Article Per Year (5 Year)
p-Index From 2021 - 2026
2.533
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 
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.
Penerapan Na ̈ıve Bayes Classifier, K-Nearest Neighbor (KNN) dan Decision Tree untuk Menganalisis Sentimen pada Interaksi Netizen dan Pemeritah M. Khairul Anam; Bunga Nanti Pikir; Muhammad Bambang Firdaus; Susi Erlinda; Agustin Agustin
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 1 (2021)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i1.1092

Abstract

Pemerintah Pekanbaru saat ini sudah menerapkan teknologi dalam sistem pemerintahan, penerapannya saat ini masih mendapat keluhan dari masyarakat seperti layanan publik command center yang hanya sebagian masyarakat mengetahuinya dan penerapan cctv yang ada di Alat Pemberi Isyarat Lalu Lintas (APILL) yang belum berfungsi dengan baik. Penerapan teknologi lainnya oleh Pemerintah Pekanbaru dapat kita lihat dari keberadaan portal-portal web situs resmi Pemerintah. Sedangkan untuk melihat beragam komentar netizen dari twitter. Twitter menjadi tempat untuk mendapatkan data yang diungkapkan masyarakat melalui tweets yang diposting ke timeline. Analisa sentimen dilakukan untuk melihat pendapat atau kecenderungan opini netizen terhadap pemerintah Pekanbaru yang mengandung sentimen positif, negatif, dan netral. Data yang digunakan adalah tweet dengan jumlah dataset sebanyak 150 tweets. Data tersebut kemudian di analisa agar menjadi informasi. Analisa dilakukan menggunakan metode data mining yaitu Naïve Bayes Classifier, K-Nearest Neighbor (KNN), dan Decision tree. Penggunaan ketiga pendekatan ini berupaya untuk mengkategorikan hasil komentar netizen terkait penggunaan teknologi yang telah melalui proses analisis sentimen dan membandingkan keakuratan ketiga cara tersebut. Hasil akurasi yang didapatkan cukup beragam yaitu dari metode Naïve Bayes akurasi 100%, metode KKN akurasi 98,25%, dan metode decision tree akurasi 62,28%.
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