Article Per Year (5 Year)
p-Index From 2021 - 2026
4.822
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Bina Insani ICT Journal Jurnal Pilar Nusa Mandiri INOVTEK Polbeng - Seri Informatika JATI (Jurnal Mahasiswa Teknik Informatika) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Infortech Jurnal Inovasi Informatika Reputasi: Jurnal Rekayasa Perangkat Lunak JURNAL ELEKTRO DAN INFORMATIKA SWADHARMA (JEIS) Jurnal Minfo Polgan (JMP) Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Journal of Artificial Intelligence and Digital Business Bukhori: Kajian Ekonomi dan Keuangan Islam SATIN - Sains dan Teknologi Informasi Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Blueprint Journal Jurnal Infortech
Ghofar Taufiq
Universitas Bina Sarana Informatika
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Evaluasi Penerapan Sistem Kasir Pre-Order Berbasis Cloud Menggunakan Model HOT-FIT Utami, Elta Tri; Indarti, Indarti; Taufik, Ghofar; Laraswati, Dewi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3402

Abstract

Perkembangan teknologi informasi mendorong perusahaan untuk mengadopsi sistem digital guna meningkatkan efisiensi dan akurasi proses bisnis. Sistem kasir menjadi salah satu komponen penting, khususnya dalam pengelolaan transaksi pre-order yang memerlukan pencatatan data secara terintegrasi dan real-time. PT Multi Sarana Prima Nusantara, sebagai perusahaan distribusi mainan anak, mengimplementasikan software Accurate Online berbasis cloud untuk mendukung sistem kasir pre-order. Namun, dalam penerapannya masih ditemukan berbagai kendala, seperti adaptasi pengguna terhadap teknologi baru, keterbatasan pelatihan, serta kesesuaian antara sistem, organisasi, dan teknologi. Penelitian ini bertujuan untuk mengevaluasi penerapan software Accurate Online sebagai sistem kasir pre-order menggunakan model Human, Organization, and Technology–Fit (HOT-FIT). Metode penelitian yang digunakan adalah pendekatan kualitatif deskriptif dengan desain studi kasus. Data dikumpulkan melalui penyebaran kuesioner dan wawancara kepada karyawan yang terlibat langsung dalam penggunaan sistem. Hasil penelitian menunjukkan bahwa dari aspek human, sebagian besar pengguna memiliki persepsi positif terhadap penggunaan Accurate Online karena dinilai mudah dipahami dan mampu meningkatkan efisiensi kerja, meskipun masih diperlukan pelatihan yang lebih merata. Dari aspek organization, perusahaan telah menyediakan dukungan manajemen, SOP, serta dukungan teknis yang cukup memadai. Sementara itu, dari aspek technology, Accurate Online dinilai user-friendly, efektif dalam pengelolaan transaksi pre-order, dan mampu menyajikan laporan penjualan serta stok dengan kecepatan yang baik, walaupun masih terdapat kendala stabilitas sistem. Secara keseluruhan, penerapan Accurate Online dinilai efektif dan direkomendasikan untuk digunakan secara berkelanjutan dengan perbaikan pada aspek pelatihan dan kestabilan sistem.
Penerapan Algoritma Random Forest Dalam Memprediksi Harga Properti di Jakarta Selatan Berdasarkan Karakteristik Fisik dan Lokasi Emilita, Safa; Rahayu, Putri Sri; Larasati, Sekar Rania; Taufiq, Ghofar; Kumalasari, Jefina Tri
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15735

Abstract

Penelitian ini bertujuan untuk melakukan prediksi harga properti di wilayah Jakarta Selatan dengan memanfaatkan algoritma Random Forest. Dataset yang digunakan mencakup 1.003 data dengan variabel seperti harga, luas tanah (LT), luas bangunan (LB), jumlah kamar tidur (JKT), jumlah kamar mandi (JKM), keberadaan garasi (GRS), serta lokasi (KOTA). Hasil analisis menunjukkan bahwa algoritma Random Forest mampu memberikan prediksi harga properti dengan tingkat akurasi yang tinggi, di mana luas tanah dan luas bangunan menjadi faktor yang paling berpengaruh terhadap hasil prediksi.Temuan ini dapat menjadi referensi bagi pengembang, agen properti, maupun calon pembeli dalam memperkirakan nilai pasar properti di Jakarta Selatan secara lebih objektif dan data-driven .
Implementasi Lightweight Neural Network Berbasis YOLOv8n untuk Klasifikasi Sampah Real-Time Ali, Muhamad Hafis; Sulaiman, Sulaiman; Ardiyansyah, Rizqi; Sumanto, Sumanto; Taufiq, Ghofar; Kumalasari, Jefina Tri
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8895

