Article Per Year (5 Year)
p-Index From 2021 - 2026
2.447
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering JTT (Jurnal Teknologi Terpadu) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURIKOM (Jurnal Riset Komputer) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal J-PEMAS pendidikan, science, teknologi, dan ekonomi JAIA - Journal of Artificial Intelligence and Applications SATIN - Sains dan Teknologi Informasi
Agustin
STMIK Amik Riau
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
REVIEW APLIKASI KREDIVO MENGGUNAKAN ANALISIS SENTIMEN DENGAN ALGORITMA SUPPORT VECTOR MACHINE Agustin Agustin; Sahli Andrean; Susanti Susanti; Rahmiati Rahmiati; Hamdani Hamdani
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 9 No 1 (2024): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v9i1.4107

Abstract

Kredivo adalah aplikasi kredit instan yang memberikan kemudahan untuk beli sekarang dan bayar nanti. Aplikasi ini juga dikenal dengan kartu kredit digital dimana peminjam dapat menggunakannya untuk belanja cicilan online. Selain digunakan untuk keperluan berbelanja, peminjam juga dapat mencairkan dalam bentuk uang tunai. Namun, tidak semua penggunanya merasa puas dengan pelayanan tersebut, terdapat banyak komentar yang salah satunya disampaikan melalui fitur ulasan aplikasi kredivo pada google play store. Oleh sebab itu, pada penelitian ini peneliti mencoba melakukan analisis sentimen review aplikasi kredivo pada google play store menggunakan algoritma support vector machine. Penelitian ini bertujuan untuk mengetahui hasil analisis sentimen dengan mengklasifikasikan review menjadi positif atau negatif serta melihat seberapa tinggi nilai akurasi yang dihasilkan algoritma support vector machine. Dari pengujian yang dilakukan terhadap 10000 data review pengguna aplikasi kredivo pada google play store dengan pembagian data training dan testing 80:20, didapat bahwa review yang mengandung sentimen positif sebanyak 59% dan mengandung sentimen negatif sebanyak 41%. Evaluasi hasil klasifikasi dengan pengujian confusion matrix diperoleh nilai akurasi sebesar 87%, nilai precision sebesar 84%, nilai recall sebesar 85%, dan nilai f1 score sebesar 85%.
ANALISIS PERBANDINGAN ALGORITMA C4.5 DAN NAIVE BAYES UNTUK MEMPREDIKSI KETERCAPAIAN TARGET PO DALAM MEMBANGUN PROJECT FTTH (FIBER TO THE HOME) Pratama, Ahmad Tara; Deni, Rahmad; Agustin, Agustin; Asnal, Hadi
Jurnal Teknik Informasi dan Komputer (Tekinkom) Vol 8 No 1 (2025)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v8i1.2309

Abstract

In the digital era, the demand for high-speed and stable internet has become essential to support communication and information access. Fiber to the Home (FTTH) is one of the main solutions implemented by internet service providers such as MyRepublic. A critical component in FTTH network development is the issuance of Purchase Orders (PO) to vendors, which directly impacts the achievement of sales targets. This study aims to compare the performance of the C4.5 and Naïve Bayes classification algorithms in predicting PO target achievement to assist project planning and decision-making. The research uses historical data from FTTH projects and applies data partitioning scenarios of 70:30, 80:20, and 90:10 for model training and testing. Evaluation was conducted using accuracy as the main performance metric. The results show that the Naïve Bayes algorithm achieved the highest accuracy of 85.64% with a 70:30 data split, while C4.5 obtained 83.54% accuracy with a 90:10 data split. Based on these findings, the Naïve Bayes algorithm is considered more effective and consistent in predicting PO target achievement and is recommended for implementation in similar project scenarios.
Co-Authors Adellia Meiriza Agus Tri Nurhuda Aldino Evel Alyauma Hajjah Anam, M Khairul Atika Suri Bunga Nanti Pikir Dedy Irfan Deni, Rahmad Devi Efriadi Didik Sazali Didik Sudyana Edwar Ali Efrizoni, Lusiana Erlin Erlinda, Susi Fransiskus Zoromi Hadi Asnal, Hadi Hamdani - Hartina, Titi Helfin Harianto Herwin Herwin, Herwin Jamaris, Muhamad Johan Josef Sianturi Junadhi Junadhi Khusaeri Andesa Lagut Hamulian Mardainis Marni, Prina Mi`rajul Rifqi Muhammad Bambang Firdaus Muhammad W P Agatmadja Nora Lizarti Pratama, Ahmad Tara Purwanto Rahmaddeni Rahmaddeni Rahmiati Rometdo Muzawi, Rometdo Sahli Andrean Siska Hediyati Susanti, Susanti Susi Erlinda Tashid Triyani Arita Fitri Ulfah, Aniq Noviciate Wirta Agustin Yansyah Saputra Wijaya Yusuf Nuron