Articles
<![CDATA[Analysis and visualization of BPJS on twitter using K-means clustering ]]>
<![CDATA[Andika Bayu Saputra]]>;
<![CDATA[Puji Winar Cahyo]]>;
<![CDATA[Muhammad Habibi]]>;
<![CDATA[Adri Priadana]]>
<![CDATA[ International Journal of Health Science and Technology Vol 3, No 3 (2022): April ]]>
Publisher : <![CDATA[Universitas 'Aisyiyah Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (928.002 KB)
|
DOI: 10.31101/ijhst.v3i3.2466
<![CDATA[Social security agency (BPJS) Health exists to provide national social security to meet the basic needs appropriate for all levels of society based on the principle of humanity. Originated from a change in the contribution premium policy, it is demanded by the organizers and health service providers to be able to provide safe, quality, affordable health facilities. But unfortunately, the government's efforts in realizing public welfare, especially in the field of health, are not fully supported by the community because of the ever- changing premium contribution policy and the health services they receive. The latest information developments related to BPJS on social media that can be easily accessed by the public. One of them is by using the Twitter platform as a place to exchange information using hashtags. The hashtag data can be processed and obtained information to be used as a tool for decision making. This study aims to analyze and visualize BPJS data on the Twitter platform using the K-Means clustering method. K-Means clustering method is a method of clustering data mining using the descriptive model concept. K- means method can use to explain the algorithm in determining an object into a specific cluster based on the nearest average. ]]>
<![CDATA[Analisis Eksploratif Berita Hoax pada Situs Cek Kebenaran ]]>
<![CDATA[Puji Winar Cahyo]]>;
<![CDATA[Ulfi Saidata Aesyi]]>
<![CDATA[ Jurnal Informatika Universitas Pamulang Vol 7, No 2 (2022): JURNAL INFORMATIKA UNIVERSITAS PAMULANG ]]>
Publisher : <![CDATA[Teknik Informatika Universitas Pamulang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32493/informatika.v7i2.13952
<![CDATA[The spread of fake news (hoax) through social media is currently quite difficult for the public to distinguish hoax or actual news. News can be categorized as actual if it comes from a trusted source and is supported by valid source clarification. Therefore, the news that has been spread needs to be clarified to check the truth. Currently, news checking sites are available, including turnbackhoax.id and kominfo.go.id. They have a detail of clarification data on the news classified as hoax or actual. Based on the number of online spreading hoaxes, this study seeks to create a Directory Fact Checker platform, which is a news analysis platform that can display distribution data in graphic form within a certain period of time. Exploratory data analysis was applied to hoax data in 2020. The results of the analysis show that Facebook is the first ranked social media that is often used to spread hoax news, followed by Whatsapp in second place. Meanwhile, judging from the categorization of hoaxes, Content Fabrication is the most widely spread category. Content Fabrication is a news category, 100% of the discussion is fake news. Then in the second rank, followed by the Misleading Content category, Misleading Content is a discussion of news whose contents are twisted with the aim of discrediting.]]>
<![CDATA[Journal Classification Based on Abstract Using Cosine Similarity and Support Vector Machine ]]>
<![CDATA[Muhammad Habibi]]>;
<![CDATA[Puji Winar Cahyo]]>
<![CDATA[ JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 4 No. 3 (2020): Januari 2020 ]]>
Publisher : <![CDATA[UIN Sunan Kalijaga Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (2072.722 KB)
|
DOI: 10.14421/jiska.2020.43-06
