Herdianti Darwis
Informatics Engineering, Faculty Of Computer Science, Universitas Muslim Indonesia

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search
Journal : Linier: Literatur Informatika dan Komputer

Implementasi K-Means Untuk Klasterisasi Kasus Penyalahgunaan Narkoba di Provinsi Sulawesi Selatan Ikmar Mawardi; Herdianti Darwis; Rahma Puspitasari
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3332

Abstract

Penyalahgunaan narkoba merupakan salah satu masalah paling mendesak dan kompleks di Indonesia, yang ditandai dengan meningkatnya jumlah pecandu narkoba, jumlah kasus kejahatan narkoba yang ditemukan, serta semakin beragamnya model dan jaringan distribusi. Penelitian ini bertujuan untuk melakukan klasterisasi penyalahgunaan narkoba di Provinsi Sulawesi Selatan dengan menerapkan metode K-Means. Klasterisasi dilakukan pada data pengguna dalam kasus penyalahgunaan narkoba di BNN Provinsi Sulawesi Selatan dengan mengelompokkan setiap sampel ke dalam klaster yang berbeda. Hasil penelitian ini memberikan informasi mengenai gambaran setiap variabel yang memiliki distribusi data berbeda berdasarkan jenis zat yang digunakan pada klaster tertentu. Pengujian metode menggunakan evaluasi Silhoutte Coefficient dan Elbow menunjukkan terhadap 4 variabel dengan K = 2 memiliki nilai terbaik sebesar 0,623
Analisis Sentimen Pengguna Gojek Berdasarkan Ulasan pada App Store dengan Metode KNN, Naive Bayes, dan SVM Arif Kurnia; harlinda harlinda; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3132

Abstract

Gojek adalah aplikasi layanan on-demand yang telah menjadi salah satu platform terbesar di Asia Tenggara dengan jutaan pengguna aktif dan 5 juta ulasan di App Store. Ulasan ini menjadi sumber informasi penting untuk mengevaluasi dan meningkatkan layanan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Gojek dengan mengelompokkan ulasan menjadi lima kelas sentimen: "Sangat Puas", "Puas", "Cukup", "Buruk", dan "Sangat Buruk". Metode yang digunakan meliputi K-Nearest Neighbors (KNN), Naive Bayes, dan Support Vector Machine (SVM). Setelah melakukan text preprocessing, ketiga metode tersebut dievaluasi berdasarkan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM dengan kernel Linear mencapai akurasi tertinggi sebesar 79.00%, diikuti kernel RBF dengan precision tertinggi sebesar 83.85%. Model Naive Bayes menunjukkan performa cukup baik dengan akurasi 78.00%, sementara KNN memiliki akurasi terendah sebesar 69.25%. Berdasarkan hasil ini, SVM, khususnya dengan kernel Linear dan RBF, terbukti menjadi metode paling efektif dalam menganalisis sentimen pengguna Gojek, memberikan wawasan yang lebih akurat untuk perbaikan layanan
Sistem Pendukung Keputusan Dalam Pemilihan Laptop Berdasarkan Kriteria Kebutuhan Menggunakan Metode Simple Additive Weighting Andi Ranreng Sombeng; Ihwana As’ad; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3151

Abstract

Perkembangan teknologi informasi yang pesat telah menjadikan laptop sebagai kebutuhan penting, terutama bagi mahasiswa dan profesional di bidang teknologi. Banyaknya pilihan laptop dengan berbagai merek dan spesifikasi di pasaran menyebabkan konsumen kesulitan dalam memilih perangkat yang sesuai kebutuhan dan anggaran. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk membantu dalam pemilihan laptop yang optimal. Metode SAW dipilih karena mampu memberikan perhitungan nilai alternatif berdasarkan bobot dan skor dari beberapa kriteria seperti harga, prosesor, layar, vga, memori, dan hardisk. Sistem yang dibangun memungkinkan pengguna untuk menentukan preferensi terhadap setiap kriteria, kemudian sistem akan melakukan normalisasi dan perankingan untuk memberikan rekomendasi laptop terbaik. Hasil pengujian menunjukkan bahwa sistem ini dapat meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan. Dengan demikian, SPK berbasis SAW ini bermanfaat sebagai alat bantu seleksi laptop yang informatif, akurat, dan mudah digunakan
Analisis Perbandingan Serangan UDP Flooding dan SYN Flooding Menggunakan Metode Support Vector Machine A. Muh. Syafei Emil Ma’arif; Farniwati Fattah; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3105

