Article Per Year (5 Year)
p-Index From 2021 - 2026
10.944
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan CESS (Journal of Computer Engineering, System and Science) Informatics for Educators and Professional : Journal of Informatics Network Engineering Research Operation [NERO] KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) JIKA (Jurnal Informatika) MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknik Informatika (JUTIF) Jurnal Mahasiswa Sistem Informasi (JMSI) International Journal of Social Science Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Janitra Informatika dan Sistem Informasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Wawasan : Jurnal Ilmu Manajemen, Ekonomi dan Kewirausahaan Manajemen Kreatif Jurnal JURSIMA Jurnal Ekonomi Manajemen Akuntansi BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat NERO (Networking Engineering Research Operation) Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen INTERNAL (Information System Journal)
Yudhistira Arie Wijaya
STMIK IKMI Cirebon
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 93 Documents
Search

 1   2   3   4   5 
Analisis Data Sentimen Ulasan Aplikasi Dana di Google Play Store Menggunakan Algoritma Naïve Bayes Windy Astuti; Rudi Kurniawan; Yudhistira Arie Wijaya
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.10272

Abstract

In an era of rapid technological advancement, mobile applications, especially e-wallets such as Dana Apps, are becoming increasingly easy to use for digital payment transactions. This innovation drives research on how digital payment platforms build information systems and business strategies through digital platforms. To compete in a growing industry, companies must produce products and services that meet customer needs. Internet user opinions, especially about apps, are important in gathering information. This research focuses on analyzing the sentiment data of Dana App reviews on the Google Play Store using the Naïve Bayes classification algorithm which is well known for its accuracy and high data processing speed. The results show that the 80:20 ratio provides an accuracy rate of 50.21%, precision and recall of 0.00% each, This research has a significant impact on the information technology industry, providing guidance for practitioners and researchers in choosing sentiment data analysis methods. The implementation of the Naïve Bayes algorithm can improve the interaction between users and applications, support innovation, and contribute to the overall development of information technology.
Analisis Data Sentimen Pemain Game Role-Playing Game (RPG) Honkai Star Rail dengan Algoritma Naive Bayes Yudis Firmansyah; Rudi Kurniawan; Yudhistira Arie Wijaya
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.10243

Abstract

In the rapidly evolving digital age, the gaming industry has experienced significant growth. One of the games that is currently popular is Honkai Star Rail. This research uses Honkai Star Rail game player reviews as the object of sentiment data research. However, the problem found in sentiment data analysis is the existence of reviews that provide positive or negative ratings as a response from players. There are situations where these labels do not fully reflect the true essence of whether the response is positive or negative, so it is necessary to analyze sentiment data. The purpose of this sentiment data research is to assess the performance of the naive bayes model in classifying sentiment by finding the best accuracy value and AUC value from 3 scenarios of sharing test data and data. The method in this study uses the Naive Bayes algorithm, this algorithm was chosen because it is suitable for classification problems. The test results with 3 dataset sharing scenarios (60:40, 70:30, and 80:20) show that the accuracy value reaches the highest value in scenario 2 (70:30) which is 86%. The precision value also reaches the highest value in scenario 2, which is 84%, the recall value reaches the highest value in scenario 2, which reaches 89%. And the highest AUC (Area Under the Curve) value is obtained from scenario 2 of 0.92 with the excellent classification category.
Analisis Data Sentimen Ulasan Pengguna Aplikasi Shopee di Google Play Store dengan Klasifikasi Algoritma Naïve Bayes Wartumi Wartumi; Rudi Kurniawan; Yudhistira Arie Wijaya
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.10273

Abstract

This research focuses on analyzing sentiment data from users of the Shopee e-commerce application using the Naïve Bayes Algorithm method. From 1000 datasets obtained from web scraping, reviews were analyzed to classify sentiment into positive or negative. With a ratio of 80% training data and 20% test data, the model developed achieved an accuracy of 95.5%. The classification results show precision 86.76%, recall 1%, and f1-score 92.91%. Even though the recall is low, the high accuracy shows that the model has good performance in predicting sentiment data. Recommendations can be provided to Shopee developers to improve customer satisfaction based on this sentiment data analysis.
Analisis Pola Pembelian Makanan dan Minuman di Kedai Distrik Menggunakan Algoritma Fp-Growth Tiana Dewi; Rini Astuti; Yudhistira Arie Wijaya
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 1 (2024): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i1.10303