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sampah real-time yang efisien pada perangkat edge dengan memanfaatkan arsitektur Deep Learning ringan berbasis YOLOv8. Klasifikasi sampah otomatis merupakan solusi krusial dalam Smart Waste Management, namun model jaringan saraf tiruan yang kompleks sering terkendala oleh keterbatasan sumber daya komputasi pada perangkat IoT. Penelitian ini menerapkan model YOLOv8n (nano) menggunakan teknik Transfer Learning untuk menyeimbangkan akurasi deteksi dan efisiensi komputasi. Dataset yang digunakan bersumber dari repositori publik Roboflow sebanyak 1.123 citra yang telah melalui proses augmentasi. Hasil pelatihan selama 50 epoch menunjukkan performa impresif dengan nilai mean Average Precision (mAP@50) mencapai 0.995, Presisi 0.998, dan Recall 1.0. Selain itu, model memiliki ukuran file yang sangat ringkas (±6 MB) dengan kecepatan inferensi yang memadai untuk operasi real-time. Hasil penelitian ini membuktikan bahwa algoritma lightweight neural network mampu diimplementasikan secara efektif untuk mendukung sistem pemilahan sampah cerdas berbasis Computer Vision.
Analisis Tren Popularitas Musik Spotify Menggunakan Chi-Square, Regresi Linear & Anova Sentanu, Quinn Abrar Athallah; Alamsyah, Muhammad Arkan; Rivaldi, Muhammad; Sumanto, Sumanto; Taufiq, Ghofar
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8897

Abstract

Musik adalah fenomena budaya yang dinamis, dengan platform streaming seperti Spotify merevolusi konsumsi. Penelitian ini bertujuan menganalisis tren karakteristik akustik dan popularitas musik menggunakan Dataset Spotify dari tahun 2018 hingga 2022, periode krusial dominasi digital. Pentingnya topik ini terletak pada identifikasi pergeseran selera digital dan faktor-faktor yang mendorong keberhasilan musikal kontemporer. Penelitian ini menggunakan metode analisis statistik deskriptif dan pemodelan deret waktu pada metrik popularitas serta karakteristik akustik seperti danceability, energy, dan valence.Genre R&B dan Indie mencatat pertumbuhan popularitas yang paling signifikan. Disimpulkan bahwa dalam era streaming, danceability telah menjadi prediktor kuat popularitas, menandakan preferensi pendengar terhadap musik yang lebih berirama, sebuah temuan penting bagi produser musik dan pemasar
Penerapan  Naïve Bayes Berbasis SMOTE Dan Decision Tree Untuk Analisis Sentimen Timnas Indonesia Ghudzamir 'Ammar Ibrahim Pasaribu; Ghofar Taufik; Giatika Chrisnawati; Indarti; Dewi Laraswati; Dinda Ayu Muthia
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11570

Abstract

Penelitian ini bertujuan menganalisis persepsi publik terhadap kinerja Tim Nasional Indonesia pada masa kepelatihan Patrick Kluivert melalui analisis sentimen komentar penggemar di Instagram. Media sosial dipilih karena menjadi wadah utama bagi penggemar untuk menyampaikan opini dan dukungan secara langsung. Sebanyak 300 komentar dikumpulkan dari akun resmi Timnas Indonesia menggunakan teknik data scraping. Data tersebut kemudian melalui proses pembersihan dan pelabelan sebelum dianalisis. Untuk menyeimbangkan distribusi data, digunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Klasifikasi sentimen dilakukan dengan membandingkan dua algoritma machine learning, yaitu Naïve Bayes dan Decision Tree, guna menilai kinerja masing-masing dalam mengenali sentimen positif maupun negatif. Hasil penelitian menunjukkan bahwa model Decision Tree memiliki performa lebih baik, khususnya dengan nilai recall tinggi pada kelas positif, yang menunjukkan kemampuannya dalam mendeteksi sentimen positif secara akurat. Meskipun demikian, model ini masih lemah dalam mengidentifikasi sentimen negatif. Secara keseluruhan, temuan ini menggambarkan antusiasme dan kecintaan besar penggemar terhadap Timnas Indonesia, terlepas dari hasil pertandingan yang diperoleh.
ANALISIS SENTIMEN ULASAN GAME DELTA FORCE MOBILE MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE Zaky, Faiz Najwan; Gibran, Muhamad Rendi; Sumanto, Sumanto; Kumalasari, Jefina Tri; Taufiq, Ghofar; Christian, Ade
JEIS: Jurnal Elektro dan Informatika Swadharma Vol 6, No 1 (2026): JEIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jeis.vol6no1.1115

