Claim Missing Document
Check
Articles

PENGELOMPOKAN DATA PELAKSANAAN PENDAFTARAN TANAH SISTEMATIS LENGKAP DI KANTOR PERTANAHAN KABUPATEN SUMEDANG MENGGUNAKAN METODE ALGORITMA K-MEANS: Kantor Pertanahan Kabupaten Sumedang Nurrahman, Rizki; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9054

Abstract

Penelitian ini mengaplikasikan algoritma K-Means untuk mengelompokkan data pendaftaran tanah di Kabupaten Sumedang guna meningkatkan akurasi pendaftaran tanah sistematis. Dua cluster utama, Cluster 0 dan Cluster 1, dianalisis dengan atribut No. SPPT PBB, Luas (m2), NJOP Tanah (m2), dan NJOP Bangunan. Hasil centroid Cluster 0 menunjukkan rata-rata No. SPPT PBB sekitar 469.18, Luas (m2) 877.402, NJOP Tanah (m2) 9777.618, dan NJOP Bangunan 889.527. Sementara Cluster 1 memiliki nilai centroid No. SPPT PBB sekitar 375.905, Luas (m2) 233.628, NJOP Tanah (m2) 149140.20, dan NJOP Bangunan 711253.38. Evaluasi menggunakan metrik Davies Bouldin menunjukkan nilai -0.282, mengindikasikan kualitas clustering yang sesuai. Dampak sosial dan ekonomi dari algoritma K-Means, termasuk identifikasi pola keberagaman dan segmentasi wilayah, dibahas untuk mendukung kebijakan penilaian pajak dan pembangunan. Penelitian ini memberikan dasar untuk keputusan yang lebih baik dalam manajemen tanah dan peningkatan efisiensi pendaftaran tanah sistematis di Kabupaten Sumedang.
ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI BLU BCA DI PLAYSTORE MENGUNAKAN ALGORITMA NAÏVE BAYES: STUDI KASUS SENTIMEN PENGGUNA TERHADAP PENGALAMAN APLIKASI BLU BCA Wahyudi, Wahyudi; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9216

Abstract

Dalam era digital saat ini, aplikasi perbankan dan dompet digital telah menjadi bagian integral dari kehidupan sehari-hari, memfasilitasi berbagai transaksi keuangan. Ulasan pengguna Blu BCA di platform Play Store dan Apps Store mengindikasikan kepuasan umum, walaupun terdapat beberapa permasalahan yang perlu diperhatikan. Meskipun mayoritas ulasan bersifat positif, sejumlah keluhan muncul terkait kinerja aplikasi dan keamanan data. Oleh karena itu, penelitian ini menggunakan metode analisis sentimen dengan algoritma Naive Bayes untuk mengklasifikasikan ulasan pengguna sebagai positif atau negatif. Data diambil dari Google Play Store melalui web scraping. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen pengguna dengan akurasi tinggi yaitu sebesar 85,31%. Meskipun mayoritas ulasan positif, beberapa pengguna mengungkapkan harapan peningkatan performa dan keamanan data. Penelitian ini memberikan wawasan berharga bagi pengembang aplikasi perbankan mobile, memungkinkan mereka memahami perspektif pengguna dan meningkatkan kualitas aplikasi. Fokus pengembangan dapat ditempatkan pada peningkatan performa dan penguatan aspek keamanan guna meningkatkan kepuasan pengguna Blu BCA
IMPLEMENTASI ALGORITMA KLASIFIKASI NAÏVE BAYES PADA DATA PENGGUNA ALAT KELUARGA BERENCANA DI DESA CIHERANG : Desa Ciherang Nur Amalia, Yustika; Arie Wijaya, Yudhistira; Kurniawan, Rudi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9345