Abstract

District Kedai is one of the many shops in Cirebon district, located on Jl. Raya Kalikoa, District. Kedawung, Cirebon Regency, West Java which operates in the food and beverage sector. Every day, sales transactions occur at the District Store. Sometimes consumers don't just buy one food or drink, but two or more foods or drinks in one transaction. Transaction recording is still limited to archives and has not been utilized, only left to accumulate by the District Store so that it does not provide information for the Store. Transaction data is also related to shopping patterns which can be used to determine the results of sales of goods in order to maximize sales to meet buyers' needs, therefore it is very important to know the purchasing patterns frequently made by Kedai District customers in order to develop strategies and increase sales. The aim of this research is to find out what the support and confidence values are to get an association to occur using the Association Rules method and the FP-Growth Algorithm. To find out consumer shopping patterns and find out how often item combinations appear in the sales data, the FP-Growth algorithm is an alternative algorithm that can be used to determine the data set that appears most often (frequent item set) in a data set. Therefore, this research will involve the process of collecting and processing data on food and drink purchase transactions that occurred at Kedai District during the period 1-31 October totaling 2,360 transactions. Next, the FP-Growth algorithm is used to identify purchasing patterns that have significant value and tend to repeat themselves. By conducting frequent itemsets using association rule techniques, and determining the support value and confident value to find out how often relationships appear between itemsets. Therefore, based on the final results obtained from this research, the relationship pattern generated from District Store transaction data with a minimum (support 0.7825) and (confidence 0.8) produces 1 rule. If a customer buys Grilled Sausage, they will buy Sate Suki with a support value of 0.161% and a confidence of 0.806%.
ANALISIS DAMPAK NILAI K OPTIMAL TERHADAP AKURASI PADA DATA BALITA PUSKESMAS CIPAKU Nurazijah, Wulan; Kurniawan, Rudi; Wijaya, Yudhistira Arie
Jurnal Informatika Vol 8, No 2 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i2.10406

Abstract

Kurang gizi jangka panjang, yang disebabkan oleh asupan makanan yang rendah dalam jumlah waktu yang cukup lama, dikenal sebagai stunting. Fokus utama penelitian ini adalah menentukan nilai optimal dari K dalam algoritma K-NN, kemudian melanjutkan dengan evaluasi mendalam terhadap pengukuran nilai akurasi, dan penentuan nilai K optimal yang berpengaruh terhadap nilai akurasi. Penelitian ini akan menggunakan metode Klasifikasi dalam mengklasifikasi data yang sudah ada. Untuk pengolahannya juga penelitian ini menggunakan algoritma K-NN. Pengolahan data dilakukan menggunakan tools yaitu RapidMiner Versi 10.0. Hasil penelitian menunjukan nilai K optimal adalah 2 dengan nilai akurasi sebesar 95,21%. Manfaat dari penelitian ini terhadap pihak terkait yaitu memberikan informasi yang  hasil penelitian mengenai status gizi balita di Puskesmas Cipaku, sehingga dapat membantu para tenaga kesehatan dan pemerintah desa dalam menga­mbil tindakan pencegahan dan intervensi yang lebih efektif.
EVALUASI PERFORMA MODEL REGRESI LINEAR DENGAN RMSE PADA JUMLAH PENUMPANG BUS TRANSJAKARTA Nurholipah, Titin; Kurniawan, Rudi; Wijaya, Yudhistira Arie
Jurnal Informatika Vol 8, No 2 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i2.10405

