary to obtain information that can enhance the quality of services in the Sukoharjo Regency Library. This research aims to process book borrowing data at the Sukoharjo District Library and Archives Office by applying the Knowledge Discovery in Databases method. In addition, this also seeks to implement the Apriori algorithm to discover association rules that illustrate the relationships between books that are often borrowed together by library members, as well as to provide recommendations for book management to the library staff. The Knowledge Discovery in Databases method is used because it is a systematic approach that focuses on collecting hidden knowledge from large and complex data. This method consists of five main stages, namely selection, preprocessing, transformation, data mining, and evaluation. This research succeeded in identifying patterns of book borrowing at the Sukoharjo Regency Library and Archives Service based on 1,052 lending transaction data, with a minimum support of 0.005 and a confidence of 0.2 obtained from 64 association rules.