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis Alat Kontrasepsi dalam Rahim (IUD), Implant, Metode Operasi Wanita (MOW), dan Metode Operasi Pria (MOP) yang paling banyak digunakan oleh masyarakat di Desa Ciherang berdasarkan data pengguna alat Keluarga Berencana (KB). Metode Knowledge Discovering Data (KDD) digunakan dengan Algoritma Naïve Bayes untuk mengklasifikasikan jenis KB berdasarkan variabel seperti Usia, Jenis KB, Pendidikan, dan penyakit penyerta. Data diambil dari posyandu Desa Ciherang dan diolah menggunakan perangkat lunak RapidMiner versi 10.3. Hasil implementasi algoritma Naïve Bayes menunjukkan tingkat akurasi sebesar 70%. Analisis lebih lanjut menunjukkan tingkat presisi dan recall untuk masing-masing jenis KB, dimana jenis Suntik memiliki presisi 75% dan recall 98,51%, jenis Operasi memiliki presisi 33,33% dan recall 14,29%, jenis IUD memiliki presisi 33,33% dan recall 21,43%, sedangkan jenis Implan dan Pil memiliki presisi dan recall 0%. Hasil penelitian ini diharapkan dapat memberikan panduan bagi pemerintah dan organisasi terkait dalam merancang program KB yang lebih terarah dan efektif.
PENERAPAN X-MEANS CLUSTERING TERHADAP HASIL KUESIONER WEBSITE VIRTUAL TOUR STMIK IKMI CIREBON SYSTEM USABILITY SCALE (SUS) Manzis, Zian; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9575

Abstract

Dengan pesatnya perkembangan teknologi informasi, banyak layanan dan produk berupa aplikasi berbasis website yang digunakan untuk menunjang aktivitas sehari-hari, Perkembangan teknologi informasi memberikan dampak positif bagi penggunanya karena memudahkan mereka dalam melakukan berbagai aktivitas, Suatu website dikatakan berhasil jika tingkat kegunaannya memenuhi kriteria suatu metode tertentu, kegunaan website juga menjadi salah satu faktor yang menentukan apakah suatu website mudah digunakan oleh pengguna. Penelitian ini berfokus pada analisis data survei SUS untuk memahami dan meningkatkan kegunaan website. Dengan menerapkan pendekatan inovatif menggunakan algoritma X-Means, penelitian ini bertujuan mencari cluster terbaik sesuai parameter dari Metode Clustering X-Mean. Tujuannya adalah untuk mendapatkan pemahaman mendalam tentang kekuatan dan kelemahan tertentu yang dapat dioptimalkan. Dengan mengintegrasikan metode survei SUS dan algoritma X-Means. Dengan menerapkan pengelompokan X-Means pada hasil survei SUS, penulis mengidentifikasi kelompok pengguna dengan karakteristik berbeda. Algoritma X-Means dapat diterapkan untuk mengelompokkan pengguna berdasarkan preferensi mereka untuk berbagai aspek kepuasan dan kegunaan. Hal ini memberikan wawasan yang lebih mendalam mengenai kebutuhan dan harapan pengguna, memungkinkan pengembang untuk menyesuaikan peningkatan dan pengembangan sesuai preferensi masing-masing kelompok. Hasil yang penulis dapatkan dari permasalahan di atas cluster terbaik adalah cluster 0 menggunakan parameter algoritma X-Means dengan jarak rata-rata cluster (Avarage Cluster Distance) sebesar 1.093 dan DBI sebesar 0.296. pertanyaan 10 responden cenderung bertolak belakang antara cluster 0 dan cluster 1 yang artinya disini terjadi perbedaan pendapat pada pertanyaan yang terpilih di atas tersebut, sedangkan pertanyaan lainnya yaitu pertanyaan 1, pertanyaan 2, pertanyaan 3, pertanyaan 5, pertanyaan 7, pertanyaan 8, responden cluster 0 dan cluster 1 lebih sependapat ketika menjawab pertanyaan tersebut
ANALISIS DATA PENERIMAAN PESERTA DIDIK BARU MENGGUNAKAN CROSS VALIDATION DAN ALGORITMA DECISION TREE DI SMA NEGERI 1 BANDUNG Andriyani, Wini; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9603