Abstract

Penelitian ini secara signifikan membantu dalam memahami faktor-faktor yang memengaruhi jumlah penumpang pada layanan Bus TransJakarta, khususnya di tengah masalah kemacetan yang melanda DKI Jakarta. Dengan menggunakan algoritma regresi linear pada dataset penumpang, penelitian ini menyoroti pentingnya feature selection untuk memastikan variabel yang signifikan diikutsertakan dalam model. Evaluasi model menunjukkan hasil yang cukup baik, dengan nilai Root Mean Squared Error (RMSE) sebesar  115306.990 +/- 0.000. Hasil ini memberikan gambaran mendalam tentang faktor-faktor yang paling berpengaruh terhadap jumlah penumpang Bus TransJakarta. Dengan demikian, penelitian ini dapat memberikan kontribusi berharga dalam perencanaan operasional dan pengambilan keputusan yang lebih efektif, bertujuan meningkatkan pelayanan dan kenyamanan transportasi umum, terutama di lingkungan metropolitan seperti Jakarta. Temuan ini juga dapat menjadi dasar bagi penelitian lanjutan untuk mengembangkan model prediksi yang lebih canggih dalam mendukung manajemen transportasi perkotaan.
IMPLEMENTASI ALGORITMA FP-GROWTH PADA DATA TRANSAKSI PENJUALAN SEBLAK JONTOR yulani, Yulani -; Kurniawan, Rudi; Wijaya, Yudhistira Arie
Jurnal Informatika Vol 8, No 1 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i1.10397

Abstract

Perkembangan pesat dalam dunia bisnis, didorong oleh kemajuan teknologi informasi, memberikan tantangan besar bagi pengusaha dalam menghadapi persaingan yang semakin ketat. Ketersediaan dan analisis barang yang dijual menjadi kunci penting dalam memenuhi kebutuhan konsumen. Seblak sebagai salah satu kuliner populer di Indonesia,turut merasakan dampak persaingan yang semakin intens. Dalam kondisi pasar yang dinamis ini, pengetahuan mendalam mengenai perilaku konsumen menjadi kunci keberhasilan sebuah usaha. Masalah yang terjadi adalah persaingan bisnis, tidak ada stok bahan baku seblak terlaris, belum memahami pola pembelian dan tata letak yang kurang strategis. Dengan volume data yang besar, diperlukan pendekatan sistematis Penelitian ini memanfaatkan metode analisis data melalui penerapan Algoritma FP-Growth. Dalam proses FP-Growth, penelitian ini mengedepankan pada suatu ukuran tertentu untuk menentukan  aturan yang terbentuk, dengan menetapkan batasan Support minimum sebesar 20% dan Confidence minimum sebesar 20% ditemukan 9 aturan Asosiasi yang memberikan wawasan berharga tentang hubungan antar produk. Aturan dengan nilai Support tertinggi sebesar 9.4% menunjukkan bahwa pembelian Seblak Tulang sering diikuti dengan pembelian Seblak Original. Selain itu, aturan dengan Confidence tertinggi sebesar 3.92% mengindikasikan bahwa pelanggan yang membeli Seblak Enoki kemungkinan besar akan membeli Seblak Tulang. Kesimpulan ini memberikan gambaran holistik tentang pola pembelian konsumen seblak, memberikan pemahaman yang kuat untuk pengelolaan persediaan dan strategi pemasaran di Kedai Seblak Jontor.
ANALISIS DATA PENJUALAN PRODUK PAKAIAN MENGGUNAKAN K-MEANS DENGAN CLUSTER DISTANCE PERFORMANCE Komala, Wulan; Kurniawan, Rudi; Wijaya, Yudhistira Arie
Jurnal Informatika Vol 8, No 1 (2024): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v8i1.10383