<![CDATA[One of the problems related to journal publishing is the process of categorizing entry into journals according to the field of science. A large number of journal documents included in a journal editorial makes it difficult to categorize so that the process of plotting to reviewers requires a long process. The review process in a journal must be done planning according to the expertise of the reviewer, to produce a quality journal. This study aims to create a classification model that can classify journals automatically using the Cosine Similarity algorithm and Support Vector Machine in the classification process and using the TF-IDF weighting method. The object of this research is abstract in scientific journals. The journals will be classified according to the reviewer's field of expertise. Based on the experimental results, the Support Vector Machine method produces better performance accuracy than the Cosine Similarity method. The results of the calculation of the value of precision, recall, and f-score are known that the Support Vector Machine method produces better amounts, in line with the accuracy value.]]>
<![CDATA[Klasterisasi Obat Berdasarkan Tipe dan Komposisi Sejenis pada Bagian Farmasi Rumah Sakit Queen Latifa ]]>
<![CDATA[Nurul Imam Prayogo]]>;
<![CDATA[Puji Winar Cahyo]]>;
<![CDATA[Landung Sudarmana]]>;
<![CDATA[Nurul Fatimah]]>
<![CDATA[ Jurnal Teknomatika Vol 13 No 2 (2020): TEKNOMATIKA ]]>
Publisher : <![CDATA[Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30989/teknomatika.v13i2.1120
<![CDATA[One important element in maintaining and improving the quality of healthcare services is the availability of adequate medication. Drugs are a crucial component used in the provision of healthcare services, and the expenses associated with them constitute a significant portion of overall healthcare costs. The implementation of data mining can aid in analyzing drug usage to obtain information that can be utilized for planning and controlling drug inventory, with one of the methods being the utilization of the K-Means algorithm. The K-Means algorithm is the most popular and widely used clustering method in data mining. This research aims to facilitate pharmacy personnel in identifying groups of drug types with similar characteristics and compositions. As a result, the categorization of a large number of drugs can be performed more efficiently and accurately. Moreover, with the grouping of drugs based on similar characteristics and compositions, pharmacy personnel can easily monitor the availability of specific medications and take appropriate actions in managing drug supplies at the hospital.]]>
<![CDATA[Metode Hybrid Menggunakan Pendekatan Lexicon Based dan Naive Bayes Classifier Untuk Analisis Sentimen Terkait Jaminan Hari Tua ]]>
<![CDATA[Rizky Fauzi Akbar]]>;
<![CDATA[Muhammad Habibi]]>;
<![CDATA[Puji Winar Cahyo]]>;
<![CDATA[Nafisa Alfi Sa'diya]]>
<![CDATA[ Jurnal Teknomatika Vol 16 No 2 (2023): TEKNOMATIKA ]]>
Publisher : <![CDATA[Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30989/teknomatika.v16i2.1247
<![CDATA[Badan Penyelenggara Jaminan Sosial (BPJS) Ketenagakerjaan adalah badan aturan publik yang dibuat melalui Undang-Undang No 24 Tahun 2011 Tentang Badan Penyelenggaran Jaminan Sosial menggunakan tujuan untuk mewujudkan terselenggaranya pemberian jaminan terpenuhinya kebutuhan dasar yang layak bagi setiap peserta atau anggota keluarganya. Dalam pelaksanaannya terdapat informasi yang tersebar khususnya pada tweet di Twitter mengenai keputusan Kementrian Kesehatan yaitu mengenai Jaminan Hari Tua (JHT) yang hanya bisa dicairkan/diambil setelah peserta (BPJS) Ketenagakerjaan menginjak usia 56 tahun, menyebabkan adanya pro dan kontra yang ada dikalangan masyarakat. Berdasarkan tweet-tweet pada Twitter yang belum dianalisis maka perlu di analisis secara mendalam untuk mendapatkan informasi yang sesuai berdasarkan opini netizen. Berdasarkan hasil penelitian ini diperoleh nilai akurasi data testing sebesar 92% untuk metode Lexicon Based dan 95% untuk data testing pada metode Naïve Bayes Classifier lalu untuk data training Naïve Bayes Classifier mendapatkan akurasi 82%. Penelitian ini mendapatkan kesimpulan bahwa jaminan hari tua (JHT) pada (BPJS) Ketenagakerjaan mendapat sentimen negatif dari netizen yang banyak membahas mengenai penolakan peraturan baru dimana jaminan hari tua (JHT) pada (BPJS) Ketenagakerjaan, hanya bisa dicairkan atau diambil ketika peserta BPJS Ketenagakerjaan menginjak usia 56 tahun.]]>
<![CDATA[Peningkatan Kompetensi Guru Melalui Pelatihan Pemrograman Aplikasi Mobil Menggunakan Flutter di SMK Muhammadiyah 1 Yogyakarta ]]>
<![CDATA[Aesyi, Ulfi Saidata]]>;
<![CDATA[Cahyo, Puji Winar]]>;
<![CDATA[Kharisma, Kharisma]]>;
<![CDATA[Himawan, Arif]]>