Abstract

Setiap tahun, SMA Negeri 1 Bandung menerima calon peserta didik baru melalui tiga jalur pendaftaran: penelusuran minat, Prestasi Akademik (PA), dan ujian tertulis. Namun, proses seleksi dalam Penerimaan Peserta Didik Baru (PPDB) menghadapi kendala dalam menetapkan kriteria kelulusan. Untuk mengatasi masalah ini, diperlukan prediksi data guna meningkatkan kualitas penerimaan siswa. Tujuan penelitian ini adalah menganalisis data PPDB untuk menyederhanakan proses seleksi calon siswa dengan menerapkan teknik data mining, khususnya algoritma Decision Tree. Metode ini menghasilkan pohon keputusan yang membantu mengidentifikasi siswa yang lolos dan tidak lolos dengan lebih efisien. Hasil penelitian menggunakan aplikasi RapidMiner Studio menunjukkan bahwa dari 282 data, sebanyak 86 data tidak lolos dan 191 data lolos, dengan tingkat akurasi mencapai 98.24%, precision 97.45%, dan recall 94.51%. Pemahaman faktor-faktor yang mempengaruhi keberhasilan akademik siswa juga dapat membantu pengembangan strategi pendidikan yang lebih efektif. Melalui teknik Cross-Validation, validitas model Decision Tree diuji untuk memastikan kinerjanya yang tinggi dalam berbagai lingkungan. Dengan demikian, penelitian ini berpotensi memberikan kontribusi yang signifikan terhadap kebijakan penerimaan siswa baru yang efisien dan berkualitas di SMA Negeri 1 Bandung.
ALGORITMA NAIVE BAYES UNTUK MENINGKATKAN MODEL KLASIFIKASI PENERIMA PROGRAM INDONESIA PINTAR DI SDN 2 PURWAWINANGUN Darussalam, Luthvi Nurfauzi; Kurniawan, Rudi; Wijaya, Yudhistira Arie; Suprapti, Tati
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5882

Abstract

Penelitian ini bertujuan meningkatkan keakuratan klasifikasi penerima Program Indonesia Pintar (PIP) di SDN 2 Purwawinangun, Kabupaten Kuningan. Metode yang lambat dan kurang akurat digantikan dengan algoritma Naive Bayes untuk menganalisis data siswa berdasarkan kriteria tertentu. Proses penelitian meliputi pengumpulan data sekunder, preprocessing data, dan implementasi algoritma Naive Bayes. Hasilnya, model ini mencapai akurasi 96,47% dalam menentukan kelayakan penerima PIP, dengan mempertimbangkan atribut seperti latar belakang sosial ekonomi dan kinerja akademik siswa. Temuan menunjukkan bahwa algoritma ini efisien dalam mengolah dataset kompleks dibandingkan metode manual. Namun, kinerja model sangat bergantung pada kualitas data awal, sehingga data yang tidak lengkap dapat mempengaruhi hasil.Penelitian merekomendasikan penerapan metode ini di sekolah lain dan integrasi algoritma tambahan, seperti Decision Tree, untuk validasi hasil. Dengan pendekatan ini, seleksi penerima PIP menjadi lebih tepat sasaran, efisien, dan transparan.
Analisis Bibliometrik: Pemetaan Penelitian Machine Learning dalam E-commerce Berdasarkan Data dari Scopus (2019-2024) Yudhistira Arie Wijaya; Dadang Sudrajat
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study explores the application of machine learning in e-commerce using descriptive and visual bibliometric analysis methods. Data were collected from the Scopus database for the period 2019–2024 through five stages: defining search keywords, initial search results, refinement of the search results, compiling statistics on the initial data, and data analysis. The findings indicate a significant increase in publications from 2020 to 2023, peaking in 2023, followed by a decline in 2024. IEEE Access and the International Journal of Advanced Computer Science and Applications are the main sources of publications, with India and China standing out as the countries with the highest number of publications. International research collaboration shows significant growth, and co-word analysis identifies “machine learning” as a central topic closely linked with “electronic commerce” and “learning systems." Citation trends reveal that highly cited publications have a significant impact. These findings provide comprehensive insights into the development and contributions of research in machine learning for e-commerce, with important implications for researchers and industry practitioners in addressing new challenges and opportunities.
Analisis Internet Network Performance Menggunakan Parameter Quality of Service Pada Jaringan STMIK IKMI Cirebon Martanto; Dian Ade Kurnia; Fathurrohman; Irfan Ali; Yudhistira Arie Wijaya
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The use of the internet for employees is a crucial need to support the completion of their work. STMIK IKMI Cirebon also provides internet facilities for its employees. However, the internet facilities provided are not yet optimal, as evidenced by frequent connection disruptions. This study aims to measure the performance of the internet connection at STMIK IKMI Cirebon. The method used is Quality of Service (QoS), which is a method to assess how well the installed network functions and its ability to define the attributes of the network services provided. QoS is necessary to calculate the parameters that determine the quality of an internet network. The steps in this study include recording network traffic using Wireshark, followed by calculating parameters such as bandwidth, packet loss, delay, throughput, and jitter. The study results indicate that during data upload from 08:00 to 12:05 at STMIK IKMI Cirebon, the throughput percentage achieved was 31% with an index of 1 "POOR," delay was 9.444 ms with an index of 4 "VERY GOOD," jitter was 8.444 ms with an index of 3 "GOOD," and packet loss was 0% with an index of 4 "VERY GOOD." During data download from 15:00 to 19:05, the throughput percentage achieved was 132% with an index of 4 "VERY GOOD," delay was 14.052 ms with an index of 4 "VERY GOOD," jitter was 13.052 ms with an index of 3 "GOOD," and packet loss received an index of 4 "VERY GOOD." Based on these results, it can be concluded that these values have met the TIPHON standard for both upload and download, indicating that the internet connection at STMIK IKMI Cirebon is still suitable for use
PENINGKATAN MODEL SEGMENTASI PENGGUNA TERMINAL TIPE B SUMBER KABUPATEN CIREBON DALAM PERBAIKAN SARANA DAN PRASARANA DENGAN ALGORITMA K-MEANS Kusmiyaty, Agesty; Kurniawan, Rudi; Arie Wijaya, Yudhistira; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12466