Abstract

Seiring dengan perkembangan zaman di era modern dimana teknologi informasi(TI) semakin berkembang pesat. Setiap perusahaan dalam bidang perdagangan juga memiliki keinginan untuk mengembangkan usahanya dengan maksimal agar tidak tenggelam dalam persaingan bisnis yang berjalan sangat ketat. Permasalahan pada penelitian ini belum diketahui informasi yang diperoleh dari data transaksi penjualan. Oleh karena itu, perlu dilakukan beberapa strategi untuk meningkatkan penjualan. Tujuan penelitian ini untuk mengetahui pengaruh measure type agar mendapatkan nilai K optimal  berdasarkan Davies Bouldin Index. Dalam penelitian ini menggunakan algoritma K-Means dan metode analisa data yang digunakan yaitu Cross Industry Standard Process for Data Mining (CRISP-DM). Adapun data yang digunakan dalam penelitian ini sebanyak 172 record. Hasil dari penelitian ini adalah melakukan perbandingan nilai DBI dengan measure type yang digunakan. Karena nilai K=4 merupakan nilai terkecil dibandingkan K lainnya, maka dapat disimpulkan bahwa K=4 dengan nilai DBI sebesar 0,156 dengan  menggunakan measure type jenis Bregman Divergences merupakan hasil cluster terbaik. Dari hasil penelitian yang dilakukan oleh Peneliti, toko LanShop dapat mengetahui stok produk pakaian yang laris dan kurang laris sehingga dapat mengatur jenis produk mana yang harus ditingkatkan dan dikurangi guna mengoptimalkan persediaan jenis produk pakaian. Kata kunci ; Penjualan, K-Means, CRISP-DM, Cluster Distance Performance, Davies Bouldin Index
Penerapan Aplikasi Rapidminer pada Prediksi Data Penjualan Album K-Pop Menggunakan Metode Regresi Linear Inawati, Windi; Kurniawan, Rudi; Wijaya, Yudhistira Arie
Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Vol 5, No 03 (2024): Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/jrami.v5i3.10648

Abstract

Perkembangan teknologi telah secara signifikan mempengaruhi berbagai aspek kehidupan manusia, terutama dalam dunia bisnis yang menjadi elemen kunci kesuksesan perusahaan dan pengusaha dalam meraih keuntungan yang lebih besar. Fenomena ini tidak terkecuali dalam dunia musik, khususnya genre musik K-Pop yang berasal dari Korea Selatan. Penjualan yang seringkali tidak menentu membuat perusahaan memproduksi album melebihi permintaan pembeli, sehingga terjadi penumpukan album yang tidak terjual dan membuat perusahaan rugi. Maka dibutuhkan prediksi disetiap penjualan album agar tidak terjadi penumpukan dan kerugian. Metode yang digunakan dalam penelitian ini adalah Regresi Linear, sebuah pendekatan statistik yang efektif dalam memodelkan hubungan antara variabel dependen dan variabel independen. Penelitian ini bertujuan untuk mengimplementasikan Data Mining menggunakan Algoritma Regresi Linear dengan mengidentifikasi faktor-faktor yang berpengaruh signifikan terhadap penjualan album K-Pop yang dilakukan oleh agensi dan idol K-Pop. Hasil penelitian dengan metode Regresi Linear dalam menggunakan RapidMiner mendapatkan hasil nilai Root Mean Square Error (RMSE) sebesar 276051.973, dan untuk nilai Absolute Error sebesar 97012.624. Diantara nilai tersebut, nilai Absolute Error relatif lebih kecil dibandingkan dengan nilai RMSE. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi dalam memperkirakan tingkat penjualan, serta membantu perusahaan dalam mengatur produksi album untuk memenuhi permintaan yang terus berkembang di berbagai negara.
Analisis Data Penjualan Menggunakan Algoritma K-Means Clustering Pada Toko Daun Indah di Shopee Dermawan, Hibrizi Dzaky; Kurniawan, Rudi; Wijaya, Yudhistira Arie
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.55093