<![CDATA[ Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 7, No 1 (2024): Februari 2024 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31294/jabdimas.v7i1.15267
<![CDATA[Pembelajaran di tingkat Sekolah Menengah Kejuruan lebih mengarah pada penekanan siswa untuk siap kerja. Sekolah Menengah Kejuruan (SMK) Muhammadiyah 1 Yogyakarta merupakan sekolah yang memiliki peminatan kompetensi Rekayasa Perangkat Lunak (RPL). Siswa RPL diajarkan untuk memprogram dan mengembangkan aplikasi mulai dari tingkat dasar sampai tingkat menengah. Bahasa pemrograman yang diajarkan pada peminatan Rekayasa Perangkat Lunak masih menggunakan Hypertext Preprocessor (PHP). Sedangkan untuk mengarah ke pemrograman secara mobil, bahasa pemrograman PHP tidak terlalu mendukung. Oleh karena itu dilakukan pengabdian kepada masyarakat dengan bentuk pelatihan pemrograman aplikasi mobil menggunakan platform flutter melalui bahasa pemrograman dart. Dari pelatihan yang telah dilakukan menghasilkan peningkatan yang cukup, meskipun tidak terlalu signifikan. Hasil peningkatan tersebut ditunjukan pada semua kategori penilaian, diantaranya indikator dasar pengetahuan pemrograman mobil dari 71 persen menjadi 79 persen, pemahaman penggunaan alat flutlab.io dari 33 persen menjadi 44 persen dan cara penulisan kode pemrograman mobil menggunakan dart dari 40 persen menjadi 46 persen.]]>
<![CDATA[Perbandingan LSTM dengan Support Vector Machine dan Multinomial Na ve Bayes pada Klasifikasi Kategori Hoax ]]>
<![CDATA[Cahyo, Puji Winar]]>;
<![CDATA[Aesyi, Ulfi Saidata]]>
<![CDATA[ Jurnal Transformatika Vol. 20 No. 2 (2023): January 2023 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v20i2.5880
<![CDATA[Hoax is fake news, now massively spread through social media. The impact of hoaxes is that people's misperceptions in understanding of news are very high. With the existence of hoaxes are spreading through social media, it requires the public to think smart when receiving the news. Currently, many ways to prevent hoaxes, right now we have Fact Checker Directory Platform which is a truth platform sourced from several fact check sites. On the truth check platform, every news detected as hoaxes has been categorized into specific type of hoax, manually by the validator. For this reason, this research attempts to automatically categorize the types of hoaxes using comparation of Deep Learning with Machine Learning classifications. Deep Learning uses Long Short Term Memory Network (LSTM), while Machine Learning uses Support Vector Machine (SVM) and Multinomial Naive Bayes. Through the build model process, SVM produces the best accuracy quality of 0.74, Multinomial Na ve Bayes produces an accuracy quality of 0.62 while LSTM displays 0.49. The results of low accuracy in LSTM need to be evaluated on model architecture and data normalization during preprocessing.]]>
<![CDATA[Analisis Pola Konsumen Dalam Bertransaksi Bisnis di Bengkel Resmi AHASS Total Honda Motor ]]>
<![CDATA[Wardoyo, Budi]]>;
<![CDATA[Cahyo, Puji Winar]]>;
<![CDATA[Habibi, Muhammad]]>;
<![CDATA[Al Badawi, M. Abu Amar]]>
<![CDATA[ Jurnal Teknomatika Vol 16 No 1 (2023): TEKNOMATIKA ]]>
Publisher : <![CDATA[Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30989/teknomatika.v16i1.1133
<![CDATA[The accumulated data, which consists of facts and transaction events in a business, should be processed and utilized for the progress of business development. Currently, the data owned by AHASS THM has not been optimized and further processed to provide broader benefits, such as promotion and forming loyal AHASS customers. The objective of this research is to analyze the existing transaction data to identify consumer transaction patterns at AHASS THM. The research methodology used is Market Basket Analysis (MBA), a method for analyzing consumer transaction data by finding associative relationships between different items in the consumer's shopping cart. By applying a minimum parameter limitation of support = 0.001, confidence = 0.8, and sorting based on the magnitude of the confidence parameter, 62 associative rules of consumer transaction patterns in AHASS THM business were obtained. By selecting the top 10 associative rules based on the highest confidence values, generally, these associative rules have a confidence parameter greater than 0.95 or 95%. Additionally, there are 3 associative rules with a confidence value of 1 or 100%, indicating that consumers will purchase Bearing Needle 20x29x218 after buying Bearing Ball 6902U, or a combination of Bearing Ball 6902U with CVT Grease 10 gr or Oli MPX2 0.8 lt.]]>