Abstract

This study aims to analyze sentiment in Delta Force Mobile reviews on the Google Play Store using Naive Bayes and Support Vector Machines. Sentiment classification in reviews helps game developers understand player sentiment and improve user satisfaction. The method used is the KDD framework, which focuses on web scraping, text cleaning, tokenization, stemming, and TF-IDF for data weighting. The experimental data consisted of 29,454 reviews, with a peak accuracy rate of 86.17%. The study found a significant improvement in SVM’s ability to classify negative sentiment accurately. SVM had a score of 0.69, while Naive Bayes had a score of 0.56. This indicates that SVM is more accurate at classifying reviews that contain technical complaints, such as lag and bugs.Penelitian ini bertujuan menganalisis sentimen pada ulasan Delta Force Mobile di Google Play Store menggunakan Naive Bayes dan Support Vector Machine. Klasifikasi sentimen dalam ulasan digunakan untuk membantu pengembang game memahami sentimen pemain dan membantu meningkatkan kepuasan pengguna. Metode yang digunakan yaitu kerangka kerja KDD yang berfokus pada web scraping, pembersihan teks, tokenisasi, stemming, dan TF-IDF untuk memberi bobot pada data. Data yang digunakan dalam eksperimen berjumlah 29.454 ulasan, dengan tingkat akurasi tertinggi sebesar 86.17%. Hasil penelitian mendapatkan temuan signifikan bahwa SVM memiliki kemampuan yang lebih baik dalam mengklasifikasikan sentimen negatif secara akurat. SVM memiliki nilai 0,69 dan Naive Bayes memiliki nilai 0,56. Hal ini menunjukan bahwa SVM lebih akurat dalam mengklasifikasikan ulasan yang mengandung keluhan teknis seperti lag dan bug.
Co-Authors Ade Christian Adjat Sudradjat Adriansyah, Mohammad Agus Salim Ahmad Zarkasi Alamsyah, Muhammad Arkan Ali, Muhamad Hafis Ardiyansyah, Rizqi Arief Rusman Asfani, Asfani Baginda Oloan Lubis Banu Dwi Hanggoro, Dimas Budi Santoso Budi Waluyo Chitantri Septiana Rachman Chrisnawati, Giantika Dewi Laraswati Dinda Ayu Muthia Dona Jatmika Emilita, Safa Fauzan, Muhammad Indra Febrian, Zico Ghazi, Akhmad Nur Ghudzamir 'Ammar Ibrahim Pasaribu Giatika Chrisnawati Gibran, Muhamad Rendi Indarti Indarti Indarti Ishak Komarudin Ispandi Ispandi, Ispandi Jefina Tri Kumalasari Khultsum, Umi Kumalasari Kumalasari Larasati, Sekar Rania Lestari, Julia Ananda Marni Berek, Maria Susey Melan Susanti, Melan Nur Kholifah, Desiana Nurhotimah, Ica Oman Rusmana Rahayu, Putri Sri Ramadhania Hendharti Rivaldi, Muhammad Rofiqi, Ainur Rosadi Rosadi Santiyana Yulia Sentanu, Quinn Abrar Athallah Sianturi, Julius Immanuel Suhar Janti Sulaiman Sulaiman Sumanto Sumanto Suteja, Mikhael Tomy Sutisna, Alifan Widad Utami, Elta Tri Yamani, Teuku Arrasy Yopi Handrianto, Yopi Zaky, Faiz Najwan