Abstract

Dalam upaya untuk meningkatkan Keamanan jaringan komputer di Laboratorium Fakultas Ilmu Komputer UMI, seperti halnya serangan UDP Flooding dan SYN Flooding paket data yang datang sangat banyak dan menumpuk yang bisa saja terjadi kapan saja  maka sangat dibutuhkan analisa. Serangan DOS adalah jenis serangan terhadap sebuah komputer atau server dengan cara menghabiskan sumber daya yang dimiliki sehingga tidak dapat berfungsi secara optimal. Sehingga secara tidak langsung menghalangi pengguna lain untuk memperoleh akses layanan dari komputer atau server tersebut. Penelitian ini melakukan klasifikasi serangan pada data-data yang diuji dengan menggunakan metode klasifikasi SVM (Support Vector Machines). Data yang diklasifikasi dari serangan DoS yaitu UDP Flooding dan SYN Flooding dengan mencatat aktivitas data traffic jaringan menggunakan tools Wireshark, Hasil penelitian ini Klasifikasi serangan dengan metode SVM menghasilkan tingkat akurasi yang sangat tinggi dalam waktu perekaman data selama 5 menit mendapatkan data record sebanyak 10.000 data yang sudah di seleksi untuk masing-masing serangan dengan rata-rata class yang diprediksi semuanya menghasilkan akurasi sebesar 100%
Analisis Quality Of Service Pada Routing Protocol Rip Versi 2 Muh. Arsyil Karimi; Erick Irawadi Alwi; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i1.2787

Abstract

Pada saat ini kemajuan perkembangan jaringan komputer dan teknologi informasi sangatlah pesat, karena bertambah tingginya kebutuhan dalam mencari informasi. Jaringan komputer merupakan teknologi penggabungan antara beberapa komputer dengan jalur komunikasi seperti internet. Internet adalah sebuah Autonomous System yang saling terhubung untuk melakukan pengiriman paket data dimana diperlukan protokol routing tertentu. Terdapat 2 jenis routing yaitu routing statis dan routing dinamis. Routing Information Protocol (RIP) merupakan salah satu macam routing dinamis. Routing RIP dapat membuat jaringan yang telah terhubung tidak mengalami terjadinya looping, karena jalur utama dan terbaik telah dipilih dan jalur yang lainnya dicadangkan. Maka jika jalur yang utama bermasalah, maka jalur cadangan akan mengambil alih fungsi tersebut. Penelitian ini dilakukan agar dapat mengetahui protokol routing mana yang memiliki kinerja terbaik. Analisis yang dilakukan adalah membandingkan performansi antara routing Statis dengan routing Dinamis RIP. Penelitian dibangun pada software Cisco Packet Tracer dan dilakukan 5 kali pengukuran dengan paramater Quality Of Service (QoS) yaitu delay dan packet loss menggunakan Wireshark Network Analizer Tools serta mengukur Waktu Konvergensi pada routing RIP
Analisis Sentimen Komentar Konten Kreator Gaming Menggunakan Metode Naive Bayes dan KNN M. Dimas Taufiqurahman; Siska Anraeni; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 1, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i4.2531

Abstract

Perkembangan teknologi telah membawa banyak pergeseran termasuk dalam transformasi media konvensional seperti radio dan televisi menjadi media online. Salah satu platform yang mengalami peningkatan signifikan adalah YouTube yang kini menjadi pilihan utama hiburan, terutama bagi anak-anak dan orang dewasa. YouTube, didirikan pada Februari 2005, memiliki 2.56 miliar pengguna per Januari 2022 dan memuat berbagai konten, termasuk video klip film, acara TV, dan video buatan pengguna. Di Indonesia, konten tutorial game menjadi salah satu yang paling sering ditonton, mencapai 7.1% dari total 19 jenis konten populer berdasarkan survei dari Asosiasi Penyelenggara Jasa Internet Indonesia (APJII). Penelitian ini bertujuan untuk mengekstrak data opini dan menganalisis sentimen netizen terhadap konten gaming di YouTube menggunakan pendekatan Naive Bayes dan KNN. Berdasarkan hasil klasifikasi kedua metode Naïve Bayes KNN didapatkan hasil akurasi 96% untuk metode Naïve Bayes dan akurasi 87% untuk metode KNN sehingga dapat disimpulkan bahwa metode Naïve Bayes memiliki akurasi yang lebih tinggi
Analisis Sentimen Review Aplikasi di Google Play Store Menggunakan Random Forest Muhammad Faiq Rahmatullah; Poetri Lestari Lokapitasari Belluano; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3149