<![CDATA[OPTIMALISASI ALGORITMA RANDOM FOREST FEATURE SELECTION DAN HYPERPARAMETER TUNING KLASIFIKASI GENRE MUSIK ]]>
<![CDATA[Fakhriza, Fathur]]>;
<![CDATA[Subekti, Dayat]]>;
<![CDATA[Cahyo, Puji Winar]]>
<![CDATA[ Jurnal Informatika Vol 9, No 1 (2025): JIKA (Jurnal Informatika) ]]>
Publisher : <![CDATA[University of Muhammadiyah Tangerang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31000/jika.v9i1.12216
<![CDATA[Mendengarkan musik merupakan aspek penting dari kehidupan manusia, namun pengenalan genre musik secara subjektif menambah kompleksitas dalam proses klasifikasinya. Oleh karena itu, diperlukan pendekatan yang teliti dan andal untuk menganalisis serta mengelompokkan data musik. Metode Random Forest banyak digunakan dalam klasifikasi genre musik, memerlukan optimalisasi algoritma yang presisi melalui Feature Selection dan Hyperparameter Tuning. Manfaat penelitian ini yaitu untuk memberikan pemahaman mengenai peran teknik Feature Selection dan Hyperparameter Tuning dalam mengoptimalkan performa algoritma Random Forest. Dengan memanfaatkan algoritma secara maksimal, akurasi klasifikasi genre musik dapat ditingkatkan, yang berperan penting dalam menciptakan sistem rekomendasi musik yang lebih tepat dan akurat. Penelitian ini diawali dengan pengumpulan data yang diolah dalam proses preprocessing untuk mendapatkan data yang bersih. Fitur-fitur dalam dataset dipilih melalui Feature Selection untuk mendapatkan fitur yang mampu merepresentasikan kelas genre musik. Metode Random Forest digunakan untuk klasifikasi, diikuti dengan Hyperparameter Tuning untuk mendapatkan parameter yang optimal. Hasil pengujian menunjukkan bahwa metode Random Forest memiliki nilai ROC AUC sebesar 0.909. Optimalisasi meningkatkan kinerja dengan nilai ROC AUC menjadi 0.913, menunjukkan peningkatan kinerja model sebesar 0.004 dan masuk kategori evaluasi yang excellent]]>
<![CDATA[Cuscoma: Platform Peningkatan Penjualan Produk Berdasarkan Analisis Komentar Pelanggan di Marketplace Shopee Menggunakan Metode Rule-Based ]]>
<![CDATA[Saidata Aesyi, Ulfi]]>;
<![CDATA[Cahyo, Puji Winar]]>
<![CDATA[ Jurnal Sains dan Informatika Vol. 9 No. 1 (2023): Jurnal Sains dan Informatika ]]>
Publisher : <![CDATA[Teknik Informatika, Politeknik Negeri Tanah Laut ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34128/jsi.v9i1.539
<![CDATA[Transaksi secara online mulai digemari karena dirasa mudah dan tidak berbatas waktu. Hal ini yang membuat transaksi secara online mulai meningkat sehingga menyebabkan munculnya persaingan penjualan antar toko online. Toko yang sudah lama berdiri dan memiliki banyak produk yang ditawarkan umumnya cukup kesulitan untuk mengidentifikasi dan menyimpulkan isi keseluruhan komentar berdasar rating yang telah diberikan oleh pelanggan. Kesulitan tersebut biasanya terjadi pada pemberian rating yang tidak sesuai dengan isi komentar yang telah ditulis. Oleh karena itu, diciptakan platform Customer Comment Analysis (Cuscoma) untuk dilakukan analisis terkait isi komentar pelanggan. Isi komentar pelanggan terhadap suatu produk dikelompokan berdasarkan komentar sejenis menggunakan metode rule based. Metode rule based yang diterapkan dapat mengelompokan data komentar yang terbagi dalam pembahasan produk, pengiriman, packing, pelayanan dan harga. Mengambil contoh kasus toko pada marketplace shopee dengan nama akun Seagate Official menunjukan bahwa pembahasan produk mencapai 180 data komentar, sedangkan pada akun toko Mixacc mencapai 574 data komentar. Melalui data komentar yang telah dikelompokan tersebut maka dilanjutkan analisis berfokus pada isi komentar. Analisis isi konten komentar menunjukan bahwa pembahasan komentar mengenai produk mempunyai irisan yang cukup tinggi dengan pelayanan toko dan pengiriman. Dengan melihat pembahasan komentar pada masing-masing group dan diketahuinya pembahasan produk yang memiliki irisan maka dapat digunakan sebagai dasar evaluasi untuk peningkatan penjualan produk oleh masing-masing toko online.]]>