Abstract

Toko Daun Indah adalah sebuah usaha yang menjual berbagai pilihan produk kecantikan, tidak semua produk tersebut dimanati pelanggan. Namun data penjualan di Toko Daun Indah belum dikelola dengan baik untuk menentukan produk mana yang paling diminati dan mana yang kurang diminati pelanggan. Akibatnya, data tersebut berfungsi sebagai dokumen arsip dan belum dimanfaatkan untuk strategi pemasaran. Sehingga perlu diterapkannya teknik data mining dalam mengembangkan strategi pemasaran penjualan. Tujuan penelitian adalah menganalisis data penjualan untuk mengetahui cluster terbaik berdasarkan Davies Bouldin Index, iterasi, dan measure type yang menghasilkan K Optimal. Metode yang digunakan adalah Cross-Industry Standard Process Model for Data Mining dengan algoritma K-Means Clustering untuk mengelompokkan data penjualan berdasarkan karakteristiknya, karena mudah dalam penerapannya, dan relatif cepat. Berdasarkan hasil pengelompokan data penjualan produk dengan metode K-Means diperoleh parameter yang optimal. Dengan melakukan uji dengan jumlah cluster (k= 2-25), hasil metode K-Means menunjukkan nilai DBI paling optimal sebesar -0.149 dengan 2 cluster pada iterasi ke-1 sebanyak 30 iterasi, Measure type Mixed Measures.  
Co-Authors Abrar Bayan, Athaullah Ade Irma Purnama Sari Adi Hermawan Adiyanto, Alfian Adjie Setyadj, Mochammad Agni, Vega Putra Dwi Ahmad Faqih AKBAR, MUHAMAD DENI Alfirda Sofyan, Zahra Aliya Anisa Rahma Alya Fadia Amelia, Astri An-naziz Safaat, Wafik Andi Ardiansyah Andriyani, Wini Andriyanti, Rina Anggara, Doni Anjar Permadi Aprianto, Wili Arif Firmansyah, Aditiya ASEP SAEFUDDIN Asmana, Asmana Azhar, Alwan Dadang Sudrajat Danar Dana, Raditya Darma Irawan, Bobi Darussalam, Luthvi Nurfauzi Denni Pratama Dermawan, Hibrizi Dzaky Dian Ade Kurnia Dian Ade Kurnia Edi Tohidi Edi Wahyudin Falih, Alfi Rizqi Falih FANDI ACHMAD Fauzan, Muhamad Nur Fianita Rusadi Fianita Rusadi Firmansyach, Wildan Attariq Hadi Wicaksana, Arya Hamonangan, Ryan Hayati, Umi Hegarmanah Muhabatin Herman Hermawan, Adi Hidayat, Hilpad Hidayat, Zaids Syarif Ibnu Ubaedila Ikhwan Fahruddin, Yusuf Inawati, Windi Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Jaelani Sidik Jayawarsa, A.A. Ketut Jurnal Konsera Khoeri, Yajid Komala, Wulan Kurniawan , Rudi Kusmiyaty, Agesty Laela Laela Leli Oktaviani Lukmanul Hakim Manzis, Zian Martanto Martanto . Martanto Martanto Maryam, Beby Masjunedi, Masjunedi Maulana, Tedy Mifta Almaripat Mita Amelia Moh Nurdayat Dayat Muhamad Basysyar , Fadhil MUHAMAD DENI AKBAR Muhamad Nur Fauzan Muhammad Aditya Rabbani Adit Nabila, Aynun Nana Suarna Nashir, Mukhtar Nining Rahaningsih Nisa Dieanwati Nuris Nisa Dienwati Nuris Novita Safitri Nur Amalia, Yustika Nurazijah, Wulan Nurdiawa, Odi Nurholipah, Titin Nurrahman, Rizki Odi Nurdiawa Odi Nurdiawan Pebriyanto, Ramdhan Pratama, Denni Prihartono, Willy Rinaldi Dikananda, Arif Rini Astuti Rini Astuti Rini Astuti Riri Narasati Rizal Rizal Rubangiya Rubangiya Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Saeful Anwar Saeful Anwar, Saeful Satria Turangga Septian Nugraha, Titan Septiani Gumilar, Tia Shifa Dwi Oktaviani Suarna, Nana Sulaeman, Muhammad Suteja Syach Putra, Yanuar Tati Suprapti Taufik Hidayat Tegar Lazuardi, Muhammad Thomas Agam Tiana Dewi Tohidi, Edi Tri Anelia Trian Nurmansyah Triswanto, Triswanto Tuti Hartati Tuti Hartati Tuti Hartati Wahyudi Wahyudi Wangi Nur Qibti, Intan Wartumi Wartumi Willy Prihartono Winayah, Winayah Windy Astuti Yudis Firmansyah yulani, Yulani - Yulia, Yuli