Abstract

Google Play Store adalah salah satu platform distribusi aplikasi terbesar yang memungkinkan pengguna memberikan ulasan terhadap aplikasi yang mereka pakai. Di era digital saat ini, ulasan pengguna menjadi sumber data penting untuk menilai performa dan kualitas aplikasi. Namun, banyaknya jumlah ulasan membuat analisis secara manual menjadi kurang efisien. Oleh karena itu, peracangan ini ini mengadopsi pendekatan machine learning untuk mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral. Proses analisis meliputi beberapa tahap, seperti pengumpulan data, praproses teks, ekstraksi fitur dengan TF-IDF, pelatihan model menggunakan Random Forest, serta evaluasi kinerja model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan berhasil mengklasifikasikan sentimen dengan akurasi sebesar 68.5%, dengan performa terbaik pada sentimen negatif. Selain itu, penerapan metode Random Forest juga membuka peluang untuk pengembangan sistem analitik otomatis yang dapat digunakan oleh pengembang aplikasi dalam meningkatkan kualitas layanan mereka. Dengan memahami kecenderungan opini pengguna secara cepat dan akurat, pengambilan keputusan dalam pengembangan fitur baru atau perbaikan bug dapat dilakukan secara lebih terarah. Implementasi metode ini juga berpotensi untuk diterapkan pada sektor lain seperti e-commerce, layanan publik, atau media sosial, di mana opini pengguna menjadi salah satu aspek penting dalam evaluasi layanan
Perancangan Website Pada Toko Firman Tani Menggunakan Pendekatan Waterfall Muh Firman Abd Rahman; Irawati Irawati; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3150

Abstract

Di era digital saat ini, sistem informasi yang terintegrasi dan efisien menjadi kebutuhan penting, khususnyabagi UMKM seperti toko pertanian. Penelitian ini bertujuan mengembangkan sistem informasi penjualan berbasis website untuk Toko Firman Tani di Kabupaten Pinrang dengan pendekatan pengembangan perangkat lunak Waterfall. Sistem ini dirancang untuk menggantikan metode penjualan manual yang masih digunakan, yang dinilai kurang efisien dan tidak mampu menjangkau pasar secara luas. Proses pengembangan mengikuti tahapan sistematis, yaitu analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan, dengan data yang dikumpulkan melalui observasi langsung, wawancara dengan pemilik dan pelanggan, serta studi pustaka yang relevan. Fitur utama sistem meliputi katalog produk digital, manajemen stok otomatis, proses pemesanan menggunakan keranjang belanja, integrasi metode pembayaran digital, serta notifikasi pesanan melalui WhatsApp. Untuk mengevaluasi kualitas dan kenyamanan sistem, dilakukan pengujian melalui unit testing dan usability testing menggunakan metode System Usability Scale (SUS). Pengujian dilakukan terhadap 15 responden, terdiri dari admin, petani, dan pelanggan. Hasil pengujian menunjukkan nilai rata-rata sebesar 71%, yang menurut interpretasi standar SUS termasuk dalam kategori “baik”, menunjukkan bahwa sistem mudah digunakan dan diterima oleh pengguna. Implementasi sistem ini terbukti mampu meningkatkan efisiensi transaksi, akurasi pengelolaan data, dan memperluas jangkauan promosi toko secara daring. Selain itu, sistem ini juga memberikan kemudahan komunikasi antara pelanggan dan pemilik usaha melalui media digital. Penelitian ini diharapkan menjadi kontribusi nyata dalam pemanfaatan teknologi informasi pada sektor pertanian dan memberikan inspirasi bagi UMKM lainnya untuk bertransformasi secara digital guna meningkatkan daya saing di era modern
Analisis Sentimen Masyarakat Terhadap Sistem Pembayaran Mypertamina dengan Metode Random Forest, SVM, dan Naïve Bayes Ayu Amelia; Lilis Nur Hayati; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2269

Abstract

PT. Pertamina (PERSERO), sebagai perusahaan BUMN terkemuka di Indonesia di bidang perminyakan, memiliki peran vital dalam pengolahan dan pemasaran minyak bumi, terutama bahan bakar minyak (BBM). Penelitian ini menerapkan tiga metode analisis sentimen yaitu Random Forest, SVM, dan Naïve Bayes untuk mengevaluasi ulasan pengguna terhadap aplikasi MyPertamina. Dengan mengumpulkan data melalui web scraping dari Google Play Store sebanyak 3360 ulasan dianalisis dari 2018 hingga 01 Desember 2023. klasifikasi sentimen terbagi menjadi tiga kategori: positif, negatif, dan netral. Penggunaan Google Colab sebagai alat utama dalam pengolahan data dan implementasi model klasifikasi menawarkan efisiensi dalam eksperimen. Hasil evaluasi menunjukkan bahwa ketiga metode analisis sentimen Random Forest, SVM, dan Naïve Bayes mencapai akurasi tinggi pada evaluasi ulasan aplikasi MyPertamina. Random Forest menonjol dengan akurasi 99.77%, sementara SVM dan Naïve Bayes juga memberikan performa yang baik, masing-masing mencapai 99.31% dan 90.24%. Nilai Precision, Recall, dan F1-Score yang optimal pada ketiga metode mengindikasikan keefektifan mereka dalam menganalisis sentimen ulasan pengguna.