Abstract

Terminal Sumber, sebuah terminal tipe B di Kabupaten Cirebon, menghadapi tantangan dalam memenuhi kebutuhan pengguna akibat pengelolaan sarana dan prasarana yang belum optimal. Tingkat kepuasan pengguna terhadap fasilitas, kebersihan, kualitas layanan, dan infrastruktur sering kali beragam, mencerminkan kebutuhan perbaikan yang terarah. Penelitian ini bertujuan untuk menganalisis kepuasan pengguna dengan memanfaatkan algoritma K-Means Clustering. Data kepuasan pengguna dikumpulkan melalui survei langsung, menghasilkan dua klaster berdasarkan nilai Davies Bouldin Index (DBI) optimal sebesar 0,547. Klaster 0 merepresentasikan pengguna dengan tingkat kepuasan lebih rendah, sedangkan klaster 1 memiliki tingkat kepuasan lebih tinggi. Hasil ini menunjukkan bahwa segmentasi pengguna dapat membantu pengelola terminal merancang strategi perbaikan layanan yang lebih spesifik dan efektif. Dengan demikian, penelitian ini berkontribusi dalam penerapan metode clustering untuk meningkatkan kualitas layanan transportasi umum, baik secara praktis maupun akademis
KLASIFIKASI MOTIF BATIK JAWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) AKBAR, MUHAMAD DENI; Martanto, Martanto; Wijaya, Yudhistira Arie
JURSIMA Vol 10 No 2 (2022): Jursima Vol. 10 No. 2, Agustus Tahun 2022
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i2.412

Abstract

Batik is one of Indonesia's beautiful and well-known heritages throughout the world, batik as a traditional heritage of the archipelago comes with a variety of motifs. Each region has different motifs and different philosophies. The number of Indonesian batik motifs spread from Aceh to Papua, so not everyone can distinguish batik motifs. This study aims to distinguish between Javanese batik motifs and non-Javanese batik motifs. The batik motifs taken by researchers as samples from the Java region were the Mega Mendung batik motif, Lasem batik motif, Sekar Jagad batik motif, Kawung batik motifs and motifs, and for non-Javanese researchers took samples of Cendrawasih batik motifs, Dayak batik motifs, and batik motifs. nutmeg, and Balinese batik motifs. The research method uses the K-Nearest Neighbors (KNN) algorithm which has stages of collecting image on batik motifs, knowing Javanese and non-Javanese batik motifs, pre-processing, feature extraction, image classification, and evaluation of motifs. Color feature extraction is carried out using gray level co-occurrence matrix (GLCM) methods. Based on the test results show that with the application of GLCM and KNN with an image size ratio of 200x200 with a ratio of k=5 the percentage of split image 80% test and 20% training is able to produce an accuracy of 65%.
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